科技正在逐漸擺脫人們對保險固有的印象， 尤以車險為代表的保險業變革早已開始。 其實在無人機保險領域， 也有人試圖用科技做出改變。 只是無人機保險尚處於雛形期， 一點點的科技變革還不足以掀起太大的水花， 也難以引起人們的關注。 但是這並不到代表不值得關注。
公開資料顯示， 2016年全球保險科技初創公司交易173筆， 融資16.9億美元， 同比上升42%。 2017年以來， 保險科技的話題也是只增不減， 熱度居高不下。
到底什麼是保險科技， 《中國保險科技發展白皮書2017》給了個參考， 它指出保險業可與10項科技結合，
其中， 大資料被認為是推動保險行業變革的一項重要技術。
初探無人機保險大資料
2016年宇辰網曾報導過一則新聞， 講的是美國無人機保險創業企業Verifly發佈了一款APP， 它以用戶為中心， 設置一個半徑為0.25英里的圓， 作為保險的有效覆蓋範圍。 APP自建有地理資料庫， 且能掌握天氣資訊， 它會基於綜合因素給出報價， 按小時收費。
時隔一年多以後， 另一家英國創業企業Flock也推出了類似的APP， 主打概念是“隨飛隨付費的無人機保險（Pay-as-you-fly drone insurance）”， 同樣是基於綜合情況， 給出報價， 按小時收費。
Verifly應該算是行業首創， 作為第一個吃螃蟹的人， 當時並未引起太大關注。 而伴隨著其他後來者也開始投身這一業務， “無人機保險+大資料”這一組合， 或許值得我們去仔細審視。
根據Flock的軟體應用Flock Cover的官方頁面介紹， “價格取決於風險， 飛得越安全， 收費越低。 ”具體而言， 影響價格的因素有四個， 分別是：駕駛員情況（Operator profile）、環境資料（Environmental data）、超當地語系化天氣狀況（Hyperlocal weather conditions）和無人機詳情（Drone details）。
駕駛員情況包括駕駛員經驗和歷史索賠紀錄；環境資料指的是周圍建築資訊等一些地面風險；超當地語系化天氣如飛行地區的即時風速；無人機詳情則包括重量、最大速度、最大飛行高度等。 Flock的演算法會將所有這些資料轉換為一個風險度量值， 風險度量值越低， 收費也就越低。
而如此大量的資料收集工作是怎麼做的呢？
2017年9月， Flock的保險應用推出後不久， 知名雜誌《經濟學人》曾寫了一篇文章介紹：“Flock的應用依賴於廣泛的資料。 比如來自計算巨頭IBM的天氣預報。 IBM在2015年斥資逾20億美元收購了天氣公司（The Weather Company）， 現在能提供精確到幾百米範圍、幾分鐘內的天氣預報。 一家名為雪花（Snowflake）的軟體公司， 具備追蹤全球範圍內飛機的能力， 其可提供關於附近飛行器的即時資訊。 Flock還會考慮當地的地理環境， 比如到教堂、醫院和學校的距離， 以及道路和交通狀況。 用戶通過應用要求投保時， 應用會分析所有這些資料。 除了給出報價， 應用還會告訴操控員如何降低風險。
相比於目前市面上普遍的按年收費， 這種按實際使用情況報價、按小時收費的APP確實改變了無人機保險領域的遊戲規則。 輔以大量資料作為參考， 保險定價變得精細化、定制化和人性化。
其實已是巨頭搶灘的新風口
雖然在無人機保險領域類似於 Verifly、Flock的例子不多， 但是“大資料”、“定制化保險”等等在整個保險領域， 尤其是車險領域， 並不是生詞。
其實在這裡， 巨頭正搶灘佈局， 創企也在頻頻發力。
2016 年 4 月， 愛和誼保險、豐田金融和豐田汽車三家公司在美國的子公司， 攜手成立車載資訊保險服務公司（TIMS）， 計畫推出根據司機駕車習慣制定的車險政策。 他們利用車載感應器收集資訊資料， 分析刹車和加速等駕駛員主觀因素引發的風險幾率， 從而上調或下調下一年的保費。
2017年5月，螞蟻金服向保險行業開放首個“車險分”。其借助大資料、人工智慧等技術，對車主進行精准畫像和風險分析，並量化為300分到700分不等的車險標準分，分數越高風險越低。通過該方式，驅動國內車險向精准化、人性化邁進，讓車險定價由“從車”向“從人”轉變。
2017年6月，京東金融與陽光產險達成戰略合作，整合各自在保險、科技及大資料等層面的優勢，聯合成立了“智能保險實驗室”。雙方想要通過模型演算法、大資料與人工智慧技術，提升現行車險定價模型預測的精准度和風險區分度，進而改變傳統車險定價方式。
