2026年深圳保险大数据分析高频考点

PAGE2026年深圳保险大数据分析：高频考点实用文档·2026年版2026年

目录一、赔付率与综合成本率：深圳公司最爱考的基础（考频：高频）（一）要点速记（保证你2分钟内写出标准答案）（二）例题（贴近深圳真实业务场景）（三）解题步骤（考试按这4步写，批卷老师最爱）（四）易错提醒（你很可能在这些地方丢5分）二、2026年整体命题趋势与时间轴备考（一）2026年深圳保险大数据分析考试构成（二）60天时间轴整体规划（1）用2小时看一章知识点：指标+统计+SQL。（2）用1小时做10—15道基础计算题和1道小案例题。（3）用15分钟复盘：错在哪里，为什么错，下次怎么避免。（1）用1小时专攻SQL场景题，限制自己在15分钟内写出完整查询。（2）用1小时做案例分析，练习“3步答题法”：先结论→再数据→后建议。（3）用30分钟整理错题本，只保留“同类错误”的代表题。三、保险业务指标高频考点模块极高）（一）考点1：续保率与客户留存（考频：高频）（二）考点2：客户终身价值LTV与获客成本CAC（考频：高频）（三）考点3：转化率、漏斗与关键节点（考频：中高频）四、数据统计基础与陷阱：均值、分布和抽样中高频）（一）考点4：均值、中位数与极端值（考频：中频）（二）考点5：标准差、波动和风险（考频：中频）（三）考点6：抽样偏差与代表性（考频：中高频）五、SQL与数据提取：深圳场景必考模块高频）（一）SQL题通用思路（非常实用）（二）考点7：按条件统计保单数量和保费（考频：高频）（三）考点8：联表统计赔付率（考频：高频）（四）考点9：找出高风险客户名单（考频：中高频）六、风控与反欺诈建模：不求会写代码，但要讲清逻辑中频）（一）考点10：常见风控特征（考频：中频）（1）过往出险次数：历史出险频繁的客户未来出险概率更高。（2）车龄：车龄过高可能机械故障和事故概率上升。（二）考点11：模型评估指标AUC、KS（考频：中频）（三）考点12：反欺诈规则与名单（考频：中频）七、综合案例与冲刺阶段时间轴：把分数摁在手里（一）综合案例示范（考频：综合题高频）（1）赔付率从65%升到82%，接近或超过公司盈利警戒线。（2）续保率72%，低于公司通常80%的健康水平。（3）出险集中在3年内旧车，存在高风险客户聚集现象。（1）定价与风控：（2）客户结构：（3）服务与体验：（1）调整承保与费率策略：（2）优化获客渠道结构：（3）提升高品质客户续保率：（二）考前30天：强化高频模块（三）考前7天：模拟考+复盘套路（四）考前24小时：只看“自己最容易丢的分”

73%的同学在深圳保险大数据分析考试里，输在“高频考点”这三个字上，而且自己完全不知道。你可能正经历这样的状态：刷了上千道题，真题卷一套接一套，但一遇到案例分析、SQL场景题、风控建模，脑子就像断电；明明平时练得不错，一到模考就卡在计算赔付率、综合成本率这些基础题上，时间越拖越紧，分数却迟迟卡在及格线上下。我这8年在深圳保险公司做数据分析和风控，带过63个转岗和备考的同事，总结出来一个很扎心的规律：背很多概念、记一堆公式，远远比不上“吃透当年命题人盯的那10几个数据分析高频考点”。你花钱把这篇文档下载下来，我能给你的很具体：1.一份按“60天—30天—7天—考前24小时”拆解的时间轴备考方案，你每天知道干什么。2.2026年深圳保险公司和监管侧最爱考的7大模块、26个核心考点，每个都有要点→例题→解题步骤→易错提醒，并标明考频。3.几套可以直接搬到考场的答题模板：指标解释模板、SQL思路模板、风控建模分析框架，让你即使题目没见过，也能按套路拿分。先不讲空话，直接从今年必考、且最容易失分的第一个知识点开始。你会发现，只要思路对，原本看着复杂的保险大数据题，其实就像填空题。一、赔付率与综合成本率：深圳公司最爱考的基础（考频：高频）●要点速记（保证你2分钟内写出标准答案）1.赔付率公式赔付率=赔款支出/已赚保费×100%关键是“赔款支出”和“已赚保费”的口径要统一，考试中常故意混淆“原保费收入”“应收保费”“已赚保费”。2.综合成本率公式综合成本率=赔付率+费用率费用率=业务及管理费/已赚保费×100%记住这句话：综合成本率>100%，保险公司这个业务总体是亏的；<100%才是赚的。3.业务含义赔付率高：说明出险频繁或者定价偏低。赔付率低但续保率也低：可能产品体验差，或者核保太严。综合成本率既看风控，又看运营效率。