大數(shù)據(jù)及人工智能在保險(xiǎn)行業(yè)的應(yīng)用

1、科技賦能保險(xiǎn)大數(shù)據(jù)及人工智能在保險(xiǎn)行業(yè)的應(yīng)用大數(shù)據(jù)整體應(yīng)用框架01大數(shù)據(jù)整體應(yīng)用框架3數(shù)據(jù)產(chǎn)品：將數(shù)據(jù)、規(guī)則、模型，與具體金融業(yè)務(wù)場(chǎng)景進(jìn)行結(jié)合，開(kāi)發(fā)相應(yīng)產(chǎn)品數(shù)據(jù)系統(tǒng)：保險(xiǎn)營(yíng)銷(xiāo)系統(tǒng)、數(shù)據(jù)決策引擎等數(shù)據(jù)處理：標(biāo)準(zhǔn)化：清洗、驅(qū)蟲(chóng)、分析、匯總特征工程：衍生、降維數(shù)據(jù)存儲(chǔ)：多維度海量數(shù)據(jù)，為后續(xù)數(shù)據(jù)標(biāo)簽、模型、產(chǎn)品提供基礎(chǔ)數(shù)據(jù)模型營(yíng)銷(xiāo)、風(fēng)控模型，覆蓋多種業(yè)務(wù)場(chǎng)景客制化規(guī)則集，個(gè)性化數(shù)據(jù)模型服務(wù)數(shù)據(jù)產(chǎn)品兩核風(fēng)險(xiǎn)篩查智能語(yǔ)音機(jī)器人數(shù)據(jù)標(biāo)簽底層800+個(gè)模塊，超過(guò)10,000個(gè)字段，覆蓋全國(guó)超過(guò)8億人口涵蓋個(gè)人資質(zhì)、消費(fèi)、黑灰名單等多種維度底層數(shù)據(jù)實(shí)時(shí)更新模型支撐 大數(shù)據(jù)+模型算法+AI4800+模塊，涵蓋個(gè)

2、人資質(zhì)、消費(fèi)、黑灰名單等多種維度外部大數(shù)據(jù)聚類(lèi)、LDA、CDA等。根據(jù)用戶(hù)特征進(jìn)行分群。同一客群內(nèi)部具有相同特征。無(wú)監(jiān)督學(xué)習(xí)集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等。掌握多種算法，支持定制化模型。監(jiān)督學(xué)習(xí)保單數(shù)據(jù)、代理人信息數(shù)據(jù)等商保公司自有數(shù)據(jù)客戶(hù)異常風(fēng)險(xiǎn)提示客戶(hù)群體反欺詐反欺詐規(guī)則用戶(hù)畫(huà)像評(píng)分/規(guī)則/模型產(chǎn)品模型支撐 整體建模流程簡(jiǎn)介5缺失值填充極端值處理標(biāo)準(zhǔn)變量衍生業(yè)務(wù)變量衍生數(shù)據(jù)準(zhǔn)備：去偽存真信息值(IV)篩選基尼(Gini)值篩選單變量分析數(shù)據(jù)初步篩選：化繁為簡(jiǎn)相關(guān)性(Correlation)檢驗(yàn)共線(xiàn)性(Multi-Collinarity)檢驗(yàn)變量檢驗(yàn)：減少對(duì)模型的干擾粗分箱根據(jù)業(yè)務(wù)調(diào)整分箱連

3、續(xù)型/類(lèi)別型變量值轉(zhuǎn)化（WOE轉(zhuǎn)化）數(shù)據(jù)分段：體現(xiàn)變量?jī)r(jià)值優(yōu)先選擇業(yè)務(wù)變量清理解釋性差變量通過(guò)逐步回歸篩選評(píng)估與調(diào)整模型產(chǎn)生與調(diào)整模型建立主要分為：數(shù)據(jù)準(zhǔn)備、初步篩選、變量檢驗(yàn)、數(shù)據(jù)分段、模型產(chǎn)生和調(diào)整五大步驟大數(shù)據(jù)壽險(xiǎn)兩核風(fēng)控02壽險(xiǎn)兩核風(fēng)控整體應(yīng)用框架7123基于海量數(shù)據(jù)集，對(duì)個(gè)人存在的投保過(guò)程中存在的問(wèn)題進(jìn)行有效定位：個(gè)人有效定位個(gè)人投保反欺詐篩查個(gè)人投保財(cái)務(wù)篩查個(gè)人信息核驗(yàn)綜合海量數(shù)據(jù)與保險(xiǎn)機(jī)構(gòu)內(nèi)部數(shù)據(jù)，構(gòu)建兩核風(fēng)險(xiǎn)評(píng)分模型兩核風(fēng)險(xiǎn)評(píng)分運(yùn)用兩核標(biāo)簽數(shù)據(jù)集，形成：個(gè)人財(cái)務(wù)畫(huà)像個(gè)人健康畫(huà)像個(gè)人兩核畫(huà)像兩核風(fēng)險(xiǎn)篩查 總體應(yīng)用流程8客戶(hù)身份核驗(yàn)反欺詐核驗(yàn)兩核風(fēng)險(xiǎn)評(píng)分通過(guò)人工預(yù)警結(jié)案、歸檔投保/

