在《險企實現大資料價值的三個階段》文章中， 我們分析了保險公司在對大資料技術進行投資和創新時需要經歷的三個階段。
物聯網技術在保險領域的快速發展（特別是車聯網）， 讓保險公司需要更加迫切地改變對於資料庫應用的傳統思路。
目前保險領域面臨的狀況是， 物聯網的應用普及程度超過了大資料技術（Hadoop和其他非SQL/非結構化資料庫）的發展。 雖然大部分保險公司還沒有在公司內部搭建好一個成熟的技術團隊來應用大資料， 但是這不意味著他們不希望從大資料來源中獲得新的資訊和啟發。
我們認為，
第一階段：協力廠商資料來源和評分系統
對於某些類型的物聯網/感測器資料， 保險公司完全無需親自經手， 他們只需要一個結果就行了。 與其將大量資料寫入自己的系統， 保險公司可以依靠協力廠商資料公司， 讓他們去收集、分析資料， 並且建立預測模型， 將大量的資料最終簡化成一個指標。
一個很好的例子就是當下的UBI車險。 協力廠商公司收集司機的駕駛行為資料，
這種物聯網資料的評分系統對於高層的決策制定者來說很有用， 他們關心的是市場的整體局面， 他們需要的是最終的分析結果， 資料處理的過程對他們來說並不重要。 當然， 這一模式下， 保險公司非常依賴於協力廠商資料公司的可信度和專業度。 此外， 即使協力廠商公司的可信度和專業度沒有問題， 他們的資料也無法完美適配保險公司， 因為協力廠商公司的評分是基於整個行業的資料， 而非特定保險公司的銷售、理賠等資料。
對於業務範圍較小的保險公司來說，
協力廠商資料來源的一大局限在於， 保險公司只能借助他們對已存在模型進行資料收集和分析。 當保險公司需要對一種新型資料進行探索時， 他們必須依靠自己， 進入下一個階段了。
第二階段：物聯網資料的簡化應用
當保險公司擁有獲取物聯網資料的管道後（不管是通過其自己建立的設備網路， 還是通過接入外部的感測器網路）， 並不意味著他們就有能力去消化和處理這些資料。 好消息是， 即使他們還沒有能力去高效處理這麼多物聯網資料，
事實上， 據研究機構的報告顯示， 雖然有超過60%的保險公司宣稱自己正在使用某種形式的大資料技術， 只有不到40%的公司使用了傳統SQL資料庫以外的技術。 如果傳統資料庫沒有經過升級， 又能如何去處理來自物聯網設備的資訊流呢？
大多數保險公司正在做的是， 從物聯網資料流程中提取關鍵資訊， 然後將這些資訊載入到傳統關聯式資料庫中去。 這並不是什麼新方法， 保險公司用這個方法處理過很多類型的資料集。 比如， 當我們在談論天氣資料時， 我們並不是將所有地區每一天24小時的氣溫等資料都收集起來， 而是簡化地將一個地區（甚至一個國家）每天的最高溫和最低溫列出來。
類似的，保險公司可以在客戶車子裡安裝感測器，只收集一些關鍵資訊，比如最高行駛速度、急刹車次數、急加速次數等，而非將所有小細節都記錄下來。可攜帶式設備也一樣，保險公司只需要收集每天的走路步數等關鍵資訊，而不用收集整套的GPS資料。
這種簡化的資料集雖然會對完整的資料分析造成局限性，但是該方式的優點也很明顯。它允許保險公司在沒有專業系統和工具的情況下也能對進行資料的視覺化分析，將這些資料載入到傳統資料庫中也更加簡單。更重要的是，保險公司可以在沒有大資料專業人才的時候也能實現物聯網的部分價值。而且，在某些情況下，投保人如果知道自己的個人資料只有一小部分存儲在保險公司系統裡，他們心裡也會更好受一點。
第三階段：物聯網資料的完整應用
一旦保險公司擁有了大資料技術的專業團隊，或者雇傭了該方面的專業顧問，他們就有能力對物聯網產生的所有資料進行應用了。這意味著，保險公司可以收集全部的感測器資料，將這些資料載入到Hadoop或者其他非結構化資料庫中，將其和現存的業務資料進行整合。