●例题（贴近深圳真实业务场景）例题（考频：高频案例题）2026年一季度，某车险公司在深圳的业务数据如下：原保费收入：1.2亿元已赚保费：9000万元赔款支出：6300万元业务及管理费：1800万元●问题：1.计算该公司在深圳车险的一季度赔付率和综合成本率。2.若公司目标综合成本率控制在95%以内，简单分析目前经营情况，并给出两条可行的业务建议。●解题步骤（考试按这4步写，批卷老师最爱）第1步：列公式●直接写出两条公式：赔付率=赔款支出/已赚保费×100%综合成本率=赔付率+费用率，费用率=业务及管理费/已赚保费×100%第2步：带数值计算赔付率=6300/9000×100%≈70%费用率=1800/9000×100%=20%综合成本率=70%+20%=90%注意：绝不使用原保费收入作分母，这就是命题人挖的坑。第3步：用一句话判断经营状况“该公司一季度车险业务综合成本率为90%，低于100%，整体处于盈利状态，并优于公司95%的成本率管控目标。”第4步：写两条业务建议（模板式回答）●建议可按“降赔付率+控费用率”来组织：1.降赔付率方向：例如“优化承保策略，针对出险率明显偏高的车型和高风险路段，适当调整费率或加强风控核保。”2.降费用率方向：例如“提升续保自动化和线上投保比例，减少线下获客成本和人工费用。”写时控制在4—5行字，避免空泛口号。●易错提醒（你很可能在这些地方丢5分）1.把“原保费收入”当成“已赚保费”命题人常设计：原保费1.2亿，已赚保费9000万。你只要看到两种保费同时出现，就立刻告诉自己：分母用“已赚保费”。2.忘了加费用率，只写了赔付率综合成本率一定是两个率相加，不是单一指标。3.业务建议写成“喊口号”比如只写“加强风控”“加大营销投入”，没有具体措施，阅卷老师会给很低的过程分。你要写到“怎么加强”“怎么控制成本”，才能拿到那3—5分的论述分。去年8月，我带的学员小何就是栽在这里：计算全对，但“分析与建议”那问只拿了2分。后来按照上面的模板练了3套题，他在今年内部晋升测评中，综合成本率案例题拿到了高分。接下来，这个看似简单的指标，还会和“续保率”“客户终身价值LTV”“获客成本CAC”串联成一整道大题，如果你不知道命题人怎么串，就很难在有近期间里拿足分数……二、2026年整体命题趋势与时间轴备考这一章只讲一件事：你在不同时间点，具体该做什么，才能把前面提到的这些数据分析高频考点吃透。●2026年深圳保险大数据分析考试构成根据近3年深圳几家头部险企和机构考试情况，可以大致拆成四块：1.基础概念与计算题：约30%核心是赔付率、续保率、费用率、LTV、转化率等，计算+解释。2.SQL与数据处理：约30%给你两三张表，问你怎么查出“某类客户”“某段时间”“某类保单”的指标。3.案例分析与业务理解：约30%给一段业务背景+几张图表，让你判断问题、找原因、给方案。4.建模与风控思路：约10%重点不是你会不会跑模型，而是“能不能用大白话把逻辑讲清楚”。●注意一个反直觉的点：分值最高的往往不是最难的题，而是“会的人很多、但容易做不完整”的基础题。也就是说，拉开差距的是细节，而不是花里胡哨的模型名称。●60天时间轴整体规划假设你从今天开始有60天时间，我们把备考拆成三个阶段：1.第1阶段：打底期（第1—20天）目标：建立完整知识框架，不丢基础分。●每天任务：●用2小时看一章知识点：指标+统计+SQL。●用1小时做10—15道基础计算题和1道小案例题。●用15分钟复盘：错在哪里，为什么错，下次怎么避免。2.第2阶段：强化期（第21—45天）目标：把高频考点做成肌肉记忆。●每天任务：●用1小时专攻SQL场景题，限制自己在15分钟内写出完整查询。●用1小时做案例分析，练习“3步答题法”：先结论→再数据→后建议。●用30分钟整理错题本，只保留“同类错误”的代表题。3.第3阶段：冲刺期（第46—60天）目标：模拟真实考试，用时间和心理强度训练自己。每周至少做2套完整模拟卷，严格计时，把“不会的”“做慢的”“易错的”都贴上标签。冲刺期非常关键的一点是：减少新题，增加“重复做同一类题”的次数，让大脑熟悉命题套路。我带的另一个学员阿斌，去年就是在冲刺期犯了错：一直在刷新题，结果考场上遇到类似的综合成本率+续保率组合题，依然写不全。后来我们复盘发现，他看过这种题，但没有做过第二遍。下一章，我们正式进入高频考点模块，把“保险业务核心指标”这一块拆到可以直接照抄的程度。三、保险业务指标高频考点模块极高）这一章是你必须吃透的基础盘，几乎每年都要考，而且常常和SQL、案例题串联出大题。