UBI是个舶来品,经过欧美等先进国家多年不断完善,最终形成了两种主流的实现形式PAYD和PHYD:
? Pay-As-You-Drive (PAYD);
? Pay-How-You-Drive (PHYD)。
在这两种UBI的实现形式中,PAYD是相对简单的一种:利用车载GPS硬件设备,记录车主的行驶里程并自动传输相关信息给保险公司,依据里程数制定保费价格。南非 Hollard Insurance是最早推出PAYD产品的保险公司。该产品的主要目标群体是驾驶里程少的司机,而设计模式类似于手机月度套餐方案,收费划分为Drive500,Drive1000,Drive1500以及不限里程的DriveMax等多个方案。但PAYD这种模式的主要缺点是未将被保险人的驾驶习惯考虑在内,比如急刹车频率
等。
PHYD:更为严谨的UBI解决方案
PHYD是更加复杂的UBI产品,通过包含GPS、加速度感应器、OBD(车载诊断系统)模块的车载硬件设备来收集更多的行车风险因子,除了里程数据外,还包括驾驶人的实际驾驶时段、地段、具体驾驶行为等信息。利用这些大数据,可以更为精准地评估车主的行车风险系数。如美国第一大财险公司State Farm推出的车联网产品包含驾驶反馈程序,通过加速、刹车和转弯这三个变量给司机打分,差异化定价的同时还能够帮助客户监控自身的驾驶行为。
美国第四大车险公司Progressive Insurance在1998年推出了第一款PHYD的UBI产品。从那时起,UBI技术迎来了天翻地覆的变化。2012年,Progressive Insurance承保的UBI车险保单总保费收入超过10亿美元。预计到2020年,全美车险市场UBI保险产品的渗透率将超过25%,带来超过300亿美元保费收入。2011年,UBI保险在欧洲已经超过百万用户,预计未来10年欧洲市场的UBI保险保费将会达到500亿欧元。
保险公司在应对UBI带来的海量存储数据时,必须要制定公司数据管理策略。数据管理策略应该建立标准的、统一的解决方案,相关工具以及方法,同时制定数据管理流程来管理公司核心资产-UBI数据。同时数据管理策略应该考虑灵活性以及可扩展性,需要考虑数据潜在的增长,以减少未来在数据过滤、合并、布局方面额外付出的成本。
数据管理策略关键考虑4个方面:
1)数据整合-提升整个组织内准确的UBI信息的流转;
2)数据质量-确保信息的完整性和准确性;
3)数据访问-管理企业内数据使用及访问;
4)统一数据-创建准确的、统一的数据视图及口径。
如何找出高风险客户
谁是高风险客户是一个每年行驶仅8000公里的都市上班族还是每年行驶里程超过30000公里,但大多数都是在高速公路上的区域销售经理研究表明,交通事故发生率与行驶里程之间是相关的;但通过比较2008年英国不同道路类型的事故数据,又发现高速公路每公里事故风险比其他道路类型每公里的事故风险低80%。所以,如果没有UBI数据和大数据精算技术,我们是很难判断谁是高风险客户的。
面对通过车联网收集的这些海量数据,保险公司如何知道哪些变量是具有可预测性的,哪些变量能够很好预测驾驶行为、可以很好预判理赔损失呢
保险公司同时还面临另一个问题,那就是达到多少的数据量才能得出统计学意义上的可信结果通常业内一般都认为至少需要10000车年以上。
车星际UBI车险彻底打破了上述不合理的现象,还给车主一个公平的保费,也帮助保险公司有效地控制了风险,改善了盈利状况。虽然很多反对者担心UBI所带来的隐私问题,但有一点大家都是认同的:UBI车险提高了定价的透明度;通过车星际UBI系统,被保险人了解到他们的保费是如何计算的,同时他们知道好的驾驶行为是被认可的。
车星际UBI使得保险公司能够向个人客户展示其驾驶行为信息,并鼓励、促使客户驾驶更安全,出行低碳更环保。