中国深究:Underwriting innovation
在本期《聚焦中国》中,我们与瑞士再保险的 iptiQ 合作,关注数字承保领域的发展,重点关注中国。 承保的未来完全是一个数据问题,我们的文章引用了最近的 Guidewire 报告,该报告发现传统的承保方法正在阻碍有效的数据收集,尤其是在发生意外事件后。很明显,在从消费者那里收集个人数据时,需要在保险公司和客户之间建立双方同意的伙伴关系,我们研究了美国和中国的例子,以及市场上发生的更广泛的创新,来自 InsurTech目前以隐身模式运行,但具有潜在的变革性技术。 我们还介绍了平安健康的案例研究,它通过有效地收集和使用数据来提高承保业绩,并最终提高客户的满意度和参与度。此外,我们还研究了未来可用于进一步支持数字承保的保险科技和技术;区块链,这对于在数字经济中建立信任以及社交评分系统至关重要;我们比较了芝麻信用与腾讯信用的优势。
中国深究:承保创新
关键点:
- 正如 Guidewire 所述,传统的承保方法阻碍了有效的数据收集,尤其是在事件发生后
- 从消费者那里收集个人数据时,需要在保险公司和消费者之间建立双方同意的伙伴关系——我们看一下美国的例子
- 中国保险公司可以访问许多通用数据源,但创新仍在进行中,我们来看一些例子,包括希望在 2022 年推出的隐身状态 InsurTech,该技术已被批准带来一种检测皮肤下脉搏颜色变化的技术,使用智能手机进行定期人寿保险。
承保的未来完全是一个数据问题,关于您可以访问哪些数据以及如何使用这些数据。作为商业保险,其生死存亡取决于其承保质量。关于数字保险行业的进步,可以确定的是技术有能力显著提高对风险的理解和评估。
错失良机
与数字化转型的所有其他领域一样,从战略上讲,数据驱动的承保方式将更快、更高效。 消费者也将从满足其特定需求和风险的个性化定制产品和服务中受益。许多承保仍然是书面进行,或者由承保商的人员作为中介服务。在评估有很多不确定部分的事物时,这可以适用,但对于大众市场,它不再适用。 它为收集数据和开发分析工具提供了大量机会,以便为人工智能和机器学习的应用提供信息,最终可以大大增强承保能力。 在某些情况下,并不是数据不可用,而是根本没有收集到数据。关于网络风险承保面临的障碍,Guidewire 报告中举了一个很好的例子。它表明保险公司及其客户用于治理网络漏洞的组织结构正在抑制数据收集朝好的方向发展。行业内部流程固化了数据的弱点,阻碍了网络风险承保的进步。 传统的承保方法——尤其是健康或人寿保险——正在转变为保险公司向管理健康和协助数据收集的投保人提供折扣的模式。这在一定程度上是由消费者行为不断变化的所驱动的,技术人员相信他们可以提供设计流程来管理重要的保险覆盖水平。换句话说,为保单持有人提供全额承保。 这种分析方式的优势在于,它将允许开发人员将游戏机制引入承保技术,这将为风险的可视化提供更大的机会。实现这一目标所必需的关键驱动因素不仅需要保险公司与第三方之间的伙伴关系,还需要和其他保险公司、第三方以及他们从中收集数据的消费者之间建立伙伴关系。 如果数据共享要有效,要部署的 API 基础设施必须获得客户同意才能将数据共享连接到其中。这将更适用于热衷保护消费者及其数据的监管机构。 如果要确保数据驱动的承保取得成功,必须关注三个基本要素——数据、同意和治理。
数据同意的权力
医疗保健部门已经开始收集个人数据,Human API 从美国公民那里收集数据。其中不存在任何秘密。在用户明确同意的情况下,它能够访问用户的数字健康数据,无论是电子健康记录、实验室数据、来自可穿戴技术的数据等。然后将其标准化,为用户构建所谓的“健康保险库”。它可以访问美国 2.2 亿人的潜在数据,覆盖85%的医院网络。此类数据可用于帮助个人提高对自身健康的认识,降低客户的风险,同时允许保险公司进行更复杂的承保。 美国数据驱动承保的另一个例子是 Haven Life,这是一家Mass Mutual内部初创公司,提供定期人寿保险单。 它由算法驱动并以机器学习为基础,可分析客户或用户提供的数据以及实时收集的第三方数据。它可以分析健康信息并在 40 秒内做出决定,无需任何侵入性的医学检查。无需接受任何体检这一点极大地提高了客户参与度。 当然仍然有人需要进行体检,而 Haven 有一个辅助平台来审查结果,将已经收集的数据与医疗数据相结合,以得出最终结论。
个性化的大数据
一项利用金融服务行业数据的有趣创新,提供了一个了解持保人健康状况的窗口。在美国,RGA 在人寿保险的承保过程中使用信用数据开发了 True Risk。 除了提取人口统计和个人数据外,它还利用个人的信用数据——信用卡、个人贷款、抵押贷款等——以及有关其财务状况的任何公共记录,例如纳税义务、针对他们的法律判决,或破产信息。 但是不包括纳税申报表、特定购买、收入、来自其他账户的数据和种族。但 RGA 已经表明,通过对 1500 万投保人的研究,它可以为预测死亡率提供强有力的指示。数据能推动承保进步的另一个例子是蓬勃发展的网络风险领域。 有一项观点是保险公司没有足够数据能更好地承保网络风险,但Guidewire Science Risk Analytics 的一份报告驳斥了这种观点。相反,缺乏从围绕网络事件生成的精算数据中提取的数据。事实上,这通常是在部署数字取证后遗留的数据。 造成这种情况的原因有很多,其中最大的原因是保险公司与客户之间发生违约后建立的法律结构。医疗保健部门的法院以及今年早些时候的National Pipeline(国家管道)事件都对这一点提出了质疑。法院开始注意到可能被捕获但目前受法律关系保护的数据。