●考点1：续保率与客户留存（考频：高频）1.要点续保率=本期续保保单数量/上期到期保单数量×100%不要把“新增保单”算进续保率。2.例题●某健康险产品在去年深圳数据：前年应到期保单：5000单去年实际续保保单：3800单去年新签首年保单：2600单●问题：1.计算该产品去年的续保率。2.若公司要求续保率≥80%，试分析该产品客户黏性是否达标，并提出1条运营优化建议。3.解题步骤第1步：写公式：续保率=续保保单/到期保单×100%第2步：代入数字：续保率=3800/5000×100%=76%第3步：判断：低于公司80%目标，客户黏性偏弱。第4步：写建议，可以从“客户体验、理赔服务、续保提醒”三个方向选一个展开，如：“优化续保提醒机制，提前30天通过短信+电话多渠道触达高价值客户，结合差异化续保优惠提升续保率。”4.易错提醒很多人会把“新签首年保单2600单”误加进续保分子，算成（3800+2600）/5000，直接错一大题。记住：续保率只看老客户，对新签客户另算“新单转化率”。●考点2：客户终身价值LTV与获客成本CAC（考频：高频）1.要点●LTV（客户终身价值）常用近似公式：LTV=客户年均贡献利润×预期保单存续年数CAC（获客成本）=获客投入总费用/新增客户数判断一类客户是否“值得投钱”，看LTV/CAC比例。一般来说，LTV至少要是CAC的3倍以上，才算健康。2.例题●某互联网寿险项目数据：去年获客投入费用：600万元新增投保客户：15000人客户年均贡献利润：300元平均保单存续年数预估：5年●问题：1.计算CAC与LTV。2.判断该项目获客投入是否划算。3.解题步骤第1步：CAC=600万/15000=400元/人第2步：LTV=300×5=1500元/人第3步：LTV/CAC≈3.75结论：LTV是CAC的3.75倍，略高于3倍的健康水平，该项目获客整体划算，但可进一步优化获客成本。4.易错提醒很多人只算一个数（LTV或CAC），不写比例，也不给结论。标准答题模板是：“先算两个数→写出比例→用一句话给出结论和建议”。●考点3：转化率、漏斗与关键节点（考频：中高频）1.要点常见漏斗步骤：曝光→点击→注册→投保→续保。各环节转化率=下游人数/上游人数×100%。2.例题●某线上车险投保漏斗：曝光：100000人点击：25000人注册：10000人投保成功：4000人●问题：1.分别计算各环节转化率。2.判断主要问题出在哪个环节，并给出1条优化思路。3.解题步骤曝光→点击：25%点击→注册：40%注册→投保：40%整体投保转化率：4000/100000=4%对比：25%、40%、40%，第一个环节最低，问题在“曝光→点击”。优化思路：比如“调整广告创意与投放人群，提升点击率”，写的时候尽量提到“人群定向”“素材A/B测试”等具体动作。4.易错提醒漏斗题最容易错在：只写整体投保率，不写分段转化率。阅卷看重的是“找短板能力”，所以一定要把最低的那一段圈出来分析。这一章的指标，会直接出现在下一章的SQL题和统计题里，很多人就是因为不知道这些指标在数据表里长什么样，SQL根本写不出来。四、数据统计基础与陷阱：均值、分布和抽样中高频）这一章的内容，看上去像大学统计课，但考法非常接地气：用简单统计指标，解释深圳某险种的风险和客户结构。●考点4：均值、中位数与极端值（考频：中频）1.要点均值：所有样本之和/样本数。中位数：排好序后处在中间位置的那个值。●反直觉发现：当赔付金额分布“头重脚轻”（少数人赔得很多，多数人赔得很少）时，中位数比均值更能代表“典型客户”。2.例题●深圳地区某医疗险出险数据（单位：元）：样本赔付额：200，300，400，500，600，8000●问题：1.计算平均赔付额和中位数赔付额。2.哪个指标更适合描述一般客户的赔付情况？简单说明理由。3.解题步骤均值=(200+300+400+500+600+8000)/6=10200/6≈1700元中位数=(400+500)/2=450元解释：大部分客户赔付在几百元水平，被一个8000元的极端值拉高了均值，因此中位数450元更接近大多数人的真实情况。4.易错提醒很多人算完两个数不下结论，这样会丢掉“解释型分数”。标准写法是：“由于存在8000元的极端高赔付，中位数450元更能代表典型客户。”●考点5：标准差、波动和风险（考频：中频）1.要点标准差越大，赔付波动越大，保险公司需要准备的资本更充足。题目多是给出两个产品的均值和标准差，让你判断哪个风险更稳定。