收藏本页 打印 放大 缩小
0

车险行业纯保费系列研究之十六

道路风险地图在保险业经营管理中的应用

发布时间:2016-12-07 16:17:34    作者:    来源:中国保险报·中保网

□上海保监局课题组

近期,上海保险行业组织依托车险大数据信息,在全国范围内首次探索构建城市道路风险地图。道路风险地图的引入,是车险行业基准在“从环境”维度上的一次重要进展,继NCD、车型费率分级和交通违法系数等之后,为车险行业基准的发布应用提供了一种新模式,相信对于提升行业内部经营水平和参与国家社会治理均有积极意义。由于篇幅和定位所限,本文主要就其在保险经营管理中的应用进行了探讨。

一、基本情况

(一)道路风险地图的基本概念与背景

道路风险地图是指通过行业平台收集整理车险承保理赔的海量数据,运用大数据分析技术,通过地图映射直观精准描绘道路交通事故发生概率的画像图。目前,行业绘制道路风险地图的数据基础已经较为成熟:一是数据量较为充足。自2009年以来,上海车险平台已经积累了全行业7年的数据。截至2015年底,上海机动车保有量达334.04万辆,其中汽车291.08万辆,一年共77万件赔案,分布于16个行政区域的3261条道路,超过80%的赔案分布于1000条道路,平均每条道路620件赔案。二是数据质量得以保证。一方面,各公司对经营数据真实性日益重视,行业关于路名信息的标准化工作不断推进,特别是在城市路网信息发达的中心城市,成效更为明显;另一方面,通过多年努力,平台信息质量明显改善,各公司理赔数据传输及时性和完整性大幅提高。

行业内外部对于加强地区道路风险的需求较为迫切。一是来自外部交通管理的需求。交通问题一直是特大型城市治理面临的重点和难点。作为与道路交通和车辆行驶密切相关的行业,财险行业理应作出更大的贡献。为此项俊波主席在“十三五”保险业发展与监管专题培训班上指出,“十三五”时期保险业改革发展的主要目标任务之一就是“要提升与国家治理现代化相适应的现代保险服务能力”。二是来自财险行业自身精细化管理的需求。相比其他省市区,上海市场车险经营成本构成表现为高赔付低费用,车险经营成本长期保持紧平衡状态。特别是商车改革以后,为了行业能够长期平稳顺利发展,当地也迫切希望在全国统颁改革政策的基础上,进一步探寻有特色、精细化的发展新亮点。

(二)道路风险地图的展现方式

直观来看,绘制道路风险地图即是,将行业平台中一个个车辆保险事故的“点”,汇集成各条道路“线”的风险规律,进而归纳出区块化“面”的风险特征。

图1是上海市2016年1-9月车险事故散点图,红点越密集,说明事故发生频率越高,比如市区比郊区更密,主干道(黄色)也相对密集,这与“车流量越大,则事故发生频率越高”的直观认识相吻合。

图1 上海市2016年1-9月车险事故散点图

(注:图表数据口径为当期出险当期结案的交强险理赔数据,撒点指出险次数大于20次的理赔案件发生地点,下同)

图2是2016年前三季度和2015年同期的车险事故高发路段和区域的对比图,发现有接近50%的散点位置相同,说明道路风险规律在不同年份间具有一定的稳定性,同时也要时时监控道路风险动态变化,进一步扩展了道路风险地图的应用场景。

图2 上海市2016年1-9月和2015年同期车险事故散点图对比

 

二、道路风险地图在保险经营中的应用

(一)有助于前端承保能力的整合与提升

1. 有助于从根本上提升“从环境”维度的定价精细化水平

经典的精算定价模型(GLM)可能包含成百上千个费率因子,但众多因子可以归纳为几个有限的维度,常见的维度包括“从人”“从车”“从环境”“从时间”等。行业在上述大多数维度上找到进一步优化的方向,但唯独在“从环境”维度方面一直没有很好的突破口:目前行业费率表只涵盖了36个省级行政区域,优秀公司能在此基础上进一步精确到三级机构、四级机构,但相比保险发达国家划分到街区的精细化程度仍有较大差距,比如一个县域内主干道和乡村公路的风险状况就存在很大差别。

道路风险地图的引入,为“从环境”维度进一步精细化提供了可能。一是可以对NCD因子进一步优化。直观上看,出险地点不同,背后代表着行驶路线、车辆用途等的差异,因此风险成本可能也存在差异,可以将历史出险地点作为费率因子,纳入定价模型,作为对NCD的进一步补充。二是制定道路切片风险分级方案。根据不同道路切片的车流量、出险次数和金额,对其安全性进行评估和分组,得到道路切片层面的风险分级结果,可以在车联网等新型产品中得到应用(见表1)。

以陆家嘴区域为例,将不同道路切片按照出险率高低进行风险分级。通过风险区域可看出连接浦东、浦西的各隧道(大连路隧道、延安路隧道、人民路隧道)出入口处出险率普遍较高(红色),各主干道交叉路口风险也较高。

