摘 要：本文基于實(shí)際數(shù)據(jù)對(duì)于保險(xiǎn)業(yè)大數(shù)據(jù)現(xiàn)狀進(jìn)行了統(tǒng)計(jì)分析，給出了保險(xiǎn)業(yè)數(shù)據(jù)量現(xiàn)狀以及數(shù)據(jù)使用效率的統(tǒng)計(jì)結(jié)果；同時(shí)以實(shí)際大數(shù)據(jù)量為基礎(chǔ)，對(duì)傳統(tǒng)的壽險(xiǎn)產(chǎn)品定價(jià)進(jìn)行了改進(jìn)，獲得了更優(yōu)的市場(chǎng)比較優(yōu)勢(shì)；最后以大數(shù)據(jù)量為基礎(chǔ)，打破傳統(tǒng)壽險(xiǎn)產(chǎn)品的思維定勢(shì)，開發(fā)出新型的保險(xiǎn)產(chǎn)品并對(duì)產(chǎn)品風(fēng)險(xiǎn)進(jìn)行了精確測(cè)定。

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘；精算定價(jià)；保險(xiǎn)創(chuàng)新

中圖分類號(hào)：F842 文獻(xiàn)標(biāo)識(shí)碼：A〓 文章編號(hào)：1003-9031（2014）01-0053-05 DOI：10.3969/j.issn.1003-9031.2014.01.10

大數(shù)據(jù)又稱為巨量數(shù)據(jù)、巨量信息和海量數(shù)據(jù)，指的是所涉及的信息量非常巨大，以至于傳統(tǒng)的軟件和技術(shù)無法進(jìn)行有效的信息獲取[1]。大數(shù)據(jù)技術(shù)就是在這種海量數(shù)據(jù)下有效的數(shù)據(jù)分析技術(shù)，即能夠在各種各樣類型的數(shù)據(jù)中，快速獲取有價(jià)值信息的能力[2-3]。

保險(xiǎn)因自身的業(yè)務(wù)特點(diǎn)與大數(shù)據(jù)關(guān)系更加密切，它天然就有大數(shù)據(jù)的特征，這是因?yàn)椋?/p>

第一，保險(xiǎn)業(yè)是經(jīng)營風(fēng)險(xiǎn)的行業(yè)。它的產(chǎn)品本質(zhì)就要求對(duì)標(biāo)的物風(fēng)險(xiǎn)進(jìn)行精確測(cè)定。而如何測(cè)定這些風(fēng)險(xiǎn)，一方面是金融模型或數(shù)理技術(shù)，另外一方面就是數(shù)據(jù)信息，兩者結(jié)合，缺一不可。海量數(shù)據(jù)為保險(xiǎn)公司測(cè)定風(fēng)險(xiǎn)提供了“天然”的機(jī)會(huì)；對(duì)于保險(xiǎn)公司來說，大數(shù)據(jù)技術(shù)實(shí)際上就是如何利用公司的海量數(shù)據(jù)來厘定風(fēng)險(xiǎn)。

第二，保險(xiǎn)公司的利潤來源于收取的保費(fèi)和未來的賠付支出的差額，這其中的賠付支出即是保險(xiǎn)公司的風(fēng)險(xiǎn)，該風(fēng)險(xiǎn)與標(biāo)的物的未來風(fēng)險(xiǎn)密不可分。所以保險(xiǎn)公司實(shí)際上是對(duì)這些風(fēng)險(xiǎn)發(fā)生的概率進(jìn)行預(yù)測(cè)，這和大數(shù)據(jù)的本質(zhì)不謀而合——大數(shù)據(jù)的一個(gè)關(guān)鍵核心就是預(yù)測(cè)[4]。

第三，保險(xiǎn)經(jīng)營的每個(gè)過程都和大數(shù)據(jù)密不可分。保險(xiǎn)公司經(jīng)營過程中涉及到產(chǎn)品定價(jià)、核保核賠、產(chǎn)品銷售、投資、風(fēng)險(xiǎn)管控等，每一步都在不斷利用數(shù)據(jù)，同時(shí)也在不斷產(chǎn)生數(shù)據(jù)。

