一、引言
二十一世纪以来全球经济领域的繁荣景象带来了经济信息的井喷式增长。伴随着世界电子科技与信息技术的发展，海量信息能够在短时间内转化为庞大的数据量，再经由数据分析人员利用各种数据模型从中提取出有效信息，并将得到的有效信息投入到各个领域的经济活动的使用中去。这就是大数据在经济领域中的应用。由于金融业新增数据呈爆发式增长状态并且固有的数据存量庞大，大数据分析技术在金融业的应用显得尤为重要。保险业作为金融领域的一个重要分支，必然要与金融业一同跨入大数据时代。如何充分利用大数据分析技术提供的优势推动自身的成长和公司业务的进步，是值得每一个保险从业人员仔细思考和认真研究的问题。保险产品定价是保险公司经营过程中的关键环节，对保险产品的销售和公司的最终利润有重大影响。因此，在保险定价时，工作人员要有意识地运用大数据分析技术，优化保险定价策略，提高保险定价的科学性与合理性。
二、大数据与保险业关系
(一)保险产品以风险为核心
保险产品的本质在于通过预测目的事件的风险，为客户提供承受风险的安全保障，减少客户因目的事件的风险所遭受的损失。因此保险产品的本质要求保险公司在设计产品时能对风险做出精确的厘定。在进行预测时，产品开发人员通常需要结合数据信息和数据模型以及相应的分析技术。这些都牵扯到庞大的数据存量，因而大数据分析技术能够为产品开发人员利用保险公司的巨量数据进行快速而精确的风险预测提供极高的可能性。
(二)保险经营存在利润风险
保险公司收取的保险费用是公司的主要收入，同时，保险公司的主要支出在于为购买产品的客户赔付承诺的保金，这二者的比例大小决定了保险公司的利润率高低。保险产品的赔付几率即保险公司承担的风险。因此保险产品的利润风险是保险公司进行产品评估时的重要依据。而保险产品开发人员在对保险产品的利润风险进行厘定时，不可避免地要利用前期调查和研究所获得的海量数据。面对如此庞大的数据结果，保险产品开发人员只有利用大数据分析技术才能科学地处理数据，获得准确而有效的信息。
(三)保险公司的业务流程与大数据关联密切
保险行业是一个产生数据、利用数据的行业。保险产品开发、保险产品销售、保险承保、保险理赔、保险客户服务等是保险公司经营的主要环节。保险产品开发与销售过程中，保险公司需要获取、分析、利用产品相关的海量数据；保险承保和保险理赔过程中，保险公司需要利用数据处理纠纷，准确做出对于公司和客户两方都公正、合理的赔金偿付判断；保险客户服务过程中，提供科学专业的数据分析结果是争取客户投资、消除公司和客户矛盾、帮助客户选择合适产品的有力手段。
三、大数据应用现状
(一)范围广
现阶段保险公司的数据量主要分布在以下五个方面：产品定价方面，保险产品定价的成功与否很大程度上影响着保险产品的利润风险，这方面的数据是精算部门开展工作时必不可少的条件之一。此外，由于保险行业的特殊性，保险公司提交给中国保险监督管理委员会的运算报表也使用产品定价数据；保单方面存在开展业务时所用的保单数据和之后维持保单产生的数据；投资理财方面存在保险公司使用长周期保险产品的保费投资相关理财项目时产生的数据。由于投资盈利是保险公司除了收取保费以外另一大收入来源，保险公司格外重视这部分数据；在核赔与理赔方面，由于保金赔付是保险公司主营业务的主要支出，保险公司相当重视这部分数据，公司相关部门需要建立专门的数据库。在管理风险方面，风险预测是保险行业的核心，因此这部分数据牵扯到保险经营过程的大部分环节，不仅与上述四类数据有关。还涉及公司行政部、人力资源部、财务部等多部门的数据。
(二)必然性
在信息爆炸的时代背景下，我国保险行业不可避免地要面对巨量数据。电子科技和信息技术的高速发展为保险行业提供了数据共享的快捷通道，对于保险行业来说，这是一把双刃剑。一方面，海量数据共享有助于保险从业人员合理把握保险行业发展的整体态势、科学地预测保险行业发展方向、精确地分析保险产品风险，提高保险从业人员工作效率，推动保险行业整体的进步升级。另一方面，数据共享也意味着单个保险公司要面对整个行业共同的公共数据，无疑增加了单个保险公司的信息负担。要在庞大且琐碎的数据海洋中寻觅到自身所需要的那份信息，保险公司需要引入大数据分析技术来提高工作质量和工作效率，进而达到增强公司竞争力、获取最大化利润的目的。
(三)效率低
大数据分析技术的应用是我国保险领域深化改革初见成效的表现之一。大数据分析技术的引入和普及明显提高了我国保险行业的整体质量。然而由于大数据分析技术引入时间较短，在我国保险行业的应用仍不成熟，导致我国保险行业大数据分析技术应用质量参差不齐的问题。以大数据分析技术在保险产品定价方面的应用为例，近几年来保险公司的定价效率并没有得到很大提升。这说明我国保险公司尚未充分发挥大数据分析技术的优势，仍需优化大数据分析技术的应用模型，提高大数据分析技术的应用效率。
四、保险定价策略
(一)部门共享应用
