航旅保险背后的那些事儿,都被大数据挖出来了

DT财经

百家号17-12-2818:43

文/数据侠 刘鹏

各种航班管理App的出现,推动了航旅大数据时代的到来。而有了大数据,传统的航班延误险服务同样也正在发生改变。12月21日的数据侠实验室线上活动中,DT君邀请到2017年上海开放数据创新应用大赛(SODA)“未来之星奖”得奖团队负责人——敬之网络创始人兼CEO翟文君、联合创始人刘鹏,为大家揭秘如何借助海量航旅大数据优化传统的保险服务。

航旅大数据是怎么划分的?

今天我们主要谈谈作为乘客,在大数据+科技赋能的时代,能够享受航空出行中的哪些便利。首先和大家分享一下中国的航旅大数据。

可以从图中看到,2016年中国总计有4.9亿人次选择飞机坐飞机出行,比上年同期上升了11.9%。有这么多人在“天上飞”,他们在出行的过程当中又会遇到哪些问题呢?

可能我们普通的乘客对于航旅大数据的理解,会包括个人信息、所乘坐航班、出港机场、天气等因素。

具体从应用层面有以下几个维度来帮助大家剖析大数据:

一方面是从人的维度来对航旅大数据进行切分,再通过大数据分类可得:

一是乘客的个人基础属性、某时间段内的飞行次数、航空公司金银卡统计、最繁忙的月份乘机次数、1年内平均折扣、商务舱乘机次数、头等舱乘机次数、经济舱乘机次数、出发城市统计、到达城市统计、航空公司偏好等。

二是航旅相关的飞行数据和航空公司客票之间的数据维度,包括国内飞行次数、国外飞行次数、免费次数、平均票价、总延误时间、平均延误时间、平均提前出票天数、最后飞行时间、最后起飞城市、最后抵达城市、总共飞行里程数等。

另一方面,从航班维度的基础字段来划分,航旅大数据则包括了时间、飞机、地点及其他相关数据。

时间包括计划起飞时间、计划到达时间、实际起飞时间、实际到达时间、起飞延误时间和到达延误时间;飞机相关包括机型、机龄、座位数、航空公司和今日飞行计划;与地点相关的包括起飞机场、降落机场和经停机场;其他相关的数据包括起飞机场天气、到达机场天气、航路天气和前序航班等。

基于航班历史数据来改进航班延误险服务

如果只有单纯的想法创意,很难形成企业发展的门槛。所以要在海量的大数据背景之下,逐步形成可持续的科技发展能力,才有能力不断协助保险公司升级,优化现有的流程和系统。

敬之网络的技术与精算团队研发了一款基于航班历史延误数据的完整航班延误预测模型——SEAM系统。

系统中提取了影响航班延误最有价值的一些数据源,通过机器学习和增强机器学习技术,建立了非线性特征和时间序列特征等系列特征工程,结合了深度学习当中的非线性回归、模式识别及长短期记忆原理,建立了多维度的预测模型,并且经过深度学习后,目前系统30分钟以内延误预测率的准确值已达到95%。

SEAM系统支撑上万种航班延误产品,通过SEAM系统对航班延误率的精算和对应保险产品设计产生了新的驱动力。比如说我们可以建立浮动费率航班延误险,实现起赔条件、险种赔率、赔付金额和保费金额等多个维度的动态浮动。

系统通过大量数据的深度学习,结合用户画像与航延预测模型(包含天气、流量、航空公司、机场、历史延误情况),形成航延险精算模型,对应不同的赔率,筛选出1-3款产品给到用户。同时,SEAM系统会优化航班延误险、机票退票险产品及服务,提供风控与反欺诈支持,自动核保,即时理赔。

如果仅满足于交易金额的动态变化,并没有充分发挥科技赋能本身的价值和作用,那通过航班延误精算模型生成的航班延误险还会为乘机用户延展哪些新的价值点?举个例子,当乘客达成延误航班到达目的地机场时,心情焦虑的同时还需要和自己出行的地面交通工具取得联系,这时如果有一辆免费专车已提前为您到达迎候,是不是体验很棒?