4、理賠客戶(hù)身份核驗(yàn)反欺詐核查2兩核風(fēng)險(xiǎn)評(píng)分3YESYESNONOYESNO多維度考察客戶(hù)，控制投保風(fēng)險(xiǎn)流程化核保程序，輸出核保評(píng)分，輔助人工核保兩核風(fēng)控模型初步身份、信息真實(shí)性校驗(yàn)9身份證二要素驗(yàn)證運(yùn)營(yíng)商三要素驗(yàn)證銀行卡三/四要素驗(yàn)證身份證有效期驗(yàn)證（活體檢驗(yàn)）地址信息核查單位驗(yàn)證銀行卡多筆交易校驗(yàn)身份證/銀行卡OCR識(shí)別車(chē)險(xiǎn)風(fēng)險(xiǎn)評(píng)分03傳統(tǒng)車(chē)險(xiǎn)精選模型傳統(tǒng)精算模型從人因子缺乏從車(chē)因子主導(dǎo)歷史賠付推測(cè)￥信用評(píng)分社交關(guān)系收支等級(jí)出行頻率個(gè)性化精準(zhǔn)化從人因子電商消費(fèi)車(chē)險(xiǎn)風(fēng)險(xiǎn)評(píng)分優(yōu)勢(shì) 數(shù)據(jù)來(lái)源豐富結(jié)合第三方大數(shù)據(jù)平臺(tái)，能夠基于海量用戶(hù)的電商消費(fèi)，財(cái)務(wù)信用，信貸申請(qǐng)，黑灰名單等方面的數(shù)據(jù)積累，幫助車(chē)險(xiǎn)公

5、司主動(dòng)定價(jià)，合理控制風(fēng)險(xiǎn)保費(fèi)信用風(fēng)險(xiǎn)數(shù)據(jù)銀行/非銀機(jī)構(gòu)借貸記錄借貸黑名單公安不良記錄法院不良記錄個(gè)人資質(zhì)數(shù)據(jù)收入等級(jí)收入穩(wěn)定性無(wú)業(yè)時(shí)長(zhǎng)行業(yè)公司規(guī)模管理等級(jí)客戶(hù)行為數(shù)據(jù)電商消費(fèi)等級(jí)電商消費(fèi)頻次電商瀏覽頻次重點(diǎn)關(guān)注品類(lèi)與市場(chǎng)其他車(chē)險(xiǎn)分相比，車(chē)險(xiǎn)風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)涵蓋維度更廣相較于目前市場(chǎng)上其他更基于電商交易消費(fèi)推出的車(chē)險(xiǎn)分?jǐn)?shù)據(jù)，車(chē)險(xiǎn)風(fēng)險(xiǎn)分能更多的從個(gè)人信用風(fēng)險(xiǎn)，財(cái)務(wù)收入穩(wěn)定性，職業(yè)狀況等方面來(lái)評(píng)估，提供更加全面的用戶(hù)特征畫(huà)像車(chē)險(xiǎn)理賠風(fēng)險(xiǎn)管理04業(yè)務(wù)規(guī)則篩查個(gè)案欺詐排查2事中調(diào)查團(tuán)伙欺詐排查3機(jī)器學(xué)習(xí)社交網(wǎng)絡(luò)分析報(bào)案注：百融數(shù)據(jù)支持API對(duì)接實(shí)時(shí)查詢(xún)安全可疑預(yù)警理賠風(fēng)險(xiǎn)管理 車(chē)險(xiǎn)智能反欺詐風(fēng)控體系查勘核賠

