殷曉松：數字化保險前景非常廣大

11 月 23 日，「2016 新浪金麒麟暨全球資產管理論壇」在北京 JW 萬豪酒店舉行，分論壇 B 主題為「增速換擋期的保險業新技術、新業態、新模式」。德華安顧董事總經理殷曉松出席分論壇並發言。

殷曉松表示，數字化保險的前景非常廣大。未來大數據將如何影響壽險業態，雖然現在互聯網在保險銷售端走過的路其實算挺慢的，但是未來深入到核保、產品和商業模式層面的改變，乃至顛覆性事件爆發的可能性和速度方面，保險行業有可能會走在前面。

具體而言大數據在保險類產品中，比如車險、健康險、意外險和定期壽險等等的實時核保和定價方面等會更快的取得突破，主要是因為垂直領域大數據的可用性和相關性、個性化定價等等方面的突破。

以下為嘉賓發言實錄：

在座的各位嘉賓、媒體朋友們，大家下午好！

增速換擋一詞非常形象，回憶起自己 27 年的保險學習和工作經驗，發現這短短的 27 年我竟然經歷了兩次增速換擋。我從八十年代末期學習精算學，那是學的是從工業革命時代精算師們基於大量數據（而非大數據）創造和使用的手查生命表和 commutationfunction(換算函數)。當我九十年代初開始在澳大利亞和香港從事精算工作時，行業已經進入了資訊時代，當時保險定價主要使用的自己編程的 assetshare（資產市佔率）軟件和 Lotus123. 也參與了企業內含價值和評估價值計算的模型企業軟件（modeloffice）。之後目睹了基於數據庫技術的 MIS，CRM 等體系的建立。而這一次的增速換擋，是資訊化到數字化。舉個例子，現在從大數據技術里我們都隱約看到了每個人都有一張不同的生命表，保險為每個人設計的未來。

自 1995 年跟隨友邦保險回到國內以來，我注意到的數字化過程是從本世紀初的泰康 B2C 模式，到保網，向日葵等這一 B2A2C 的最初嘗試，到慧擇網，人人保等為代表的經代 B2C, 去哪兒，攜程等第三方能夠提供大量場景化保險銷售的 B2B2C 模式，中間 2011-2013 年我個人還進行了一次未遂的保險比價網的創業嘗試，後來發展到眾安的以保險公司為主的主動出擊的場景化 B2B2C 模式。到這一步基本上大多數的嘗試集中在銷售端。其中成功的模式主要是與場景化銷售有關。近年來有更多的同業開始試水在核保，產品和商業模式等更深層次的數字化創新。如：基於大數據並隨時可能對產品端的人身險實時核保，車險 UBI，乃至相互保險加區塊鏈這樣的可能對保險業態產生根本性衝擊的新嘗試。

從全球市場來看，今年阿爾法公社追蹤分析了 VentureScanner 上的 1885 家 Fintech 公司。這些公司跨越 58 個國家，總融資金額約 536 億美元。這個數字其實並不大。按照普華永道的分類，Fintech 的行業布局主要包含了 6 塊：零售銀行、支付和轉賬、借款和理財、金融財富管理、保險和區塊鏈的話，數字化保險相關的融資金額其實更小。基本而言，我們可以說數字化保險方面在全世界還沒有一個可稱之為成功的模式出現。從另一個角度來看，數字化保險的前景是非常廣大的。

那麼未來，大數據將如何影響壽險業態？我的判斷是，雖然互聯網在保險銷售端走過的路其實算挺慢的，在未來深入到核保，產品和商業模式層面的改變乃至顛覆性的事件爆發的可能性和速度方面，保險行業有可能會走在前面。原因是保險行業的基石是數字化特別是大數據之前那兩個年代（或者叫做擋位）的基於大量數據的所謂大數法則，或者概率。

具體而言，大數據在保障類產品 (如車險、健康險、意外險和定期壽險等) 的實時核保和定價方面有可能率先取得突破，原因是垂直領域大數據的可用性和相關性，個性化定價和實時核保突破。但是長期儲蓄類產品的顛覆性改變可能會在後面。原因是長達幾十年的資產管理（對資產）和財富管理（對人）的模式很難被機器掌握。財富規劃和其中保險相關的規劃可能在相當一段時間裡依然依靠線上加線下的專業銷售渠道。數字化在資訊透明、營運提效和服務升級等方面會推動該類產品的銷售。

數字化前景可期，對保險行業的重塑有顛覆意義。但在發展中，我們可能不得不面臨以下問題：

一、目前我們掌握的數據，有多少是真正有價值的核心數據。

在沒有大數據之前，商業數據往往來源於一些被動的調查表格及滯後的統計數據。大數據技術出現之後，儘管海量數據的採集和處理成為可能，但同時也有不少企業發現，自己積累的是最底層的原始數據，集中於交易、訂單等內部數據，而缺少像興趣愛好，保障、理財需求等客戶外部數據，無法形成全面的客戶畫像。

二、我們是否有匹配的技術力量支撐大數據處理與應用。

大數據的核心不在於海量數據，而在於複雜數據的編輯處理，在數據處理與應用的技術方面，保險公司沒有先天的優勢。大部分的保險公司在往往需要外包方提供技術支持。如今的大數據人才有多稀缺？一份人力資源報告顯示，目前全國的大數據人才僅 46 萬, 未來 3-5 年內大數據人才的缺口將高達 150 萬。這些人才集中於科技型企業當中，其中分布在行動互聯網、金融互聯網和遊戲三個行業的人數約占半壁江山，而在普通企業服務的僅有 7%。

不僅如此，這些大數據技術人才的流動，依然集中在互聯網行業。對保險公司而言，不管是通過內部培養還是外聘，想構建自己的核心技術實力與優勢，都需要花費大量的時間成本或人力成本。

三、如何應對大數據技術「預測」中的「變數」。

預測，是大數據技術應用中最為典型的場景之一。大家普遍認為，隨著數據的不斷擴大以及數據計算能力的提升，壽險公司將能夠對未來風險的預測更加精準，繼而有效提升風險控制能力與水平，產品的定價可以實現因人而異。

不過從目前來看，這樣的精準預測還難以在短時間內實現。在剛過去不久的美國大選當中，大部分民調機構均通過各路公開和私密的數據預測希拉里穩操勝券。但最終結果卻出人意料。

數據是理性的、冰冷的，可產生數據的人是感性的、有溫度的。如何透過理性數據抓住感性脈絡，是機器算法的重點，需要相當長的時間。這也是為什麼我認為，在相當一個歷史時期內，像長期壽險保障儲蓄計劃這樣的複雜產品，仍主要依靠以「曉之以理、動之以情」的方式，進行面對面的線下個險渠道銷售的原因。人與人之間的心靈、情感交互，很長時間無法被智能算法取代。

儘管存在這樣那樣的現實問題，我仍然認為大數據技術的應用是保險業未來發展的方向，大數據技術的應用，將最終在互聯網保險需求產品化、新的銷售溝通方式及 O2O 新商業模式等方面，不管是對產品的定價、銷售、服務，還是對企業的整個組織結構和營運流程，給壽險帶來顛覆性革命。

謝謝大家！

【作者：和訊獨家】【了解詳情請點擊: www.hexun.com】