另外一项应用维度,就是风控和反欺诈。商业保险最基本的职能就是风险管理,因为风控本身对商业保险的运营和可持续性有极其重要的影响,同时反欺诈也会在一定程度上降低对保险机构经营风险,有了航班延误这种即时可得的赔付,就会对应出现一些人产生这样的想法:主动来薅保险公司羊毛。

经过我们在行业当中风控反欺诈案例的积累和应用,发现保险公司在航班延误保险实际赔付案件中也会出现一定比例的错配案件,在2017年的6月到9月,平均检出人工错赔率是5%,鉴于此,通过我们的风控和反欺诈模型,可有效降低各商业保险公司航班延误险综合赔付率。

传统航班延误保险理赔流程如下:乘客需要主动报案,还需要提交登机牌、延误证明、银行卡号,5-20个工作日才能收到赔款。乘客在旅行过程中遇到延误本是一件很不爽的事,还要经过一系列繁琐程序,才拿到一笔为数不多的钱,这会增加乘客焦虑和不满。但现在通过我们的自动赔付引擎,保险公司可以自动地监测整个延误的情况,乘客也无需在航班发生延误时去亲自报案,不需要提交任何线下资料。当飞机落地时,立刻就能收到理赔款。

上面这张图显示了SEAM系统在营销方面所发挥的作用。为达到精准营销的效果,需要在海量数据基础上进行与产品特性高度匹配的用户画像,通过上千维度的数据标签,可以挖掘出用户深层需求并为其提供差异化服务建立了依据,可以满足他在不同出行节点的一些具体服务需求,同时为多场景切换提供了时间窗口。这样用户触达的产品和服务会更符合其自身的偏好和特征。

大数据本身在营销方向对客户行为特征的刻画会伴随机器学习变得越来越精准,所以在不同航旅场景当中,不同标签项的用户会得到完全不一样的体验。

关于航旅大数据与科技赋能的几个思考

以上就是案例分享的内容,最后我还有几个问题想跟大家分享。

第一个问题,当传统保险服务遇到大数据+科技的时代,谁来为航旅用户提供服务呢?这个问题其实大家可能觉得会很奇怪,答案显然是航空公司或是保险公司。但其实乘客会面临多重的选择,这就是敬之网络对保险行业的积极影响,之前保险交易的触点是在保险营销场景,但通过敬之网络,大家对于航班延误这类产品的交易触点,就会从常规的保险营销端转向非营销向,这是一个很积极的变化,我相信大家会在未来更多的非机票交易场景当中,见到不一样的航班延误险和服务。

第二个问题,技术会带来什么红利?敬之网络通过SEAM模型建立的全新驱动力,也会对用户产生积极的影响,我们所提供的自动核赔引擎,会成为用户行中的“小确幸”,让乘客从保险服务的被动交互时代跨入了动态交互时代。

第三个问题,航班延误保险赔付的价值或者损失是什么?大家直观感觉最实惠的肯定是赔一笔钱。但是乘客到底损失了什么?这个问题答案如何。敬之网络出现后,航班延误险的赔偿会从简单的风险对价向场景服务的交付来过渡,乘客的获得感从无到有,从虚向实,以后也会越来越多地交付给到乘客。

第四个问题是应该如何赔?传统的商业保险是以经典的精算模型来定义产品的边界,定价逻辑和产品相对程序化和粗放,未来这个逻辑会不断向精细化和颗粒度解决方案去延展,敬之网络将会以多维数据模型来重构原来的风险定价机制,并且实现更精准的定价和更准确的赔付服务,这对商业保险本身将产生诸多积极影响。

从保险诞生到今天,始终是围绕纯风险损失概率的定价来发展的,航班延误属于广义财产险当中的非实物类的无形风险,对应于购买机票以后时间成本的经济利益损失。但是如何计算这个损失值?必须依靠产品逻辑,面对4.9亿的出行人次,需要一个全新逻辑来适应新时代下航旅生活方式升级的新需求,因此敬之网络将担当科技作为保险行业新动能的使命,让每位乘客的出行生活获得满满的幸福感、安全感和获得感。

注:以上内容根据刘鹏在线上数据侠实验室的演讲实录整理,文字有删节,已经本人审阅。点击“阅读原文”,获取作者直播回放。本文仅为作者观点,不代表DT财经立场。

编辑 | 项静

题图 | 视觉中国

期待更多数据侠干货分享、话题讨论、福利发放?在公众号DT数据侠(ID:DTdatahero)后台回复“数据社群”,可申请加入DT数据社群。

数据侠门派

本文数据侠刘鹏,上海敬之网络科技有限公司联合创始人,中央财大保险学子,拥有10年以上保险行业从业经验和6年互联网保险创业历程,主持国内首家互联网保险专业第三方平台搭建,熟悉保险产业上下游业态及发展趋势,对保险+科技有独到见解,丰富的跨行业资源整合与实战能力。

加入数据侠

“数据侠计划”是由第一财经旗下DT财经发起的数据社群,包含数据侠专栏、数据侠实验室系列活动和数据侠联盟,旨在聚集大数据领域精英,共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”,投稿、合作请与我们联系。

本文由百家号作者上传并发布,百家号仅提供信息发布平台。文章仅代表作者个人观点,不代表百度立场。未经作者许可,不得转载。

返回顶部