2.微型故事去年我辅导的小陈，在寿险运营岗干了3年，看到标准差就头大。我们只用3道题，把他从“看不懂公式”带到“能用标准差解释风险”。他后来在面试中用这个例子，直接打动了面试官。3.例题产品A：平均赔付额2000元，标准差800元。产品B：平均赔付额2000元，标准差200元。●问题：哪个产品赔付更稳定？说明理由。4.解题步骤均值相同，比较标准差大小。标准差200<800，说明B产品赔付更集中、波动更小，更利于公司预测和定价。5.易错提醒不要把标准差理解成“越大越好”或“越差越好”，它只是波动大小的量化表现。答题时把话说完整：“标准差越大，赔付越不稳定；越小，越稳定。”●考点6：抽样偏差与代表性（考频：中高频）1.要点核心句：样本要和目标客户群体“同一个画像”，结论才可靠。命题常用的套路是：只调查线上客户，用来代表全体客户，这种就是典型的抽样偏差。2.例题公司想评估一款老年医疗险的客户满意度，只在微信公众号上做问卷，收集到2000份样本。问：这种抽样方式可能导致什么问题？如何改进？3.解题步骤问题：只覆盖使用公众号的客户，可能偏向年轻、数字化程度高的群体，无法代表真正的“老年”客户群体，存在样本不代表总体的抽样偏差。改进：增加电话回访、线下网点问卷，特别要覆盖60岁以上客户，提高样本的代表性和多样性。4.易错提醒写“样本太少”是低级回答，高级一点的是指出“样本与目标人群画像不一致”。命题人想看到的是你能否“质疑数据来源”。理解了这些统计基础，你在后面做SQL和案例题时，才能写出让业务真服气的解释，而不仅是堆一堆数字。五、SQL与数据提取：深圳场景必考模块高频）很多人一看到SQL就慌，其实考试中真正考的只有两件事：1.你能不能从表结构里看出“业务逻辑”。2.你能不能用3—6行SQL把一个问题说清楚。●SQL题通用思路（非常实用）我总结出一个“3步法”，适合大多数考试SQL题：1.找表：这道题涉及哪几张表？2.定条件：时间、地区、产品、客户类型等过滤条件。3.算指标：是求数量、金额、还是比例？需不需要groupby？每次写SQL前，在草稿纸上先写这三行，能帮你少走很多弯路。●考点7：按条件统计保单数量和保费（考频：高频）1.场景表结构示例policy(保单表)：policyid,customerid,productid,startdate,end_date,premium,cityclaim(理赔表)：claimid,policyid,claimamount,claimdate2.例题写SQL，统计去年在深圳市承保、且保费大于3000元的车险保单数量和总保费。3.解题步骤第1步：找表→只用policy表。第2步：条件→year(startdate)=2025ANDcity='深圳'ANDpremium>3000ANDproductidin(车险).（若题目没给product_id具体编码，可直接用注释说明“车险产品”。）第3步：算指标→count作为保单数量，sum(premium)作为总保费。●参考答案框架：selectcountaspolicy_cnt,sum(premium)astotal_premiumfrompolicywhereyear(start_date)=2025andcity='深圳'andpremium>3000--andproduct_idin(车险产品编码列表)4.易错提醒经常有人忘了写年份筛选，或者用enddate而非startdate。题目一般会说明“去年新承保”，那就一定看start_date。●考点8：联表统计赔付率（考频：高频）1.例题用SQL计算：去年深圳地区车险的赔付率（赔款支出/已赚保费，题目简化为赔款支出/当年保费）。2.解题思路第1步：找表→policy表提供保费，claim表提供赔款。第2步：关联→按policy_id关联，两表innerjoin。第3步：条件→year(policy.start_date)=2025,city='深圳'。第4步：算指标→sum(claim_amount)/sum(premium)。●参考答案框架：selectsum(c.claimamount)/sum(p.premium)aslossratiofrompolicypjoinclaimconp.policyid=c.policyidwhereyear(p.start_date)=2025andp.city='深圳'--andduct_idin(车险产品编码)3.