6、事后偵測(cè)反欺詐決策系統(tǒng)審計(jì)調(diào)查保險(xiǎn)公司底層數(shù)據(jù) + 外部大數(shù)據(jù)平臺(tái)線(xiàn)索模型能力數(shù)據(jù)能力理賠風(fēng)險(xiǎn)管理 必須具備的大數(shù)據(jù)運(yùn)用能力個(gè)案欺詐基于歷史欺詐案件樣本，結(jié)合大數(shù)據(jù)和機(jī)器學(xué)習(xí)模型挖掘欺詐案件和欺詐車(chē)主特征，判斷新進(jìn)理賠案件是否為疑似欺詐案件。團(tuán)伙欺詐整合歷史全量理賠案件，描繪出人、車(chē)和案件的關(guān)系網(wǎng)絡(luò)。通過(guò)關(guān)系網(wǎng)絡(luò)發(fā)現(xiàn)非正常網(wǎng)絡(luò)（團(tuán)伙欺詐），并判斷新進(jìn)理賠案件是否屬于某團(tuán)伙。模型技術(shù)能力：特征提取、文本挖掘、機(jī)器學(xué)習(xí)、社交網(wǎng)絡(luò)分析、關(guān)系圖譜優(yōu)秀的理賠風(fēng)險(xiǎn)管理，兼具個(gè)案欺詐和團(tuán)伙欺詐偵測(cè)模型的技術(shù)能力理賠風(fēng)險(xiǎn)管理 - 識(shí)別車(chē)險(xiǎn)理賠各環(huán)節(jié)中的個(gè)案欺詐風(fēng)險(xiǎn)稽核理賠報(bào)案現(xiàn)場(chǎng)/遠(yuǎn)程查勘核損核賠運(yùn)用車(chē)險(xiǎn)大數(shù)

7、據(jù)+外部大數(shù)據(jù)平臺(tái)+數(shù)據(jù)挖掘技術(shù)，識(shí)別車(chē)險(xiǎn)理賠各環(huán)節(jié)中的欺詐風(fēng)險(xiǎn)，減少理賠滲漏、提升理賠效率事中反欺詐事后反欺詐報(bào)案反欺詐模型查勘反欺詐模型應(yīng)用場(chǎng)景在報(bào)案階段，根據(jù)報(bào)案時(shí)間、地點(diǎn)、報(bào)案人等信息建立模型，識(shí)別欺詐風(fēng)險(xiǎn)根據(jù)風(fēng)險(xiǎn)級(jí)別實(shí)現(xiàn)差異化理賠資源配置應(yīng)用場(chǎng)景在查勘階段，將現(xiàn)場(chǎng)收集到的信息轉(zhuǎn)為結(jié)構(gòu)化數(shù)據(jù)，建立模型識(shí)別欺詐風(fēng)險(xiǎn)提示高風(fēng)險(xiǎn)案件，對(duì)于核損、核賠起到提示、預(yù)警作用應(yīng)用場(chǎng)景結(jié)案后，整合報(bào)案、查勘、定損環(huán)節(jié)的各類(lèi)信息，建立模型識(shí)別欺詐風(fēng)險(xiǎn)稽核反欺詐模型提示高風(fēng)險(xiǎn)案件，提升事后調(diào)查、追索的效率理賠風(fēng)險(xiǎn)管理 - 利用SNA算法識(shí)別團(tuán)伙欺詐已成為行業(yè)共識(shí) 職業(yè)型欺詐機(jī)會(huì)型欺詐職業(yè)型欺詐主導(dǎo)者通常以詐

8、騙保險(xiǎn)賠款為生、團(tuán)伙作案，具有豐富的理賠業(yè)務(wù)經(jīng)驗(yàn)，甚至不乏保險(xiǎn)從業(yè)人員內(nèi)外勾結(jié)作案。欺詐行為基于真實(shí)的出險(xiǎn)案件，此類(lèi)欺詐通常有熟悉保險(xiǎn)理賠業(yè)務(wù)的人員（如中介、修理廠(chǎng)、理賠人員）指點(diǎn)甚至直接參與車(chē)險(xiǎn)欺詐呈現(xiàn)“團(tuán)體作案”趨勢(shì)。犯罪團(tuán)伙多利用小額快賠案件多次作案；保險(xiǎn)公司僅利用單一案件信息進(jìn)行調(diào)查，偵測(cè)團(tuán)伙作案難度大利用社交網(wǎng)絡(luò)關(guān)系（SNA）算法、知識(shí)圖譜算法等偵測(cè)團(tuán)伙欺詐，已成為金融業(yè)的統(tǒng)一共識(shí)。解決方案社交關(guān)系網(wǎng)絡(luò)算法大數(shù)據(jù)AI 與壽險(xiǎn)營(yíng)銷(xiāo)05壽險(xiǎn)大數(shù)據(jù)營(yíng)銷(xiāo)核心-客戶(hù)潛在價(jià)值評(píng)估1901.超優(yōu)客戶(hù)02.優(yōu)等客戶(hù)03.普通客戶(hù)構(gòu)建客戶(hù)潛在價(jià)值評(píng)估模型，對(duì)客戶(hù)進(jìn)行分級(jí)分層01.A類(lèi)銷(xiāo)售02.B類(lèi)銷(xiāo)售