大数据分析技术给保险行业带来的主要变化之一便是使精算定价过程中基于样本的精算转化为基于全量的计算。关于寿险产品，保险公司以已有的“精算模型”为基础，综合资产的划分、行业平均价格水准等条件进行精算定价；关于财险产品，保险公司往往采取历史数据生成“损失模型”，加之各种其他要素的分析考量，从而确定实际收取的保费。以上两种都是保险公司进行的基于样本的精算定价的传统模式，所应用的数据量在保险公司数据库中占比小，容易导致目标客户群体小和比较优势小的问题。然而基于大数据分析的“全量精算”可以为保险公司抢占保险市场份额，提高保险产品的价格竞争力。以寿险项目为例，经营周期长是寿险产品的典型特征，每经营一份产品，大量相关数据和信息便会在寿险公司内部缓存，长此以往，即便是一家普通保险公司，其寿险部门也会形成一个庞大的数据信息库。同时，社会变化也会给寿险部门带来巨量的数据累积。如果寿险部门在进行精算定价时仍采取传统模型，忽视这两种海量数据和数据本身经年的变化，局限于中国保险监督委员会发布的早期图表和使用已久的过时信息，那幺相应的寿险产品的风险预测就不准确，寿险产品的后续销售业务就会受阻，降低保险公司的经营利润率，甚至会伤害该保险公司的可持续发展能力。因此寿险部门在进行精算定价时要充分利用大数据，参考国际国内行业先进报告，利用分析技术获得合理的寿险产品定价，增加定价的灵活性，获得寿险产品市场价格的比较优势。
(二)公司共享应用
“大数定律”的定义是大量重复的随机实践中呈现的几乎必然的规律。将这个理论应用于保险行业，可以得出当一个群体的投保数量达到一定数量时，就有可能设计针对该群体的特殊保险产品的结论。就单个公司而言，保险产品开发人员可以按照“大数定律”的原理对客户群体进行科学的划分，开发出针对性强、使用度高的保险产品。而在经营保险产品项目的完整过程中，单个公司也能够积累丰富的信息资源。而大数据背景下的数据共享可以汇聚整个行业绝大部分公司的相关数据，并对海量数据进行整合与提炼，形成一个全面、细致、专业的客户数据体系。保险公司利用大数据加工处理后的客户数据体系，不仅能满足群体的保险需求，甚至能细分到个人，为单个客户量身定制保险产品。如此保险公司可以最大程度地挖掘潜在的客户价值。
(三)行业共享应用
保险产品种类众多，包括常见的人寿保险、财产保险、事故保险、灾难保险等，这些保险项目通常涉及多个行业，因此保险公司在开发一项保险产品时，必须分析对应的多个行业的有效信息，而这些有效信息必然需要跨行业的海量数据的整理与分析，因此大数据分析技术可以有效地提高产品开发人员的工作效率。这里以巨灾保险为例，说明大数据技术在具体保险产品定价过程中的应用。巨灾具有发生频率低、破坏范围广、财产损失大的显着特征，因此保险公司在开发巨灾保险过程中需要充分预测保险风险并进行合理分保，否则极有可能造成保险公司可赔付资金不足甚至倒闭的后果。巨灾保险也包括许多类型，比如地震、海啸、台风、火山喷发等，这些巨灾保险在进行巨灾风险预测时都需要借助极其专业的学科和行业知识。然而我国目前的巨灾保险方面存在数理技术不够发达，风险分析能力不成熟，数据积累不充足的问题。因此，我国巨灾保险产品在进行精算定价和风险分析时，需要借助多个行业的最新数据和权威理论，必要时应参考其他国家的巨灾数据资源。而基于大数据技术的信息共享为上述建议的实施提供了有利的技术支持。
五、结束语
综上可知，大数据技术的高效应用可以有效降低保险产品的定价风险、提高保险产品的定价合理性。在利用大数据技术优化保险定价策略方面，保险公司在进行产品定价时应当充分考虑公司的完整数据和行业总体数据，扩大产品的定价空间；在开发保险产品时要注意数据的特殊性，满足客户个性化需求；涉及跨行业的保险产品的开发应当主动借鉴其他行业和其他国家的先进数据。此外，我国保险从业人员应当继续在大数据技术应用道路上摸索，推动我国保险行业整体实力的提升。
(西南财经大学，四川 成都 611130)
[1] 张宗军，吴耀峰.不充分定价、破产风险与保险监管[J].金融发展研究，2015，(7)：3-8.
[2] 周海珍，杨馥忆.长期护理保险定价模型比较与分析[J].财经论丛，2014，(8)：44-50.
[3] 李雅菡，饶海琴.对我国存款保险制度定价合理性的研究[J].中国林业经济，2016，(6)：10-14.
[4] 张宁.大数据背景下的寿险产品定价与创新[J].金融发展研究，2013，(12)：69-73.
[5] 张宁.大数据背景下寿险产品定价与创新[J].贵州财经大学学报，2014，(2)：36-42.
[6] 尹会岩.论大数据对中国保险业的影响[J].保险职业学院学报，2015，(1)：43-46.
[7] 缪锦春，季安琪.基于预期损失理论的中国存款保险定价[J].湖南科技大学学报(社会科学版)，2015，(3)：99-104.
