殷晓松：数字化保险前景非常广大

基金经理老鼠仓，说好保本变巨亏，买基金被坑请到【基金曝光台】！信用卡无故遭盗刷，银行存款变保险，理财被骗请猛戳【金融曝光台】！

图为：德华安顾董事总经理 殷晓松

　　新浪财经讯 11月23日消息，“2016新浪金麒麟暨全球资产管理论坛”11月23日在北京JW万豪酒店举行，分论坛B主题为“中国寿险业如何应对低利率挑战”。德华安顾董事总经理殷晓松出席分论坛并发言。

　　殷晓松表示，数字化保险的前景非常广大。未来大数据将如何影响寿险业态，虽然现在互联网在保险销售端走过的路其实算挺慢的，但是未来深入到核保、产品和商业模式层面的改变，乃至颠覆性事件爆发的可能性和速度方面，保险行业有可能会走在前面。

　　具体而言大数据在保险类产品中，比如车险、健康险、意外险和定期寿险等等的实时核保和定价方面等会更快的取得突破，主要是因为垂直领域大数据的可用性和相关性、个性化定价等等方面的突破。

　　以下为嘉宾发言实录：

　　在座的各位嘉宾、媒体朋友们，大家下午好！

　　增速换挡一词非常形象，回忆起自己27年的保险学习和工作经验，发现这短短的27年我竟然经历了两次增速换挡。我从八十年代末期学习精算学，那时学的是从工业革命时代精算师们基于大量数据（而非大数据）创造和使用的手查生命表和commutation function（换算函数）。当我九十年代初开始在澳大利亚和香港从事精算工作时，行业已经进入了信息时代，当时保险定价主要使用的自己编程的asset share （资产份额）软件和Lotus 123． 也参与了企业内含价值和评估价值计算的模型企业软件（model office）。之后目睹了基于数据库技术的MIS， CRM等体系的建立。而这一次的增速换挡，是信息化到数字化。举个例子，现在从大数据技术里我们都隐约看到了每个人都有一张不同的生命表，保险为每个人设计的未来。

　　自1995年跟随友邦保险回到国内以来，我注意到的数字化过程是从本世纪初的泰康B-C模式，到保网，向日葵等这一B-A-C的最初尝试， 到慧择网，人人保等为代表的经代B2C， 去哪儿，携程等第三方能够提供大量场景化保险销售的B-B-C模式，中间2011-2013年我个人还进行了一次未遂的保险比价网的创业尝试，后来发展到众安的以保险公司为主的主动出击的场景化B-B-C模式。到这一步基本上大多数的尝试集中在销售端。其中成功的模式主要是与场景化销售有关。近年来有更多的同业开始试水在核保，产品和商业模式等更深层次的数字化创新。如：基于大数据并随时可能对产品端的人身险实时核保，车险UBI，乃至相互保险加区块链这样的可能对保险业态产生根本性冲击的新尝试。

　　从全球市场来看，今年阿尔法公社追踪分析了VentureScanner上的1885家Fintech公司。这些公司跨越58个国家，总融资金额约536亿美元。这个数字其实并不大。按照普华永道的分类，Fintech的行业布局主要包含了6块：零售银行、支付和转账、借款和理财、金融财富管理、保险和区块链的话，数字化保险相关的融资金额其实更小。基本而言，我们可以说数字化保险方面在全世界还没有一个可称之为成功的模式出现。从另一个角度来看，数字化保险的前景是非常广大的。

　　那么未来，大数据将如何影响寿险业态？我的判断是，虽然互联网在保险销售端走过的路其实算挺慢的，在未来深入到核保，产品和商业模式层面的改变乃至颠覆性的事件爆发的可能性和速度方面，保险行业有可能会走在前面。原因是保险行业的基石是数字化特别是大数据之前那两个年代（或者叫做档位）的基于大量数据的所谓大数法则，或者概率。

　　具体而言，大数据在保障类产品（如车险、健康险、意外险和定期寿险等）的实时核保和定价方面有可能率先取得突破，原因是垂直领域大数据的可用性和相关性，个性化定价和实时核保突破。但是长期储蓄类产品的颠覆性改变可能会在后面。原因是长达几十年的资产管理（对资产）和财富管理（对人）的模式很难被机器掌握。财富规划和其中保险相关的规划可能在相当一段时间里依然依靠线上加线下的专业销售渠道。数字化在信息透明、运营提效和服务升级等方面会推动该类产品的销售。

　　数字化前景可期，对保险行业的重塑有颠覆意义。但在发展中，我们可能不得不面临以下问题：

　　一、目前我们掌握的数据，有多少是真正有价值的核心数据。

　　在没有大数据之前，商业数据往往来源于一些被动的调查表格及滞后的统计数据。大数据技术出现之后，尽管海量数据的采集和处理成为可能，但同时也有不少企业发现，自己积累的是最底层的原始数据，集中于交易、订单等内部数据，而缺少像兴趣爱好，保障、理财需求等客户外部数据，无法形成全面的客户画像。

　　二、我们是否有匹配的技术力量支撑大数据处理与应用。

　　大数据的核心不在于海量数据，而在于复杂数据的编辑处理，在数据处理与应用的技术方面，保险公司没有先天的优势。大部分的保险公司在往往需要外包方提供技术支持。如今的大数据人才有多稀缺？一份人力资源报告显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万。这些人才集中于科技型企业当中，其中分布在移动互联网、金融互联网和游戏三个行业的人数约占半壁江山，而在普通企业服务的仅有7%。

　　不仅如此，这些大数据技术人才的流动，依然集中在互联网行业。对保险公司而言，不管是通过内部培养还是外聘，想构建自己的核心技术实力与优势，都需要花费大量的时间成本或人力成本。

　　三、如何应对大数据技术“预测”中的“变数”。

　　预测，是大数据技术应用中最为典型的场景之一。大家普遍认为，随着数据的不断扩大以及数据计算能力的提升，寿险公司将能够对未来风险的预测更加精准，继而有效提升风险控制能力与水平，产品的定价可以实现因人而异。

　　不过从目前来看，这样的精准预测还难以在短时间内实现。在刚过去不久的美国大选当中，大部分民调机构均通过各路公开和私密的数据预测希拉里稳操胜券。但最终结果却出人意料。

　　数据是理性的、冰冷的，可产生数据的人是感性的、有温度的。如何透过理性数据抓住感性脉络，是机器算法的重点，需要相当长的时间。这也是为什么我认为，在相当一个历史时期内，像长期寿险保障储蓄计划这样的复杂产品，仍主要依靠以“晓之以理、动之以情”的方式，进行面对面的线下个险渠道销售的原因。人与人之间的心灵、情感交互，很长时间无法被智能算法取代。

　　尽管存在这样那样的现实问题，我仍然认为大数据技术的应用是保险业未来发展的方向，大数据技术的应用，将最终在互联网保险需求产品化、新的销售沟通方式及O2O新商业模式等方面，不管是对产品的定价、销售、服务，还是对企业的整个组织结构和运营流程，给寿险带来颠覆性革命。

　　谢谢大家！