某保险公司与外部合作，通过大数据指导营销员进行精确营销，人均产能较之前提升320%。某保险公司使用智能语音机器人，将电话销售中投保可能较大的客户将导流给人工座席，大幅度降低拒绝率，从而将人工坐席产能提升130%。某保险公司的理赔App可以通过拍照实现小事故自动查勘、并通过外部零配件数据库自动核定损失，将该公司理赔人员缩减至原先...
某保险公司与外部合作，通过大数据指导营销员进行精确营销，人均产能较之前提升320%。
某保险公司使用智能语音机器人，将电话销售中投保可能较大的客户将导流给人工座席，大幅度降低拒绝率，从而将人工坐席产能提升130%。
某保险公司的理赔App可以通过拍照实现小事故自动查勘、并通过外部零配件数据库自动核定损失，将该公司理赔人员缩减至原先的65%。
如果有了保险大数据交易中心，这些将不会再是拥有大量大数据和相当分析实力的大公司的专利，大数据带来惠及越来越多的中小新保险公司。
一、保险大数据为什么要交易
1、大数据将成为保险公司的核心竞争力。
大数据可以实现精确定价。基于历史经验数据的保险精算面临着重大挑战。特别是新兴的互联网险种中，传统精算如何动态而精确地厘定费率，传统精算已显乏力。实时大数据和动态模型将逐步取代静态历史数据和模型，在保险产品费率厘定发挥更为重要的作用，比如通过穿戴设备监控健康数据来厘定健康险费率，同时帮助客户加强健康管理以降低赔付。
大数据可以实现精确管理。大数据可以分析现有保险业务质量、预测潜在客户的赔付率，可以使风险较低的客户在同等费率下获取更大的保障。比如经常接受体检的客户可能花同样的保费可以获得比普通客户多2-3倍的重疾险保障。将保险公司运行数据与行业和其他公司比对又可以帮助公司找出管理中的漏洞，找到提升管理的新方法和新手段。
大数据可以实现精确营销。可以对现有和潜在保险消费者的行为和需求进行深入分析，预测出消费者的需求，精准推送保险产品与服务信息，精确配置营销资源，提高新客户获取率和现有客户留存率。比如大数据可以分析出在外资公司的新人、普通员工、中层、高管中，谁更愿意购买综合意外险，谁更愿意购买补充医疗险。如果没有大数据的支撑，互联网保险产品也成为无源之水。
2、打破数据垄断。当前保险公司的承保和理赔等业务数据相对而言较为齐全，但大量的客户行为数据仍然掌握在银行、车商等渠道商手中，既缺乏BAT等互联网公司的消费者画像数据，也缺乏社保中心、教育局等各类政府系统的数据。但要从这些平台获取大数据代价昂贵、渠道不畅，难度很大。
3、共享发挥乘数效应。共享可以使大数据的规模成倍增长，这并不是简单的1+1，而是能发挥乘数效应，使得融合以后大数据价值成倍增加甚至呈几何级增长，这是那些独立存在于某个公司或者某个行业的大数据根本无法比拟的。
4、数据交换需要规则和监管。交换数据需要考虑下列问题，包括数据的真实性、完整性，交换行为是否存在隐瞒、欺诈、篡改等行为，数据交换的保密性如何，交换双方的诚信与否，涉及隐私数据交易的加密和规范，这些都直接决定了双方是否有意愿或者在多大程度上愿意进行数据交换，需要一个平台制定相应的交换规则，并对交换行为实施监管。特别对于多边数据交换来说，如果没有一个协调平台，交换难以想象。
二、什么保险大数据可以交易
数据并非有形商品，如何能够找到交易的着力点，并不断扩大交易的品种，是交易所生存和壮大的关键。可以交易的大数据产品至少可以分三类，第一类是交易数据及加工产品。包括各类原始或初步加工的数据、分析和调研报告等，这是萌芽阶段。第二类是交易数据的衍生交易品。包括相应人才、设备、技术等。第三类是交易数据服务。包括数据的API融合，定制商业智能，数据孵化席位等。这三类从交易难度而言，也是从易到难的过程，目前包括“数据堂”之类的大多数交易平台主要集中在第一阶段，从保险交易所而言，可以逐渐探索和扩大交易范围，成熟一类交易一类。