9、03.C類(lèi)銷(xiāo)售對(duì)應(yīng)地，將銷(xiāo)售人員進(jìn)行分級(jí)分層，優(yōu)化名單資源分配優(yōu)化銷(xiāo)售任務(wù)、優(yōu)化名單資源分配在客戶(hù)投保、加保階段，對(duì)客戶(hù)的潛在價(jià)值進(jìn)行評(píng)估。針對(duì)不同價(jià)值的客戶(hù)，提供差異化銷(xiāo)售策略，以提升整體銷(xiāo)售情況業(yè)務(wù)目標(biāo)客戶(hù)潛在價(jià)值評(píng)估建模選擇20用戶(hù)價(jià)值商品消費(fèi)偏好金融相關(guān)行為年購(gòu)買(mǎi)力等級(jí)年消費(fèi)等級(jí)房產(chǎn)/車(chē)主評(píng)估高價(jià)值評(píng)估航旅客戶(hù)評(píng)估吃貨母嬰旅游運(yùn)動(dòng)服飾文娛閱讀旅游汽車(chē)健康非銀信貸信貸風(fēng)險(xiǎn)歷史欺詐用戶(hù)標(biāo)簽維度3000+匯總的待選大數(shù)據(jù)變量保單數(shù)據(jù)代理人信息數(shù)據(jù)代理人類(lèi)型性別、年齡常推廣險(xiǎn)種代理人學(xué)歷保險(xiǎn)金額保險(xiǎn)費(fèi)保險(xiǎn)期限出險(xiǎn)情況某壽險(xiǎn)公司自有業(yè)務(wù)數(shù)據(jù)維度120+已有客戶(hù)數(shù)據(jù)變量數(shù)據(jù)融合、缺失值處理、相關(guān)性

10、分析、入模篩選最終有總計(jì)18個(gè)入模變量*，其中：12個(gè)入模變量來(lái)自用戶(hù)價(jià)值標(biāo)簽，占模型貢獻(xiàn)率的60%（如：年購(gòu)買(mǎi)力等級(jí)、年消費(fèi)等級(jí)、高價(jià)值評(píng)估）6個(gè)入模變量來(lái)自用戶(hù)商品消費(fèi)、申請(qǐng)行為等標(biāo)簽，總計(jì)占模型貢獻(xiàn)度40%（如：金融相關(guān)行為、健康關(guān)注度、）加保模型使用客戶(hù)潛在價(jià)值評(píng)估模型效果評(píng)估21示例運(yùn)用實(shí)際加保結(jié)果，驗(yàn)證模型有效性與業(yè)務(wù)方進(jìn)行溝通，在建模數(shù)據(jù)提取過(guò)程中，合理保留一定批次，作為模型有效性理論驗(yàn)證樣本通過(guò)對(duì)比驗(yàn)證樣本，和建模樣本的模型表現(xiàn)，通過(guò)計(jì)算KS、AUC，psi等，來(lái)驗(yàn)證模型的有效性客戶(hù)潛在價(jià)值評(píng)估模型有效性實(shí)際驗(yàn)證22A類(lèi)名單B類(lèi)名單C類(lèi)名單測(cè)試組（模型排序）對(duì)照組（隨機(jī)挑選）模