除了巨頭之外，創業企業也在摩拳擦掌，在這裡不再一一列舉。大資料似乎已經成為保險業的盛寵。究其背後原因，澳大利亞精算師協會(Actuaries Institute)用一張圖直觀地做了解釋。下圖橫坐標是保險費水準，縱坐標是投保人數。在當前大資料發展不成熟的情況下，大部分客戶都被歸類為平均風險，低風險和高風險的人數少之又少，所以大部分人都是按照平均風險收費的。而未來，有了大資料支撐，很大一部分過去處於平均風險的人，將轉移到低風險或高風險，也就是從A區到B區，或者從A區到C區。
其實無論是無人機保險領域的環境大資料，還是車險領域的駕駛行為大資料，都是在試圖利用資料來驅動風險評估，進而達到定制化的目的。這種定制化，能為優質客戶提供更優惠的定價。而對於風險較高的客戶，資料驅動可以引導客戶更加關注自身的行為，從而降低事故發生幾率。
大資料發展的頂層設計
“我國在大資料發展和應用方面已具備一定基礎，擁有市場優勢和發展潛力，但也存在政府資料開放共用不足、產業基礎薄弱、缺乏頂層設計和統籌規劃、法律法規建設滯後、創新應用領域不廣等問題，亟待解決。” 2015年8月，我國促進大資料發展的第一份權威性、系統性檔《關於促進大資料發展的行動綱要》出臺，明確指出了我國大資料發展中存在的問題，且肯定了大資料是推動經濟轉型發展的新動力。
為此《促進大資料發展行動綱要》提到：穩步推動公共資料資源開放。提升政府資料開放共用標準化程度，優先推動信用、交通、醫療、衛生、就業、社保、地理、文化、教育、科技、資源、農業、環境、安監、金融、品質、統計、氣象、海洋、企業登記監管等民生保障服務相關領域的政府資料集向社會開放。建立政府和社會互動的大資料獲取形成機制，制定政府資料共用開放目錄。通過政務資料公開共用，引導企業、行業協會、科研機構、社會組織等主動採集並開放資料。
技術仍在進步，頂層設計也給出了戰略性指引，即使不是短時間內實現顛覆，保險大資料也可以說是前景可期。
有一種說法叫，保險科技就如金融科技的下半場。在這下半場，我們十分期待無人機保險能夠上場，再有個良好的場上表現。
更多無人機行業資訊，請關注宇辰網微信（公眾號：yuchenshiji）
從而上調或下調下一年的保費。
2017年5月，螞蟻金服向保險行業開放首個“車險分”。其借助大資料、人工智慧等技術，對車主進行精准畫像和風險分析，並量化為300分到700分不等的車險標準分，分數越高風險越低。通過該方式，驅動國內車險向精准化、人性化邁進，讓車險定價由“從車”向“從人”轉變。
2017年6月，京東金融與陽光產險達成戰略合作，整合各自在保險、科技及大資料等層面的優勢，聯合成立了“智能保險實驗室”。雙方想要通過模型演算法、大資料與人工智慧技術，提升現行車險定價模型預測的精准度和風險區分度，進而改變傳統車險定價方式。
除了巨頭之外，創業企業也在摩拳擦掌，在這裡不再一一列舉。大資料似乎已經成為保險業的盛寵。究其背後原因，澳大利亞精算師協會(Actuaries Institute)用一張圖直觀地做了解釋。下圖橫坐標是保險費水準，縱坐標是投保人數。在當前大資料發展不成熟的情況下，大部分客戶都被歸類為平均風險，低風險和高風險的人數少之又少，所以大部分人都是按照平均風險收費的。而未來，有了大資料支撐，很大一部分過去處於平均風險的人，將轉移到低風險或高風險，也就是從A區到B區，或者從A區到C區。
其實無論是無人機保險領域的環境大資料，還是車險領域的駕駛行為大資料，都是在試圖利用資料來驅動風險評估，進而達到定制化的目的。這種定制化，能為優質客戶提供更優惠的定價。而對於風險較高的客戶，資料驅動可以引導客戶更加關注自身的行為，從而降低事故發生幾率。
大資料發展的頂層設計
“我國在大資料發展和應用方面已具備一定基礎，擁有市場優勢和發展潛力，但也存在政府資料開放共用不足、產業基礎薄弱、缺乏頂層設計和統籌規劃、法律法規建設滯後、創新應用領域不廣等問題，亟待解決。” 2015年8月，我國促進大資料發展的第一份權威性、系統性檔《關於促進大資料發展的行動綱要》出臺，明確指出了我國大資料發展中存在的問題，且肯定了大資料是推動經濟轉型發展的新動力。
為此《促進大資料發展行動綱要》提到：穩步推動公共資料資源開放。提升政府資料開放共用標準化程度，優先推動信用、交通、醫療、衛生、就業、社保、地理、文化、教育、科技、資源、農業、環境、安監、金融、品質、統計、氣象、海洋、企業登記監管等民生保障服務相關領域的政府資料集向社會開放。建立政府和社會互動的大資料獲取形成機制，制定政府資料共用開放目錄。通過政務資料公開共用，引導企業、行業協會、科研機構、社會組織等主動採集並開放資料。
技術仍在進步，頂層設計也給出了戰略性指引，即使不是短時間內實現顛覆，保險大資料也可以說是前景可期。
有一種說法叫，保險科技就如金融科技的下半場。在這下半場，我們十分期待無人機保險能夠上場，再有個良好的場上表現。
更多無人機行業資訊，請關注宇辰網微信（公眾號：yuchenshiji）