17郑威 科技赋能保险 - 大数据及AI的行业应用与展望

,科技赋能保险-大数据及AI的行业应用与展望,百融云创,大数据整体应用框架,01,大数据整体应用框架,3,数据产品：将数据、规则、模型，与具体金融业务场景进行结合，开发相应产品,数据系统：保险营销系统、数据决策引擎等,数据处理：标准化：清洗、驱虫、分析、汇总特征工程：衍生、降维,数据存储：多维度海量数据，为后续数据标签、模型、产品提供基础,数据模型,营销、风控模型，覆盖多种业务场景客制化规则集，个性化数据模型服务,数据产品,两核风险筛查智能语音机器人,数据标签,底层800+个模块，超过10,000个字段，覆盖全国超过8亿人口涵盖个人资质、消费、黑灰名单等多种维度底层数据实时更新,模型支撑大数据+模型算法+AI,4,模型支撑整体建模流程简介,5,缺失值填充极端值处理标准变量衍生业务变量衍生,数据准备：去伪存真,信息值(IV)筛选基尼(Gini)值筛选单变量分析,数据初步筛选：化繁为简,相关性(Correlation)检验共线性(Multi-Collinarity)检验,变量检验：减少对模型的干扰,粗分箱根据业务调整分箱连续型/类别型变量值转化（WOE转化）,数据分段：体现变量价值,优先选择业务变量清理解释性差变量通过逐步回归筛选评估与调整,模型产生与调整,模型建立主要分为：数据准备、初步筛选、变量检验、数据分段、模型产生和调整五大步骤,大数据寿险两核风控,02,寿险两核风控整体应用框架,7,3,两核风险筛查总体应用流程,8,通过,人工,预警,结案、归档,客户身份核验,反欺诈核查,2,两核风险评分,3,YES,YES,NO,NO,YES,NO,多维度考察客户，控制投保风险,流程化核保程序，输出核保评分，辅助人工核保,两核风控模型,初步身份、信息真实性校验,9,身份证二要素验证,运营商三要素验证,银行卡三/四要素验证,身份证有效期验证（活体检验）,地址信息核查,单位验证,银行卡多笔交易校验,身份证/银行卡OCR识别,车险风险评分,03,传统车险精选模型,传统精算模型,从人因子缺乏,从车因子主导,历史赔付推测,￥,信用评分,社交关系,收支等级,出行频率,个性化,精准化,从人因子,电商消费,车险风险评分优势数据来源丰富,结合第三方大数据平台，能够基于海量用户的电商消费，财务信用，信贷申请，黑灰名单等方面的数据积累，帮助车险公司主动定价，合理控制风险保费,车险理赔风险管理,04,业务规则筛查,个案欺诈排查,2,事中调查,团伙欺诈排查,3,机器学习,社交网络分析,注：百融数据支持API对接实时查询,理赔风险管理车险智能反欺诈风控体系,事后侦测,反欺诈决策系统,保险公司底层数据+外部大数据平台,模型能力,数据能力,理赔风险管理必须具备的大数据运用能力,个案欺诈,基于历史欺诈案件样本，结合大数据和机器学习模型挖掘欺诈案件和欺诈车主特征，判断新进理赔案件是否为疑似欺诈案件。,团伙欺诈,整合历史全量理赔案件，描绘出人、车和案件的关系网络。通过关系网络发现非正常网络（团伙欺诈），并判断新进理赔案件是否属于某团伙。,模型技术能力：特征提取、文本挖掘、机器学习、社交网络分析、关系图谱,优秀的理赔风险管理，兼具个案欺诈和团伙欺诈侦测模型的技术能力,理赔风险管理-识别车险理赔各环节中的个案欺诈风险,运用车险大数据+外部大数据平台+数据挖掘技术，识别车险理赔各环节中的欺诈风险，减少理赔渗漏、提升理赔效率,事中反欺诈,事后反欺诈,报案反欺诈模型,查勘反欺诈模型,应用场景在报案阶段，根据报案时间、地点、报案人等信息建立模型，识别欺诈风险,根据风险级别实现差异化理赔资源配置,应用场景在查勘阶段，将现场收集到的信息转为结构化数据，建立模型识别欺诈风险,提示高风险案件，对于核损、核赔起到提示、预警作用,应用场景结案后，整合报案、查勘、定损环节的各类信息，建立模型识别欺诈风险,稽核反欺诈模型,提示高风险案件，提升事后调查、追索的效率,理赔风险管理-利用SNA算法识别团伙欺诈已成为行业共识,职业型欺诈,机会型欺诈,职业型欺诈主导者通常以诈骗保险赔款为生、团伙作案，具有丰富的理赔业务经验，甚至不乏保险从业人员内外勾结作案。