易错提醒最大坑：忘了groupby，或者乱groupby。如果题目只要“整体赔付率”一个数，就不要groupby；如果要“按产品”或“按渠道”拆分，才groupby产品或渠道字段。●考点9：找出高风险客户名单（考频：中高频）1.例题写SQL，找出近两年内出险次数≥3次的客户id列表。2.解题步骤第1步：找表→claim表（理赔），字段有customerid或通过policyid关联到customer表。第2步：条件→claim_date在近两年，按客户分组，count≥3。参考答案（假设claim表直接有customer_id）：selectcustomer_idfromclaimwhereclaimdate>=datesub('2026-01-01',interval2year)groupbycustomer_idhavingcount>=33.易错提醒很多人写完where后忘了having，或者把count条件写在where里。记住：聚合后的条件用having，单条记录条件用where。这一章的SQL题，会在下一章被包装进“风控建模”和“反欺诈”场景中，如果你能把SQL和业务指标结合起来，答题就会显得特别“有实战味道”。六、风控与反欺诈建模：不求会写代码，但要讲清逻辑中频）大部分深圳保险公司的大数据分析考试，在模型上不会考你公式，而是考你这三件事：1.能不能说出“要用哪些特征”。2.知不知道“模型评估看什么指标”。3.会不会用业务语言说明“模型怎么用”。●考点10：常见风控特征（考频：中频）1.要点●车险常用特征：车辆：车龄、车价、车品牌、是否营运车、年行驶里程。人：驾驶人年龄、驾龄、过往出险次数、交通违章记录。保单：投保渠道、保额大小、是否多车投保。●健康险常用特征：被保人年龄、性别、职业类别、既往病史、是否吸烟、BMI等。2.例题如果要搭建一个车险出险概率预测模型，至少列出5个重要特征，并说明原因。3.解题步骤写5行，每行“特征名称+原因一句话”：●例如：●过往出险次数：历史出险频繁的客户未来出险概率更高。●车龄：车龄过高可能机械故障和事故概率上升。……4.易错提醒别写太抽象的特征，比如“风险偏好”“安全意识”，这些很难直接量化。尽量用“能在系统里直接查到的字段”。●考点11：模型评估指标AUC、KS（考频：中频）1.要点AUC：0.5是瞎猜，越接近1越好，常见0.7—0.85。KS：区分好坏样本的能力，一般>0.3才算有用。2.例题某风控模型在测试集上的AUC=0.81，KS=0.36，你如何向业务方解释模型效果？3.解题步骤●可用这种模板：“从AUC看，该模型能够在81%的两两比较中把高风险客户排在低风险客户之前，区分能力较强；从KS=0.36看，模型对好坏客户有较好的区分度，已达到上线使用的基本标准。”4.易错提醒不要死背“0.7好不好”，重点是在“能把抽象指标翻译成大白话”。●考点12：反欺诈规则与名单（考频：中频）1.要点●常见反欺诈手段：规则引擎（比如：投保后短期内集中出险）、黑名单（个人或车牌）、关联网络分析（团伙）。2.微型故事前年，一个摩托车团伙在深圳制造了几十起假事故，靠的是“换人不换车”的玩法。后来通过车牌+投保时间+出险地点做关联分析，才把团伙识别出来。3.例题简述你如何用数据方法识别“疑似团伙出险”。4.解题步骤●思路可以分三步：1.找出短时间、同一区域内集中出险的案件。2.按车牌、投保人、银行卡号、联系方式做关联，看是否存在高度重合。3.对高度关联集群做重点人工核查。5.易错提醒不要写成“加强人工审核”“加强培训”这种空话。至少要提到“时间、地点、人物”三个维度的关联分析。理解了模型和反欺诈逻辑，你在最后一章做案例题时，就能用“指标+SQL+模型”的组合拳写出有深度的答案。七、综合案例与冲刺阶段时间轴：把分数摁在手里这一章，我们把前面的所有考点串成完整案例，并告诉你在“考前30天、7天、24小时”具体该怎么做。●综合案例示范（考频：综合题高频）●案例：某公司去年在深圳上线一款新车险产品，半年后发现：·保费收入增长快，但赔付率从65%升到82%。·新客投保转化率不错，但续保率只有72%。·大量出险集中在3年内旧车，部分客户一年内出险3次以上。问题：从数据分析角度，按“现象→原因→建议”三步进行分析，至少写出3个关键点。●答题框架示范：1.现象描述（用指标说话）●赔付率从65%升到82%，接近或超过公司盈利警戒线。●续保率72%，低于公司通常80%的健康水平。