實(shí)際上，從信息量來看保險(xiǎn)業(yè)，大數(shù)據(jù)時(shí)代早已經(jīng)提前到來。隨著信息技術(shù)的發(fā)展，保險(xiǎn)公司每時(shí)每刻都要積累著大量的數(shù)據(jù)信息，數(shù)據(jù)量的級(jí)別呈現(xiàn)爆炸式的增長。同時(shí)，保險(xiǎn)行業(yè)的大數(shù)據(jù)技術(shù)還剛剛起步，保險(xiǎn)公司還沒有充分而主動(dòng)的利用大數(shù)據(jù)提供的優(yōu)勢(shì)。

一、保險(xiǎn)業(yè)大數(shù)據(jù)現(xiàn)狀介紹

在大數(shù)據(jù)現(xiàn)狀調(diào)查中，筆者統(tǒng)計(jì)117家保險(xiǎn)公司，占大陸全部保險(xiǎn)公司的97%以上，基本上可以代表保險(xiǎn)業(yè)的整體情況。其中，58家人身險(xiǎn)公司和59家財(cái)產(chǎn)險(xiǎn)公司。在人身險(xiǎn)公司當(dāng)中外資公司23家，中資公司35家；在財(cái)產(chǎn)險(xiǎn)公司當(dāng)中中資公司38家，外資公司21家。

統(tǒng)計(jì)的結(jié)果是數(shù)據(jù)量。保險(xiǎn)公司里，數(shù)據(jù)量主要包括以下幾方面：

一是保單數(shù)據(jù)及保單維持?jǐn)?shù)據(jù)，這部分?jǐn)?shù)據(jù)基本上都在業(yè)務(wù)系統(tǒng)中；二是核賠理賠數(shù)據(jù)，這部分?jǐn)?shù)據(jù)隨著電子化，大部分也在業(yè)務(wù)系統(tǒng)中，同時(shí)部門內(nèi)部也有對(duì)應(yīng)的數(shù)據(jù)庫；三是投資理財(cái)數(shù)據(jù)，因?yàn)閴垭U(xiǎn)經(jīng)營時(shí)間長，保費(fèi)投資是壽險(xiǎn)經(jīng)營的重要方面，所以這部分?jǐn)?shù)據(jù)在壽險(xiǎn)公司中體現(xiàn)最為明顯，導(dǎo)致大量的金融市場(chǎng)數(shù)據(jù)集中在投資部門，這部分?jǐn)?shù)據(jù)通常和業(yè)務(wù)系統(tǒng)是分離的；四是定價(jià)數(shù)據(jù)，這部分?jǐn)?shù)據(jù)是精算部門用來定價(jià)和利潤測(cè)試，以及用來向保監(jiān)會(huì)報(bào)送各類報(bào)表運(yùn)算時(shí)候需要的，有相當(dāng)一部分來自于業(yè)務(wù)系統(tǒng)；五是風(fēng)險(xiǎn)管理數(shù)據(jù)，這部分?jǐn)?shù)據(jù)相當(dāng)零散，且涉及到以上各類數(shù)據(jù)，同時(shí)還包括公司的財(cái)務(wù)乃至宏觀管理數(shù)據(jù)。我們?cè)诮y(tǒng)計(jì)中也把行業(yè)公共數(shù)據(jù)以及監(jiān)管數(shù)據(jù)放在這里面統(tǒng)計(jì)。

對(duì)每家公司進(jìn)行全部數(shù)據(jù)的估算后加和，結(jié)果扣除公共數(shù)據(jù)（及金融市場(chǎng)數(shù)據(jù)以及公共行業(yè)數(shù)據(jù)和監(jiān)管數(shù)據(jù)）就得到中國保險(xiǎn)業(yè)整體的數(shù)據(jù)量情況（見圖1）。

從圖1可知，中國保險(xiǎn)業(yè)的數(shù)據(jù)量呈井噴式增長，這也說明了大數(shù)據(jù)是目前保險(xiǎn)業(yè)必須面對(duì)的考驗(yàn)。

同時(shí)對(duì)個(gè)體公司進(jìn)行了詳細(xì)分析，來考察普通一家保險(xiǎn)公司在生產(chǎn)經(jīng)營過程中需要面對(duì)的數(shù)據(jù)量是多大（見圖2）。