,欺诈行为基于真实的出险案件，此类欺诈通常有熟悉保险理赔业务的人员（如中介、修理厂、理赔人员）指点甚至直接参与,车险欺诈呈现“团体作案”趋势。犯罪团伙多利用小额快赔案件多次作案；保险公司仅利用单一案件信息进行调查，侦测团伙作案难度大利用社交网络关系（SNA）算法、知识图谱算法等侦测团伙欺诈，已成为金融业的统一共识。,解决方案,社交关系网络算法,大数据AI与寿险营销,05,寿险大数据营销核心-客户潜在价值评估,19,01.超优客户,02.优等客户,03.普通客户,构建客户潜在价值评估模型，对客户进行分级分层,对应地，将销售人员进行分级分层，优化名单资源分配,优化销售任务、优化名单资源分配,在客户投保、加保阶段，对客户的潜在价值进行评估。针对不同价值的客户，提供差异化销售策略，以提升整体销售情况,业务目标,客户潜在价值评估建模选择,20,用户价值,商品消费偏好,金融相关行为,年购买力等级年消费等级房产/车主评估高价值评估航旅客户评估,吃货母婴旅游运动服饰,文娱阅读旅游汽车健康,非银信贷信贷风险历史欺诈,用户标签维度,3000+汇总的待选大数据变量,保单数据,代理人信息数据,代理人类型性别、年龄常推广险种代理人学历,保险金额保险费保险期限出险情况,某寿险公司自有业务数据维度,120+已有客户数据变量,数据融合、缺失值处理、相关性分析、入模筛选,最终有总计18个入模变量*，其中：12个入模变量来自用户价值标签，占模型贡献率的60%（如：年购买力等级、年消费等级、高价值评估）6个入模变量来自用户商品消费、申请行为等标签，总计占模型贡献度40%（如：金融相关行为、健康关注度、）,加保模型使用,客户潜在价值评估模型效果评估,21,示例,客户潜在价值评估模型有效性实际验证,22,测试组（模型排序）,对照组（随机挑选）,模型分层效果对比（转化率）：,整体提升效果对比（转化率）：,针对新赠险客户进行潜力评估，从而实现名单、座席、产品、话术的差异化匹配,1X,0.8X,3.2X,1.5X,示例,人工智能客服,06,人工智能语音机器人简介,24,百小融利用语音技术实现人机交互,智能语音机器人特点,25,新契约回访整体方案视图,26,业务系统,新契约客户,客户基本身份信息、保单信息,归类名单,A、B类回访,C类回访,智能外呼机器人,外呼任务,外呼名单导入,回访录音问题件问题,修改回访时间,结果导出,回访录音,A类回访,B类回访,人工坐席A,新契约回访支持对回访客户进行活体检验，确保回访真实有效,27,获取精准的人脸属性信息，包括年龄、性别、表情、头部姿态、眼睛状态、人种等。,精准判断两张人脸是否是同一个人，并返回置信度分数和相应的阈值，以便评估相似度。可定制更贴合各场景的解决方案。,精准定位并返回最多106个高精度关键点，让您的应用可以进行人脸贴纸、3D动画模型等复杂变换操作。,检测图片或视频流中的人脸并返回人脸框坐标。支持储存检测到的人脸数据。,人脸识别技术,续期收费管理业务痛点以及可行解决策略,28,3,1,2,电销渠道续收难,由于电销渠道名单来源众多，各渠道名单质量参差不齐，导致续收管理困难,无法联系客户,客户联系方式错误，无法联系到客户