2.与车联网产品的互动,能够产生“双赢”的效果

一方面,车联网产品可以为道路风险地图提供承保端的落地可能性。相比传统车险只记录客户的投保所在地、车牌所在地和出险所在地,车联网产品可以精准记录客户完整的行驶路线和停放位置,为道路风险地图提供承保数据采集通道和计价场景。另一方面,道路风险地图的绘制和使用,可以提升车联网产品定价的精准度。在里程基础上叠加道路环境因素,根据不同道路的风险等级不同,赋予不同的单位保费权重,使得最终定价水平与风险成本更加匹配。

以一个大众迈腾1.8T的客户为例,上班族,日常行车轨迹主要往返于公司和家的“两点一线”,年行驶里程6000公里,投保车辆损失保险、50万限额的第三者责任保险和相应险种的不计免赔险,真实风险成本为1600元,传统车险报价为每年2970元。如果按照行驶里程计费,假设年保费=200(基础保费)+年行驶里程×0.08(单位里程保费),年保费为2480元,较传统车险保费下浮16.5%。如果叠加考虑其行驶路段的风险分布,具体假设如表2,则其风险调整后的年里程为4440公里,按照风险里程计费,其年保费为2355元,较里程保费进一步下浮5%,与真实风险成本更加贴近(见表2)。

(二)有助于后端理赔资源的合理配置

对于财险公司运营管理而言,其主要管控目标之间可能存在一定冲突,需要公司通过运筹优化,合理配置资源,提升运营效率。比如在查勘环节,“提升客户体验”和“控制理赔成本”两个目标就相互制约:要提高出现场的及时性,就要配置更多的查勘车辆和人员,也就意味着理赔成本的提高。道路风险地图的引入,可以为公司运筹优化、提升资源配置效率提供最基础的数据保证,从而有助于实现不同核心管控目标间的平衡。

1. 根据不同区域的出险情况,合理配置查勘资源

比如公司可以“报案后出现场时间最小化”为优化目标,以“控制查勘人力物力成本”为约束条件,以“道路风险地图”为基础数据集,将复杂的运营管理问题提炼为数学上的运筹优化问题,给出更科学、更有效率的配置方案。

2. 通过风险预警,实现承保理赔服务前置

依托道路风险地图,根据客户车辆历史、当前和未来可能的位移变化,动态分析并设计风险预警方案,比如根据客户行驶路段,实现风险实时提醒;比如根据客户预期目的地,设计安全行驶路线;再比如总结客户停放位置或行驶路线的历史规律,有针对性地推送险种组合建议(商业三者险限额,是否需要购买盗抢险),提升精准营销能力。

3. 服务理赔反欺诈,有效控制理赔成本

道路风险地图可以为行业提供及时准确的车辆位移信息,而这也是理赔反欺诈模型的核心要素之一。一方面,将出险地点、维修地点和历史行驶路线等信息相关联,可以有效识别出异常车辆,如出险地点总是与维修地点异常接近的,或是出险地点经常偏离历史行驶路线的;另一方面,将类比车辆的出险位置信息进行聚类,为甄别团伙欺诈风险提供重要线索。

(三)有效提升移动互联工具服务保险行业的应用场景

目前,上海行业已经开发了“快处易赔”APP系统,通过移动客户端提供客户自主理赔服务。未来将道路风险地图内嵌入“快处易赔”APP系统架构,可以取得“双赢”的结果:一方面,道路风险地图所蕴含的信息和服务,如上文提到的行驶路线规划、理赔精准定位、车联网产品计费、保险增值产品推送等,使得“快处易赔”APP系统获得了更多的服务场景,有助于提升其用户黏性;另一方面,“快处易赔”APP 的推出,使得事故数据能在第一时间固化,通过GIS定位系统采集的地理位置信息,无论是精度还是可信度均要明显优于要人工报案获取的信息质量。可以预见,道路风险地图建成后,“快处易赔”微信公众号以及手机APP将成为道路风险地图的最大规模用户入口,也是道路风险地图最能有效服务于普通市民的通道。

三、未来关于道路风险地图的应用设想

(一)进一步提升道路风险地图的精细化水平

事实上,道路风险地图不仅对于“从环境”维度本身有价值,如果与车、人、时间等其他维度相结合,可以使道路风险信息更加立体化,有助于挖掘更大的价值。为此我们引入了“道路风险地图+”的概念。

1. 道路风险地图+时间

一天中不同时段的交通事故出险分布不同。通过对24小时出险分布分析,上海早高峰时期(早上7:00-10:30)和晚高峰(下午4:00-6:30)的出险量明显高于其他时段,同时早高峰出现量也高于晚高峰(见图3)。

图3 2015年上海市道路交通事故24小时出险分布图

进一步分析发现,不同时间段的道路风险地图分布存在明显差异。比如上班早高峰出险数量较多,晚上非高峰时期出险数量较小。早高峰期外环内事故发生频率高,晚上非高峰时间段事故发生地点较为分散。

(注:早高峰指7:00~10:30,晚上时段指19:00~22:30)