從2圖可知，對(duì)于普通保險(xiǎn)公司來說，其面臨的數(shù)據(jù)量和整個(gè)行業(yè)的數(shù)據(jù)量沒有本質(zhì)的區(qū)別，這也充分說明保險(xiǎn)業(yè)的深化改革已經(jīng)有一定成效，保險(xiǎn)公司的充分競(jìng)爭已經(jīng)得到很好的體現(xiàn)。在這樣海量數(shù)據(jù)信息的背景下，保險(xiǎn)公司在定價(jià)、營銷、經(jīng)營以及風(fēng)險(xiǎn)管理方面都必須引入大數(shù)據(jù)技術(shù)來獲得相對(duì)于行業(yè)的比較優(yōu)勢(shì)。

筆者對(duì)保險(xiǎn)業(yè)2008—2012年的數(shù)據(jù)使用效率進(jìn)行了統(tǒng)計(jì)和分析。這是一個(gè)很復(fù)雜的問題，這里主要給出在產(chǎn)品定價(jià)方面的結(jié)果。大數(shù)據(jù)的特點(diǎn)是容量大Volume、速度快Velocity和資料多樣性Variety[5]。我們的評(píng)價(jià)也是從這個(gè)角度來進(jìn)行的，需要說明的是，在統(tǒng)計(jì)過程中，限于公司保密等原因，結(jié)果僅僅包含25家壽險(xiǎn)公司和23家財(cái)產(chǎn)險(xiǎn)公司。但結(jié)果總體上也反映了在定價(jià)方面，保險(xiǎn)業(yè)大數(shù)據(jù)技術(shù)的發(fā)展程度（見圖3）。

圖3反映了目前保險(xiǎn)公司在定價(jià)方面的數(shù)據(jù)效率，基本上近5年沒有特別大的變化，并沒有充分挖掘大數(shù)據(jù)的潛力，在大數(shù)據(jù)技術(shù)上還有很長的路要走。正是基于這種現(xiàn)狀，筆者嘗試從大數(shù)據(jù)背景出發(fā)，以壽險(xiǎn)定價(jià)為例來說明大數(shù)據(jù)技術(shù)的初步應(yīng)用。

二、壽險(xiǎn)產(chǎn)品精算定價(jià)的“再精算”

壽險(xiǎn)產(chǎn)品定價(jià)是基于壽險(xiǎn)精算模型進(jìn)行純保費(fèi)（精算現(xiàn)值）的計(jì)算，然后使用“資產(chǎn)份額”和“宏觀定價(jià)法”來確定實(shí)際保費(fèi)。在這個(gè)過程中，涉及到的數(shù)據(jù)量實(shí)際上僅包括傳統(tǒng)的生命表（保監(jiān)會(huì)規(guī)定）以及部分抽樣數(shù)據(jù)，這部分?jǐn)?shù)據(jù)僅占可利用數(shù)據(jù)的5%左右。

筆者考慮在保險(xiǎn)公司持續(xù)經(jīng)營下，新開發(fā)的一種保險(xiǎn)產(chǎn)品，它在在傳統(tǒng)數(shù)據(jù)依賴上可能只需要一些精算部門的經(jīng)驗(yàn)數(shù)據(jù)，以及傳統(tǒng)的已經(jīng)做好的模型，只需要修改一些基本假設(shè)和預(yù)訂費(fèi)率，預(yù)訂利率以及預(yù)訂死亡率即可。

在大數(shù)據(jù)背景下，與此保險(xiǎn)產(chǎn)品有關(guān)的數(shù)據(jù)范圍擴(kuò)展到了整個(gè)業(yè)務(wù)部門乃至核保核賠部門，這些部門的數(shù)據(jù)經(jīng)過多年的積累能夠進(jìn)行有效連接，形成一個(gè)龐大的后臺(tái)數(shù)據(jù)記錄，我們以某一家普通保險(xiǎn)公司為例，該數(shù)據(jù)連接后形成了一個(gè)900M的數(shù)據(jù)記錄池，這些客戶的記錄無疑能夠?qū)鹘y(tǒng)定價(jià)有很大的幫助，能夠在精算定價(jià)的結(jié)果進(jìn)行“再精算”過程。

