江苏龙网

  1. 首页 > 资讯 > 财经 > >

中年|黄颖：车辆事故保险大数据分析( 二 )



这些统计只是简单概要结果 ， 背后还有很多数据分析 。 从汽车质量安全角度和整个交通事故后果严重程度 ， 包括后续其实从保险行业去做风险管理角度 ， 希望未来零事故 ， 也希望未来零理赔 ， 这可能是风险管理的最好状态 。
基于平台数据做了应用和分析 ， 在这里以两个例子给大家介绍一下 。 基于全国车险信息平台数据 ， 我们做了全国道路风险的地图系统 ， 实际上 ， 希望通过地图映射形势描述发生交通事故的画像 ， 根据调研 ， 设置了分地址、区域、时间、空间、险种责任、车辆等17个维度进行风险评估 。 给大家举一个例子 ， 我们在今年9月份发布了广东省2020年车辆道路的分析地图 ， 以广东省2020年4至7月出险数据作为基础 ， 高风险道路有614条 ， 中风险道路704条 。 我们希望通过地图分析 ， 一方面银保监会帮助保险机构提前采取措施 ， 另一方面也帮助社会公众提前掌握这些信息 ， 尽量让大家规避或者尽量减少事故发生 。
这次论坛的主题是“汽车智能网联” ， 也就是“新四化”部分 ， 在这里需要提前跟各位说明 ， 一方面我们的数据是以2017年新能源车风险作为一个事例给各位作为参考 。 从整个车险出险率来看 ， 新能源车出险率高于传统车 ， 从区分燃烧类型来看 ， 电动汽车占比高于其他燃料类型的幅度较高 。

对比新能源车和传统汽车分析案件 ， 以车辆损失险、三责责任险、车上人员责任险划分 ， 新能源车和传统车对比整体框架一致 ， 但是与传统车对比 ， 新能源车的三责险占比相对要高一些 。 可能是与起步速度和行人伤亡情况密切相关 。 新能源车在火灾、自燃、暴雨、暴风等自然灾害中的损失金额是明显高于传统车辆的 。 基于此 ， 对整个新能源车事故风险做了初步研究 ， 发现从零部件、风险、场景和突出影响因素这四个角度 ， 与传统车风险管理有较大不同 。 刚才各位专家也提到 ， 充换电的场景和充电桩情况和消费者充电桩的一些行为 。
车辆保险事故分类 ， 分为本车财产损失、本车人身伤亡损失、第三者人身伤亡损失和第三者财产损失 。 前面两个是道路交通事故和相应的单方事故 ， 后面是自然灾害和社会灾害类事故 。 这个是事故理赔处理的流程 ， 从消费者感知和报案 ， 为什么理赔周期会那么久 ， 中间也会涉及到很多环节 ， 供大家参考 。
第三 ， 面向汽车产业的信息服务探索

我们也在思考是否针对汽车服务进行相应的应用和探索 。 哪些情况会影响召回责任 ， 可能会涉及到车主初始档案不健全 ， 报废状态不明确 ， 另外就是考虑到实施方式的局限性 ， 通知送达状态不可知等 。 基于这些问题进行探索 ， 从保险行业或者利用平台数据和技术的优势 ， 又怎样去解决相应的问题 ， 所以我们也在探索一些服务项目 ， 希望能够帮助召回工作的整体提升 。 所以思考从三个方向开展：方向一 ， 关于车辆信息动态查询 ， 包括车辆使用性质、年限、报废等信息查询 。 方向二 ， 依托保险渠道做线上化渠道通知 ， 同步考虑在线上投保环节或者其他保险业务流程环节嵌入相应消费者告知的场景 。 方向三 ， 告知义务留痕 ， 现在保险领域更多用电子签名技术 ， 我们平台有相应技术应用和支持 ， 是否可以从这个角度提升整个召回完成率 ， 这也是我们一直在探索和交流的方向 。
汽车行业安全与保险风险管理相关 ， 我们希望开展跨行业的工作 ， 实现共赢 ， 推动产品安全和召回工作实施 。 想听听各位专家的意见和建议 ， 我们也在探讨一些方向 ， 包括推动召回的状态和车辆的免责和费率挂钩 ， 研究召回状态和事故情况 ， 考虑通过保险渠道收集消费者反馈 ， 以及希望通过保险行业去推动召回责任险的相应产品创新 。

除了主要关注的召回工作以外 ， 也考虑到现在智能网联汽车产品越来越多 ， 从保险行业来讲承保的难点也越来越大 ， 希望通过保险大数据开展配置有效性和风险评价 ， 提取了一些数据维度包括一些出险的情况和ADAS系统配置情况 。 一方面了解到整个配置的有效性 ， 帮助车险产品迭代；另一方面根据有效事故出险 ， 评估是否设置相应保险费率折扣 ， 尽量帮助企业相应的降低保险成本 。


推荐阅读


上一篇：三优亲子|“没人敢找我”：丈夫离世36年后，董明珠回应为何不再婚

下一篇：股票|辅仁药业手握18亿却拿不出6000万 证监会开出正式罚单