11、型分層效果對(duì)比（轉(zhuǎn)化率）：整體提升效果對(duì)比（轉(zhuǎn)化率）：針對(duì)新贈(zèng)險(xiǎn)客戶(hù)進(jìn)行潛力評(píng)估，從而實(shí)現(xiàn)名單、座席、產(chǎn)品、話(huà)術(shù)的差異化匹配1X0.8X3.2X1.5XX倍示例人工智能客服06人工智能語(yǔ)音機(jī)器人簡(jiǎn)介24百小融利用語(yǔ)音技術(shù)實(shí)現(xiàn)人機(jī)交互語(yǔ)義理解NLU機(jī)器學(xué)習(xí)ML語(yǔ)音合成TTS對(duì)話(huà)管理DM5輪支持超過(guò)5輪的精準(zhǔn)回答交互90%自動(dòng)語(yǔ)音識(shí)別技術(shù)，準(zhǔn)確率超過(guò)90%80%智能語(yǔ)義理解技術(shù)（上下文、情感）準(zhǔn)確率達(dá)到80%打斷智能語(yǔ)音打斷識(shí)別，保證溝通全流程智能語(yǔ)音機(jī)器人特點(diǎn)25策略選擇通過(guò)策略自擬定配置、針對(duì)不同場(chǎng)景提供不同策略自我優(yōu)化NLP技術(shù)應(yīng)用，深度學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練機(jī)器人靈活配置自擬定時(shí)間，靈活配

12、置，保證工作合理安排多維度統(tǒng)計(jì)多維度數(shù)據(jù)統(tǒng)計(jì)，通話(huà)時(shí)長(zhǎng)、關(guān)鍵詞分析、多輪對(duì)話(huà)分析客群細(xì)分根據(jù)語(yǔ)義分析判斷客戶(hù)意向，對(duì)回訪(fǎng)結(jié)果進(jìn)行正確劃分新契約回訪(fǎng) 整體方案視圖26業(yè)務(wù)系統(tǒng)新契約客戶(hù)客戶(hù)基本身份信息、保單信息歸類(lèi)名單自動(dòng)外呼新契約回訪(fǎng)完成回訪(fǎng)并確認(rèn)無(wú)誤(A)完成回訪(fǎng)但存在問(wèn)題(B).未完成回訪(fǎng)(C)回訪(fǎng)結(jié)果全程錄音A、B類(lèi)回訪(fǎng)C類(lèi)回訪(fǎng)智能外呼機(jī)器人外呼任務(wù)外呼名單導(dǎo)入回訪(fǎng)錄音問(wèn)題件問(wèn)題修改回訪(fǎng)時(shí)間結(jié)果導(dǎo)出回訪(fǎng)錄音A類(lèi)回訪(fǎng)B類(lèi)回訪(fǎng)人工坐席A智能外呼平臺(tái)新契約回訪(fǎng) 支持對(duì)回訪(fǎng)客戶(hù)進(jìn)行活體檢驗(yàn)，確?；卦L(fǎng)真實(shí)有效27獲取精準(zhǔn)的人臉屬性信息，包括年齡、性別、表情、頭部姿態(tài)、眼睛狀態(tài)、人種等。精準(zhǔn)判斷兩張

13、人臉是否是同一個(gè)人，并返回置信度分?jǐn)?shù)和相應(yīng)的閾值，以便評(píng)估相似度?？啥ㄖ聘N合各場(chǎng)景的解決方案。精準(zhǔn)定位并返回最多 106 個(gè)高精度關(guān)鍵點(diǎn)，讓您的應(yīng)用可以進(jìn)行人臉貼紙、3D 動(dòng)畫(huà)模型等復(fù)雜變換操作。檢測(cè)圖片或視頻流中的人臉并返回人臉框坐標(biāo)。支持儲(chǔ)存檢測(cè)到的人臉數(shù)據(jù)。人臉檢測(cè)人臉關(guān)鍵點(diǎn)人臉屬性人臉對(duì)比人臉識(shí)別技術(shù)續(xù)期收費(fèi)管理 業(yè)務(wù)痛點(diǎn)以及可行解決策略28312電銷(xiāo)渠道續(xù)收難由于電銷(xiāo)渠道名單來(lái)源眾多，各渠道名單質(zhì)量參差不齊，導(dǎo)致續(xù)收管理困難無(wú)法聯(lián)系客戶(hù)客戶(hù)聯(lián)系方式錯(cuò)誤，無(wú)法聯(lián)系到客戶(hù)續(xù)收效率低電銷(xiāo)坐席成本高、招聘難待續(xù)收的號(hào)碼進(jìn)行驗(yàn)真，提升撥打效率直接對(duì)驗(yàn)真結(jié)果為假的數(shù)據(jù)進(jìn)行尋回，提升觸發(fā)率驗(yàn)真、尋回服務(wù)對(duì)電銷(xiāo)渠道名單，進(jìn)行用戶(hù)畫(huà)像，分析客戶(hù)行為、資質(zhì)運(yùn)用大數(shù)據(jù)，對(duì)客