壽險(xiǎn)產(chǎn)品中最重要的就是死亡率，在傳統(tǒng)定價(jià)方法中，使用的是2000—2003年生命表，該生命表已經(jīng)使用多年，反映了當(dāng)時(shí)的死亡狀況。對(duì)于一款推向市場(chǎng)的壽險(xiǎn)產(chǎn)品，它所面臨的人群實(shí)際上是未來的客戶，他們的死亡率狀況與2000—2003生命表已經(jīng)有很大差異。

利用大數(shù)據(jù)平臺(tái)，我們可以構(gòu)造龐大的分年齡和分時(shí)間死亡率表，在處理之后得到如表1所示。

1983—2011年數(shù)據(jù)是一個(gè)面板數(shù)據(jù)，用他們可以很好表明公司客戶面臨的死亡率狀況。為了進(jìn)行定價(jià)，我們使用Lee-Carter模型進(jìn)行數(shù)據(jù)信息獲取。

Lee-Carter模型是由美國人口學(xué)家LEE和CARTER于1992年共同提出的，該模型的具體形式如下：

lnmxt=ax+bxkt+？著xt（1）

其中，mxt表示x歲的群體在t時(shí)刻的死亡率；ax表示年齡因素對(duì)發(fā)病率變化所起的解釋作用，是依賴于年齡的參數(shù)；kt表示時(shí)間因素對(duì)發(fā)病率變化所起的解釋作用，為依賴于時(shí)間的參數(shù)；bx則反映了年齡因素對(duì)于kt的敏感程度，？著xt是隨機(jī)誤差項(xiàng)。為了確使估計(jì)參數(shù)時(shí)所得估計(jì)值唯一，通常會(huì)對(duì)模型參數(shù)做出如下假定：∑tkt=0，∑xbx=1。

用該模型可以提取其死亡率信息，并對(duì)死亡率進(jìn)行有效預(yù)測(cè)，該預(yù)測(cè)是通過的預(yù)測(cè)完成的，如表2所示。

在kt基礎(chǔ)上可以重組未來不同年齡的死亡率，然后利用定價(jià)模型計(jì)算凈保費(fèi)：

P=Q m|qx*vm+1=Qv*qx+Qv2*pxqx+1+…+Qvn*n-1pxqx+n-1+…（2）

其中，P為保單躉交凈保費(fèi)，Q為保險(xiǎn)金額，n為保險(xiǎn)期險(xiǎn)且n≤20，i為市場(chǎng)利率。

以30歲死亡給付為例，計(jì)算結(jié)果和傳統(tǒng)定價(jià)方法如表3所示。

從以上對(duì)比可以清晰看到，在利用大數(shù)據(jù)優(yōu)勢(shì)后，保險(xiǎn)產(chǎn)品凈保費(fèi)下降，這是由于實(shí)際的死亡率改善所引起的，從而使保險(xiǎn)公司在滿足預(yù)訂收益率的情況下可以擁有更大的定價(jià)自主權(quán)，搶占市場(chǎng)先機(jī)，提升企業(yè)競(jìng)爭力。

三、壽險(xiǎn)產(chǎn)品的細(xì)化分類與創(chuàng)新

進(jìn)入本世紀(jì)以來，金融業(yè)的創(chuàng)新曾出不窮，而保險(xiǎn)業(yè)也在面臨著創(chuàng)新的壓力，而大數(shù)據(jù)為保險(xiǎn)業(yè)的創(chuàng)新提供了數(shù)據(jù)基礎(chǔ)和機(jī)會(huì)。保險(xiǎn)本質(zhì)上是“大數(shù)定律”，對(duì)于任何一個(gè)群體來說，只要投保的數(shù)量足夠的多，就可以應(yīng)用“大數(shù)定律”。而保險(xiǎn)產(chǎn)品的定價(jià)本質(zhì)上就是對(duì)“風(fēng)險(xiǎn)”的度量，只要風(fēng)險(xiǎn)能夠度量，就能夠給出一個(gè)合適的價(jià)格，以此次價(jià)格出售產(chǎn)品就能夠保證收支平衡。這正是保險(xiǎn)產(chǎn)品運(yùn)作的方式。