第一类交易，数据及加工品
一是各类数据。
公共数据。包含全国和地方经济社会数据，人口数据，地形测绘数据，气象数据，灾害损失分部数据、社保数据等与保险有关的综合数据及各经济社会部门的数据。
保险数据。主要是保险承保、理赔、再保险等类保险公司的相关数字、图片、音频等数据。
外部消费数据。包括两种，一种是结构化的消费者数据，包括消费的基本信息和消费时间、地点、数量等，也包括非结构化数据，包括消费时形成的各类文本（如搜索关键词）、图片（如医学影像）、音频（如投诉和回访录音等）、视频、人际关系、地理路径（如位置信息和GPS轨迹）等等。这些数据或者以原始数据状态存在，或者以经过初步加工的状态存在。
二是数据分析报告。包括各类数据报告，比如某保险公司的2015年车险理赔分析报告、某互联网平台的年度客户特征报告。也可以是各类市场调查，比如在交易平台上可以委托某些调查公司对于需要的相关信息进行市场调研并形成分析报告。
第二类交易，数据衍生品
一是数据分析人才。大数据分析的核心是人才，据估计，我国未来五年大数据人才缺口将高达130万左右，大数据平台运维与开发、数据分析、数据安全等专业人才（特别是证析师）供求矛盾十分突出，具备扎实理论基础，又有业务实践经验的大数据人才奇缺。对于保险业而言，在开始进入互联网+时代后，大数据分析人才需求缺口将会很大。交易将进一步解决人才流动的信息不对称问题，将优秀的大数据人才引入到保险业中，在保险企业中有效配置人才。
二是数据分析算法和模型。国际上有一个Kaggle的数据挖掘竞赛平台，发布数以千计的比赛，吸引参与者设计各类大数据算法。算法和其聚合而成的模型是大数据是否能发挥作用的关键所在，算法可以简单到回归或者相关分析，也可以复杂到需要对一些图像或者音频等非机构性数据进行分析和构建模型。一个算法优劣与否也直接决定了大数据是否能被正确和充分利用，这需要花费大量数据分析师的时间和智力。数据分析算法和人才交易的区别就在于，人才是拥有智力，算法是租用智力具有更大的自由选择和较小的人力负担。
三是数据相关软硬件。主要是对于数据的硬件和管理软件进行开发和维护，即计算机硬件公司、软件开发商通过平台寻找商机。
第三类交易，数据服务
一是数据API融合。即为保险公司提供与阿里巴巴、京东、腾讯等掌握大数据的公司进行API对接的信息和交易服务，目前这种服务相当昂贵。交易可以使更多的主体参与到其中，进一步降低信息不对称性和交易成本。
二是商业智能（BI）解决方案。利用大数据改善和重造企业相关流程，提升企业运作效率，寻找企业发展新动力。主要有以下几类。
大数据应用。交易对方可以为相关软件公司或云计算公司等，比如开发基于音频分析的保险销售语音机器人，基于汽车事故和零配件数据的车险自助查勘定损系统等。
外部大数据智能开发。交易对方可以为掌握大数据的互联网公司和传统公司。这些公司指导或者派遣项目组到保险公司，提供数据和人力支持，帮助保险公司提升流程效率。比如互联网商品销售平台利用其掌握的客户画像帮助保险公司进行精准营销，同时协助保险公司对于相关流程进行改造以适应精准营销。或者为保险公司新型互联网产品开发提供数据支持。
内部大数据智能开发。交易对方为数据分析或咨询公司。对保险公司的现有数据进行分析，发现风险点和价值点，改善或再造相关经营的流程。
综合解决方案。上述三种交易产品也并非不相容，也可以互相融合，利用大数据解决公司在产品设计、营销定位、快速理赔和客户服务上的提供一整套解决方案。
三是大数据孵化服务。目前有一些大型的互联网公司建立生态孵化平台，为保险公司或产品提供大数据和销售渠道等支持，成为公司成长的助推器，这种服务本身可以作为一种商品进行交易。
（编辑：赵萍）
分享成功