中国保险公司寻求新思路
中国保险公司可以访问三种常见的数据集。第一个是他们自己从理赔和承保系统中收集的信息,或从他们的承保引擎中收集的代理相关信息。 第二个数据来自合作伙伴。大多数合作伙伴都与银行和财富管理公司合作。这些合作伙伴对他们的数据非常谨慎,不会让保险公司获得任何精细粒度的数据。相反,通过商定的方法或模型,它们提供综合见解,保险公司必须将其转化,以适用于承保,并且通常由指标或危险信号组成,而不是深刻的见解。 第三个数据集来自非传统来源,例如来自生活方式。这些数据可用于通知产品开发或定价。另一个来源是信用风险,尽管这可能是一个敏感话题,例如在美国可能会受到反对。但是,它是亚洲可用的数据集,在中国也有一定程度的使用。 另一个有用的来源是电子健康记录 (EHR) 数据,尽管在中国——以及更广泛的亚洲——这更有可能是健康检查记录,而不是电子病历,因为亚洲的 EHR 使用更加分散。 在韩国、日本和中国,OCR 公司正在将健康检查记录转换为用于承保的数字数据。仅在日本和中国发展起来,但发展速度极快。
承保涅槃三步走
这三个数据集必须进行组合、理解,然后转化为风险洞察。使用合作伙伴数据时必须小心,但这包含在寻常 B2B 合同内容中。但是,消费者数据需要征得同意。 尽管中国的健康档案的使用率在不断增加,但覆盖面并不全面,仅覆盖部分城市或省份。一些科技公司正在提供 OCR/NLP 服务,将纸质或 PDF 格式转换为数字形式。还有一些健康检查组织可以访问或与某些医院合作。它们已经集成了后端系统,可以直接从选定的医院提取数据。 与美国 Human API 案例不同,该案例允许个人将医疗数据以标准化形式储存和共享。而在中国,人们倾向于通过微信接收健康检查报告。 保险公司必须建立一个流程让消费者提供数据,创建一个通用容器,然后允许将数据共享给保险公司。中国的健康和保健产品相对简单,相比之下,其他一些市场的数字生物标记物和生活方式数据与风险洞察和动态定价整合更密切。 最受欢迎的产品是奖励个人达到特定目标的产品,例如在规定时间内完成 10,000 步。
承保创新能否实现?
要实现承保职能内部的创新已经议论许久,但少有实现。要了解该部门的变化,有必要考虑特定保险种类内存在的不同程度的变化。
首先,旅游出行险、人身意外险、车险等简单产品已经在一定程度上从承保自动化中受益。美国的Metro Mile、中国的小雨伞、欧洲的Blink等公司都已经证明了这一点。
第二,重大疾病和复杂的健康保险产品,包括为慢性病患者或已有疾病的人提供保障。
最后,包括人工智能、区块链和高级分析技术在内的众多创新技术,能否实现与长期寿险和健康保险相关的承保任务进行自动化,这点还有待观察。
数字承保的概念在很大程度上局限于简单的保险产品,例如车险、人身意外险和旅行保险。
如上所述,已有提议将健康记录包含其中,但今年值得注意的是,中国政府愿意干预以保护被互联网公司持有和使用的消费者数据。
这能对数字承保的发展产生多大影响还有待观察。
中国创新者
DTI 为人寿和健康保险公司提供了针对定期寿险和危重疾病产品的自动承保引擎。虽然市场上有很多类似的“承保引擎”,但DTI是第一个在微信内部引入这种功能。它允许保险公司在微信内进行报价/绑定和交易。该技术基于 DTI 四年多来开发的决策树,并融入了目前为人寿保险和健康保险定价时可参考的因素。
车车科技 是一家历史悠久的汽车保险中介公司,总部设在北京。由于2020 年汽车保险的定价放松了管制,现在可以考虑中国的驾驶行为统计数据。
然而,更灵活的定价使本已亏损的行业情况继续恶化。这迫使车车科技与数以千计的独立汽修师和汽车经销商合作,以将损失率保持在可容忍的范围内。
怀有新技术的隐形进入者
最后,希望在 2022 年中期推出的隐身保险科技已获批,为中国定期寿险带来新的承保技术。该方法将允许人寿保险公司通过一种称为“远程光电容积描记技术”(rPPG)的技术进行纯数字承保。该技术使用智能手机摄像机在大约 90 秒内检测到皮肤下的脉搏颜色变化。它还检查人脸的某些部分,以测量皮肤对光吸收的细微变化并提取生理信号。这些信号被转换成一组重要的健康指标。
这可能会提供一系列对承保有用的生理指标,包括心率变异性 (HRV)、呼吸率、氧饱和度、压力水平和血压。
例如,有大量研究表明 HRV 可用作确定死亡风险的一个因素,这可以加强承保过程中的风险分层。该工具可用于改进对高风险个人进行分层的过程,使保险公司/承保公司能够更好地了解管理保险池的风险。
下一步
数字承保领域的变革时机已经成熟,许多保险公司、再保险公司和保险科技公司正在推动该行业摒弃过时的方法,转而采用新的数据驱动方法。
将数据集组合成风险洞察的机会带来了激动人心的可能性。中国监管机构将如何制定消费者保护政策,以及他们是否遵循欧洲和美国采取的数据保护行动,值得观察。
阅读最新的保险创新新闻报道的特点和我国在微信上访问我们的网页