但對(duì)于風(fēng)險(xiǎn)的度量和精確測(cè)算并不是一件容易的事情。所以傳統(tǒng)的保險(xiǎn)產(chǎn)品都為限定為“標(biāo)準(zhǔn)體”；其他的“非標(biāo)準(zhǔn)體”都被保險(xiǎn)例外條款而排除開外。這個(gè)過程實(shí)際上是浪費(fèi)了大量的數(shù)據(jù)和信息。

在大數(shù)據(jù)背景下，保險(xiǎn)公司可以基于數(shù)據(jù)優(yōu)勢(shì)，進(jìn)行群體的細(xì)化處理，針對(duì)不同群體開發(fā)不同的保險(xiǎn)產(chǎn)品，從而啟動(dòng)新的贏利增長點(diǎn)，開發(fā)出新的業(yè)務(wù)模式。

筆者以壽險(xiǎn)為例，以上述900M數(shù)據(jù)混合該公司健康險(xiǎn)5年的數(shù)據(jù)以及合作醫(yī)院的跟蹤數(shù)據(jù)為基礎(chǔ)（總數(shù)據(jù)基礎(chǔ)大約在1.5G左右），開發(fā)針對(duì)“非標(biāo)準(zhǔn)體”即重疾患者的定期壽險(xiǎn)產(chǎn)品。對(duì)于該產(chǎn)品定價(jià)來說，很重要的因素有兩個(gè)：第一是首年發(fā)病率，它實(shí)際上衡量了新產(chǎn)品與傳統(tǒng)產(chǎn)品的“偏差”——意味著健康體從健康狀態(tài)轉(zhuǎn)移到了疾病狀態(tài)，進(jìn)入了“意向購買人群”；第二是病死率，即疾病人群的死亡率，作用與傳統(tǒng)壽險(xiǎn)的死亡率相同。

具體測(cè)算步驟，如下所示：

第一步，從該公司的承保理賠庫中篩選出重大疾病保險(xiǎn)的承保理賠記錄，篩選出所需字段，添加需要計(jì)算的字段，如年齡段、疾病種類、理賠數(shù)、暴露數(shù)、保單周年日等。

第二步，對(duì)于13年中具體某一年的測(cè)算方法，假設(shè)保單周年日與被保險(xiǎn)人生日是重合的，以保單周年日為分界點(diǎn)，將該年度一分為二，分別記有保單年度1、年齡段1、理賠數(shù)1、暴露數(shù)1和保單年度2、年齡段2、理賠數(shù)2、暴露數(shù)2，對(duì)保單記錄做出些許調(diào)整（如失效日期調(diào)整、滿期日調(diào)整、多次索賠合并調(diào)整等）后，按照矩估計(jì)精算法為每條保單記錄分別計(jì)算出其在該年度內(nèi)前后兩部分的理賠數(shù)1、暴露數(shù)1和理賠數(shù)2、暴露數(shù)2，按照年齡段對(duì)上述數(shù)據(jù)進(jìn)行分類匯總，即可得到該年度內(nèi)不同年齡段的理賠數(shù)和暴露數(shù)，二者相比即為該年齡段在該年內(nèi)的重疾發(fā)病率，

第三步，1999年至2011年13年中的每一年均重復(fù)上述處理過程，共計(jì)算13次，結(jié)果可得到13年中每一年不同年齡段的理賠數(shù)、暴露數(shù)和重疾發(fā)病率，將13年的理賠數(shù)、暴露數(shù)再次按照年齡段分類匯總后即可得到不同年齡段總的理賠數(shù)和暴露數(shù)，二者相比即得到該年齡段的總重疾發(fā)病率；

第四步，上述步驟所得結(jié)果是所有重疾在一起的一個(gè)疾病總發(fā)病率情況，也可分疾病種類測(cè)算出每一種具體疾病不同年齡段的發(fā)病率情況，測(cè)算方法與上述步驟相同。

以癌癥患者糖尿病患者為例，發(fā)病率和病死率測(cè)算結(jié)果分別如表4和表5所示。

基于以上結(jié)果，利用精算定價(jià)模型就可以給出新產(chǎn)品的純保費(fèi)定價(jià)結(jié)果。表6給出了新型糖尿病壽險(xiǎn)產(chǎn)品純保費(fèi)測(cè)算結(jié)果。