考虑时间因素后,可以进一步提升道路风险地图应用的精细化程度。比如按时段弹性分配查勘车辆,在高峰期多分配理赔资源;再比如按时段设置车联网产品的计费权重,高峰期适当提高高风险(车流量较大)路段的单位公里保费,在其他时段适当降低,这样既能发挥保险对于交通管理的经济调节作用,也有助于提升保费与风险成本的匹配性。

2. 道路风险地图+使用性质

不同使用性质的车辆在出险区域上也呈现不同的分布。比如出租车事故散点图,呈现出事故主要集中在市中心及各区商业中心和人口密度较大的区域,而搅拌车和土方车事故散点图,事故相对分散于新建工程项目区域(见图4)。

图4 2015年上海市出租车和水泥搅拌车事故散点图对比

 

考虑使用性质因素后,可以进一步提升道路风险地图应用的精细化程度。比如对于高频低损的家用车而言,可以进一步优化理赔资源配置;再比如对于大型事故占比相对较大的货车而言,可以采取多种风险预警措施,如在恶性事故多发路段配置更多的交管资源,或者为货车设计更安全的行驶路线等。

3. 道路风险地图+天气

不同天气情况下交通事故出险率呈现不同的分布。暴雨天气出险数量明显多于晴天出险数量,且事故均多发生于外环内。

4. 道路风险地图+年龄

不同人群出险时间段分布存在差异。比如90后相比60前人群,在上班时间出险量相对较低,但下班后出险量相对更高(见图5)。

图5 60前和90后家庭用车道路交通事故24小时出险分布图

如果考虑“道路风险地图+年龄+时间”三维分析来看,更能说明问题。以22:00-2:00的家用车出险撒点图对比显示,年轻人(90后)和中老年人(60前)的出险分布明显存在差异。90后出险数量明显高于60前人群,且60前人群出险地点多集中于外环内,而90后出险范围更广,相对来说更分散。

(二)为大数据服务保险改革发展摸索一种可行模式

道路风险地图是上海地区保险行业利用大数据服务行业发展的一次重要尝试,其工作机制和方法为市场参与各方提供了一定的参考和启示。

1. 为保险行业总分联动提供借鉴

道路风险地图是上海地区基于当地特殊情况,所作出的具有全局启发意义的现实举措。一方面,上海是中国的一线中心城市,交通压力较大,政府对于现代化治理手段需求迫切;另一方面,上海地区车险行业基准费率长期维持紧平衡,精算定价、行业标准化建设等精细化管理手段已经根植多年,道路风险地图具有生根发芽的土壤。与交通违法系数方案类似,随着全国精细化管理意识的推广,以及数据标准化建设的推进,将来道路风险地图也会以点带面,在全国范围内逐步推广。

2. 为行业平台数据服务升级转型提供启发

对于行业平台而言,目前像NCD这种“刚性查询、刚性使用”的管理方式未来可能不可持续,比如随着公司创新产品的引入,不同产品之间“历史出险次数”进一步失去可比性,由此算出的简单NCD系数没有意义。但随着行业精细化管理意识的不断增强,行业平台信息所蕴含的巨大价值必将越来越为市场主体所重视,因此,将来行业平台可能会逐步从信息的“搬运者”向“挖掘者”和“发布者”转变,费率信息从“通过行政命令强制使用”向“通过市场化手段吸引公司自愿查询”转变。而道路风险地图的推出,可以为将来这种可能的转变提供很好的借鉴:不仅提供了丰富的行业道路信息结果,同时也提供了落地方案和应用场景(移动APP)。

3. 为精算服务业务发展提供新的思路

2014年车险行业费率测算组成立,通过收集整理各家公司数据,建立了车险精算大数据库,两年多来为设计商车改革费率方案、测算车险行业纯保费等提供了坚实的数据和技术基础。下一步,建议将道路风险地图数据与车险精算大数据库数据相匹配,连接客户的承保数据、理赔数据和出险地点数据,为打通道路风险地图在精算中的应用提供基础。从结果上看,继NCD、车型费率分级、交通违法系数等之后,道路风险地图为行业基准提供了一种落地方式,可以从本质上提升行业定价结果的精细化程度和应用价值;从方法上看,道路风险地图为精算技术和大数据分析技术找到了结合点,可以将概率统计、算法优化、运筹控制、可视化分析、语义引擎等一系列技术和模型有机融合,在精算定价、理赔资源优化、驾驶行为分析、反欺诈等多个经营活动中发挥更大作用。

4. 为保险大数据参与特大型城市治理和智慧城市建设提供重要实践

道路风险地图的推出,为保险行业经营和交通环境治理找到了双赢的结合点。对行业而言,参与社会管理一方面有助于提升行业专业化形象,优化消费者对保险行业的认知和信任程度;另一方面开辟了一个行业与外部数据的接口,依托跨行业数据的共享,丰富保险业的数据资源,有效提升保险行业在大数据时代的话语权。对交管工作而言,道路风险地图的推出,既有助于提升事前的数据采集能力,拓展数据维度,提升数据质量;也有助于提升事中的数据分析能力,利用道路风险地图的无限维度的地图切片功能,以及保险行业对于风险数据天然的分析和洞察能力,缩短交通管理机制的反射弧,还有助于提升事后的管控措施,让经济调节手段合理化、场景化。