大数据时代，数据的开放与运用，已成为国家综合竞争力的新标志。而今，大数据战略提升至国家层面。对于具有大数据天然属性的保险企业而言，不仅是发展的战略问题，更是支撑高效持续增长的业绩需求。

毋庸置疑，无论是主动还是被动，中国保险业正在经历大数据的洗礼。保险业如何才能深度挖掘使用大数据，让其蕴含的价值真正被源源不断地吸取是当前险企必须正视的问题。

大数据在保险行业的运用目前主要有三个方向：精准营销、风控以及增值业务开发。

目前，保险行业已经出现了专门的互联网保险公司，他们拥有亿量级的海量用户，可以为客户提供全程互联网保险服务，立足建立将客户价值数字化、全面量化的评估体系。在“互联网+保险”的垂直行业，他们可谓是大数据应用的先行者。

具体来说，他们是基于现有的过亿的用户，通过健康保障度、健康资料完整度和健康活跃度等五个维度给用户做评分画像，基于这样的体系给每个用户不同的分数段以及推荐不同的服务。画像的结果一是可以增加用户的黏性，二是可以用做未来决策定价的基础。在这些维度中，通过热数据，比如说用户在腾讯云上做了一些丰富的健康测试，基于这些行为，可以对其健康度进行一个评分，因为热数据更能体现健康行为和倾向的变化，从而为后续产品、服务定价和决策提供一个支撑作用。针对用户的实际情况，推荐一些有针对性的健康和服务。通过数据分析对用户进行了差异化分取和运营，给用户提供差异化的服务。

精准营销的第一步是用户画像：就是对平台用户打标签，目前设计的标签都是比较零散化，暂时不做层级划分，在业务没有成型之前先把特征标记上，后面业务成型之后再做分层分级。打的标签具体分两个纬度，一个是用户的基础属性纬度，另外一个就是用户意愿属性维度。

例如，在某家银行里，可能某个银行用户是一个高净值用户，但是在这个银行里面只存了几万块，如果把这个客户界定为低净值用户就会错过很多机会。所以首先要把数据收集工作做到位，形成真正的大数据，然后再对用户进行基础属性和意愿属性的划分，按照四个区域进行分类：低净值、低意愿，低净值、高意愿，高净值、低意愿，高净值、高意愿。如何筛选出高价值用户?做法非常简单，当鼠标选择这一部分，点击缩放按钮可以看到所有的明细数据和表格都可以做联动，这种应用是敏捷式的体现。做用户画像和数据分析的时候往往针对某一类的用户，比如看到他的特征可以给他设一些标签做筛选，针对这些特征提供给风险部门或者营销部门和业务部门的同事做一些定位推广和营销指导，实时的数据分析和反馈也便于提高企业级风险管控能力。

有了准确的用户画像，那么第二步就是个性化营销：目前互联网保险平台在这个方面还处于非常初级的阶段，大部分的保险客户要么就是通过强有力的信任关系引入的，要么就是外面的数据公司通过流量导入的质量不太高的客户，分层界限比较明显。那么如何培养低意愿用户慢慢地形成高意愿用户是当前大数据营销所面临的一个重要课题。

大数据在保险行业风险控制方面的应用

从应用场景中可以看到大数据在业务风控和管理风控方面有着广泛的应用。通过收集用户和消费数据最后形成客户层面和产品层面的反馈。客户层面就是风险控制，对用户进行大量数据分析，看这个人本身是不是个风险用户。然后把产品风控模型、用户风控属性和投保意愿综合起来，最后给用户进行自动智能的保险服务。

为客户提供保险增值业务方面的服务

保险领域创新是新的价值流向，其中最受关注之一就是供应链保险。这个领域正在将传统的供应链保险底层进行改造，用区块链底层进行改造。改造有几个方面，一是供应链通过区块链的方式把它高效链接起来。二是把它的支付系统进行改造，实现在缺乏信用关系前提下的安全可靠的交易。

大数据不仅是IT产业的一次创新与变革，更是作为一场技术革命将我们引入数据化驱动时代，它对包括保险行业在内的很多行业的经营决策、销售管理、客户分析等方面已经或正在发生颠覆性变革。