實(shí)際上，中國糖尿病患者有九千多萬人，其他重疾且可保群體數(shù)量在3億人左右，相當(dāng)于美國人口數(shù)量。這部分群體因?yàn)楸旧硖幱陲L(fēng)險(xiǎn)高的狀態(tài)，所以對(duì)保險(xiǎn)的需求比正常人更加強(qiáng)烈，而在傳統(tǒng)保險(xiǎn)框架內(nèi)，卻又因?yàn)椤胺菢?biāo)準(zhǔn)體”的原因而被拒保?；诖髷?shù)據(jù)，保險(xiǎn)公司可以對(duì)該群體進(jìn)行細(xì)分，并精確測(cè)定其風(fēng)險(xiǎn)水平，推出適合的保險(xiǎn)產(chǎn)品，應(yīng)該具有廣闊的市場(chǎng)前景。

四、結(jié)論

綜上所述，有幾點(diǎn)結(jié)論：

第一，保險(xiǎn)本身是經(jīng)營風(fēng)險(xiǎn)的行業(yè)，測(cè)算風(fēng)險(xiǎn)、把握風(fēng)險(xiǎn)和利用風(fēng)險(xiǎn)是保險(xiǎn)公司競(jìng)爭力的核心體現(xiàn)，而所有這些都需要獲得信息，獲得大數(shù)據(jù)背后的有用信息。但經(jīng)過統(tǒng)計(jì)和分析可以看到，中國保險(xiǎn)業(yè)利用大數(shù)據(jù)的效率很低，維持在7%左右，沒有充分利用大數(shù)據(jù)的“數(shù)量巨大，速度快捷，形式多樣”的特性。

第二，在保險(xiǎn)的技術(shù)核心層面，大數(shù)據(jù)為壽險(xiǎn)定價(jià)提供了“再精算”的機(jī)會(huì)，能夠讓保險(xiǎn)產(chǎn)品更真實(shí)的反映風(fēng)險(xiǎn)狀況，獲得定價(jià)優(yōu)勢(shì)，在市場(chǎng)中搶占先機(jī)，增強(qiáng)公司的風(fēng)險(xiǎn)管控能力。

第三，在保險(xiǎn)公司的經(jīng)營層面，大數(shù)據(jù)為“壽險(xiǎn)產(chǎn)品創(chuàng)新”提供了很多機(jī)會(huì)，保險(xiǎn)公司可以充分利用數(shù)據(jù)優(yōu)勢(shì)來開發(fā)新產(chǎn)品新技術(shù)來開發(fā)和獲得市場(chǎng)。

總而言之，大數(shù)據(jù)為保險(xiǎn)公司提供了“機(jī)遇”，保險(xiǎn)公司必須重視發(fā)展大數(shù)據(jù)技術(shù)，以期在大數(shù)據(jù)背景下的金融市場(chǎng)中獲得競(jìng)爭優(yōu)勢(shì)。

（責(zé)任編輯：張恩娟）

參考文獻(xiàn)：

[1]Redman T.The impact of poor data quality on the

typical enterprise [J].Communications of the ACM，1998，41（2）.

[2]Swartz N.Gartner warns firms of‘dirty data’[J].Information Management Journal，2007 41（3）：6.

[3]Kohn LT，Corrigan J M，Donaldson M S.To Err is Human：Building a Safer Health System[M].Washington：National Academies Press，2000.

[4]Eckerson W.Data Warehousing Special Report：Data quality and the bottom line JR. Applications Development Trends，2002.

[5]English LP.Improving Data Warehouse and Business

Information Quality：Methods for Reducing Costs and Increasing Profits[M].New York：Wiley，1999.

收稿日期：2013-10-15

作者簡介：張 寧（1978-），男，遼寧朝陽人，理學(xué)博士，中央財(cái)經(jīng)大學(xué)副教授、碩士生導(dǎo)師；

郭 楠（1993-），女，山西大同人，中央財(cái)經(jīng)大學(xué)保險(xiǎn)學(xué)院學(xué)生。