汽車保險大資料AI應用三大流派

5月初參加了兩個車險行業會議， 很多保險行業同仁都參加了會議的研討， 有很多資訊值得回顧， 受限於時間和興趣， 我先對我感興趣的話題進行分享。 汽車保險行業的大資料人工智慧應用（Insutech）是我最感興趣的話題， 在這個領域有三大流派：

第一大流派最值得關注， 它們是以車信資料、精勵聯訊、凱泰銘科技、德聯易控為代表的少數創新科技公司， 它們的資料和模型技術側重點不同， 但都已經應用於實際生產， 得到車險行業認可。

第二大流派是保險公司自身的風險控制技術運營部門， 包括人保、平安在內的車險科技團隊也在摸索，

但從投入產出看， 車險公司自身去研發大資料AI應用成本無法攤薄， 投入的力度和可持續性可疑。

第三大流派是百融金服、百度等偏重用戶畫像和行銷的AI通用解決方案供應商， 這類服務的同質化比較嚴重， 受互聯網行銷造假風潮影響，

這類服務以往在汽車整車行銷領域已經有應用， 但效果不顯著， 要贏得結果導向的保險公司認同尚需時日。

對於第一大流派， 幾家科技公司的產品服務差異比較大。

車信資料的機器學習模型技術原理類似穀歌的AlphaGo， 大資料機器學習的產品服務既包括前端的承保展業， 也包括後端的理賠反欺詐。 從應用範圍看， 既可以是車險公司， 也可以是車險仲介機構， 還可以是整車企業、4S經銷商集團。 同樣的技術邏輯， 車信資料不僅服務車險公司， 也服務汽車金融公司。 目前看， 車信資料是這個領域本土技術和資料資料能力最專業的公司， 沒有之一。 隨著更多資料的開放， 以車信資料為代表的Insutech和Fintech公司會有更多用武之地。

相對而言， 凱泰銘科技、德聯易控聚焦在後端理賠反欺詐環節， 實際生產環境下使用的是規則引擎技術。 這意味此類服務比拼的是規則定義能力， 是能否俯下身去欺詐第一線發掘規則， 相比AlphaGo的大資料機器學習技術靠電腦幹， 數以千計的規則引擎構建，

是個靠人來幹的苦活累活髒話。 前者的門檻是資料來源和模型演算法能力， 後者的門檻是吃苦耐勞的人力消耗。 對保險公司而言， 通常會要求後者公開規則， 這意味著後者的工作很像推石頭上山的西西弗斯， 等於在外部幫助車險公司開發反欺詐規則引擎， 開發一條就同步給車險公司一條， 開發難度越來越大， 但收益卻每況愈下。 唯一的念想是， 説明一家開發出來的規則引擎可以給另外一家用， 但另外一家如果強勢要求公開規則引擎， 這就變成世界上最痛苦的工作了。 除非車險公司放棄自己研發， 都交給同一家公司開發定義規則……規則引擎這個工作如果沒有智慧財產權保護能力， 基本死路一條——德聯易控遭遇的就是這個挑戰。

第二大流派是保險公司自身的風控技術團隊。 本質看， 保險公司的資訊系統研發需求都是自發產生的， 主要的資訊系統研發也是中科軟等大型軟體公司的生意， 但隨著業務需求的變化， 主要大型保險公司都建立了自己的科技研發團隊， 滿足自身研發需求。風險控制這類核心需求更是自建研發團隊的重點工作，但受限於技術反覆運算速度，在大資料機器學習AI領域，保險公司要短期積累研發團隊還比較困難。因此，目前看，車險公司在承保端還停留在黑名單模式下，在理賠端還停留在傳統規則引擎模式下。對於大資料AI技術的應用仍然處於探索階段，我認為，接下來最靠譜的方式一定是建立自己的技術採購團隊，儘快扶植和投資外部科技公司，加速創新，不僅保證國內技術領先，也需要借助一帶一路，儘快進入全球車險市場。

第三大流派是百度等大資料技術提供商，由於資料敏感性，百度本身也參與投資車險公司，這導致車險企業與百度的此類服務存在應用障礙，保險公司不敢把自己的敏感性資料交給潛在競爭對手。與此同時，由於百度的金融保險團隊與大搜索團隊並非同一團隊，要體現百度在車險領域的大資料AI應用優勢，僅僅提供技術是不夠的，如果不能發揮大資料和大搜索的內部協同，給車險企業一個有競爭力的解決方案，很難在Insutech領域超越專業垂直服務供應商。當然，通過投資並購也有可能解決這個問題，但目前看，可以投資並購的標的並不多，懂這些的投資人更不多見，已經拿到國家大腦項目的百度要抓住這個機會，需要儘快在車險金融等領域建立專家顧問團隊。

由於車險科技的創新仍然在路上，車險公司的業務保守性和監管政策的變化都會影響這個產業的發展，隨著金融風控成為行業的主旋律，可以預見到未來幾年車險公司在車險風控領域的投入會加大力度。無論哪個派別的車險科技都有很大機會成長。光吹大資料AI的技術NB是沒有意義的，能夠用技術在特定場景下，解決車險公司的具體問題，這才是硬道理，歡迎參與討論！

滿足自身研發需求。風險控制這類核心需求更是自建研發團隊的重點工作，但受限於技術反覆運算速度，在大資料機器學習AI領域，保險公司要短期積累研發團隊還比較困難。因此，目前看，車險公司在承保端還停留在黑名單模式下，在理賠端還停留在傳統規則引擎模式下。對於大資料AI技術的應用仍然處於探索階段，我認為，接下來最靠譜的方式一定是建立自己的技術採購團隊，儘快扶植和投資外部科技公司，加速創新，不僅保證國內技術領先，也需要借助一帶一路，儘快進入全球車險市場。

第三大流派是百度等大資料技術提供商，由於資料敏感性，百度本身也參與投資車險公司，這導致車險企業與百度的此類服務存在應用障礙，保險公司不敢把自己的敏感性資料交給潛在競爭對手。與此同時，由於百度的金融保險團隊與大搜索團隊並非同一團隊，要體現百度在車險領域的大資料AI應用優勢，僅僅提供技術是不夠的，如果不能發揮大資料和大搜索的內部協同，給車險企業一個有競爭力的解決方案，很難在Insutech領域超越專業垂直服務供應商。當然，通過投資並購也有可能解決這個問題，但目前看，可以投資並購的標的並不多，懂這些的投資人更不多見，已經拿到國家大腦項目的百度要抓住這個機會，需要儘快在車險金融等領域建立專家顧問團隊。

由於車險科技的創新仍然在路上，車險公司的業務保守性和監管政策的變化都會影響這個產業的發展，隨著金融風控成為行業的主旋律，可以預見到未來幾年車險公司在車險風控領域的投入會加大力度。無論哪個派別的車險科技都有很大機會成長。光吹大資料AI的技術NB是沒有意義的，能夠用技術在特定場景下，解決車險公司的具體問題，這才是硬道理，歡迎參與討論！