整合後的資料就可以由機器系統進行處理和分析，並且因為資料量夠大夠全面，分析結果往往會得到上一階段無法得到的結論。此外，隨著大資料環境中的資料積累，這些資料甚至還能對行業未來進行預測。
大多數情況下，完整的物聯網資料集太過龐大，無法被人類直接使用，因此需要專業的工具進行初始化分析和視覺化改造，然後保險公司才能著手對這些資料進行進一步的應用。
人工智慧的應用能夠有效地發揮物聯網的價值，擁抱人工智慧解決方案的保險公司，可以用海量的物聯網資料去培養自己的機器學習和深度學習系統。局限於前兩個階段的保險公司是無法用這個方法來搭建龐大資料庫的。雖然在起步階段，投入產出不成比例，但在大資料環境下對物聯網資料進行完整的消化和解讀，能夠幫助公司為未來的人工智慧發展奠定基礎。
不同的階段，不同的價值
以上三個物聯網的應用階段並非線性遞進的。很多保險公司會同時佈局三個階段，因為每個階段都有其特殊的價值。一家配備了完整Hadoop資料庫的保險公司可能依然將需要一些簡化的物聯網資料載入至現有的資料庫中，也依然需要參考協力廠商的評分系統，從而完善自己的評分系統。
保險公司不僅需要發展利用物聯網資料的能力，還需要明確物聯網將對其業務產生怎樣的影響。所有的創新嘗試都應該如此，如果創新嘗試最終不能對決策制定產生影響，不能促進業務的發展，那麼股東恐怕也無法認同這些創新的價值了。
類似的，保險公司可以在客戶車子裡安裝感測器，只收集一些關鍵資訊，比如最高行駛速度、急刹車次數、急加速次數等，而非將所有小細節都記錄下來。可攜帶式設備也一樣，保險公司只需要收集每天的走路步數等關鍵資訊，而不用收集整套的GPS資料。
這種簡化的資料集雖然會對完整的資料分析造成局限性，但是該方式的優點也很明顯。它允許保險公司在沒有專業系統和工具的情況下也能對進行資料的視覺化分析，將這些資料載入到傳統資料庫中也更加簡單。更重要的是，保險公司可以在沒有大資料專業人才的時候也能實現物聯網的部分價值。而且，在某些情況下，投保人如果知道自己的個人資料只有一小部分存儲在保險公司系統裡，他們心裡也會更好受一點。
第三階段：物聯網資料的完整應用
一旦保險公司擁有了大資料技術的專業團隊，或者雇傭了該方面的專業顧問，他們就有能力對物聯網產生的所有資料進行應用了。這意味著，保險公司可以收集全部的感測器資料，將這些資料載入到Hadoop或者其他非結構化資料庫中，將其和現存的業務資料進行整合。
整合後的資料就可以由機器系統進行處理和分析，並且因為資料量夠大夠全面，分析結果往往會得到上一階段無法得到的結論。此外，隨著大資料環境中的資料積累，這些資料甚至還能對行業未來進行預測。
大多數情況下，完整的物聯網資料集太過龐大，無法被人類直接使用，因此需要專業的工具進行初始化分析和視覺化改造，然後保險公司才能著手對這些資料進行進一步的應用。
人工智慧的應用能夠有效地發揮物聯網的價值，擁抱人工智慧解決方案的保險公司，可以用海量的物聯網資料去培養自己的機器學習和深度學習系統。局限於前兩個階段的保險公司是無法用這個方法來搭建龐大資料庫的。雖然在起步階段，投入產出不成比例，但在大資料環境下對物聯網資料進行完整的消化和解讀，能夠幫助公司為未來的人工智慧發展奠定基礎。
不同的階段，不同的價值
以上三個物聯網的應用階段並非線性遞進的。很多保險公司會同時佈局三個階段，因為每個階段都有其特殊的價值。一家配備了完整Hadoop資料庫的保險公司可能依然將需要一些簡化的物聯網資料載入至現有的資料庫中，也依然需要參考協力廠商的評分系統，從而完善自己的評分系統。
保險公司不僅需要發展利用物聯網資料的能力，還需要明確物聯網將對其業務產生怎樣的影響。所有的創新嘗試都應該如此，如果創新嘗試最終不能對決策制定產生影響，不能促進業務的發展，那麼股東恐怕也無法認同這些創新的價值了。