从反欺诈切入,元嘟嘟要整合车险理赔服务 | 爱分析访谈

2018-06-05 11:19
作者:爱分析
来源:爱分析ifenxi

2018年2月,保监会印发《反保险欺诈指引》,明确“保险机构应当承担欺诈风险管理的主体责任,建立健全欺诈风险管理制度和机制”。

在监管升级和商车费改的双重压力下,保险公司对于车险理赔反欺诈领域重视空前。但系统建设能力非一朝一夕之功,除了平安等几家大型保险公司有足够的科技力量储备,中小保险公司则力有未逮,这一局面也给了有技术优势的第三方大展拳脚的机会。

元嘟嘟成立于2017年12月,是一家车险理赔反欺诈公司,运用人工智能技术识别理赔欺诈,赋能保险公司。2018年4月,元嘟嘟宣布获得盈动资本天使轮融资。

车险理赔细分领域服务商多,未来将获整合

国内车险理赔是一个细分领域众多的行业,包括公估定损、核价核损以及核赔三个环节,每个环节还有众多的垂直领域供应商,山头林立。

这一现象与保险行业发展阶段有关。针对不同区域、不同需求的保险公司,出现了不同体量、不同类型的第三方服务商。如在理赔公估环节,300余家公估公司中既有民太安、泛华公估这样的全国性服务商,也有百余家地区性服务商。

目前第三方尚没有能力或没有意愿进行整合,但根据发达国家经验,行业整合不可避免。从另一个角度看,保险行业集中度高,随着理赔服务要求的提高,拥有人才、技术和成本优势的大型服务商才有能力去覆盖保险公司的需求。

从数据角度来看,进行后端理赔服务的第三方难以切入销售、核保等前端业务。后端服务商拥有的是理赔案赔付情况、车辆出险信息及车辆维修信息,而难以获取客户信息,因为保险公司在向第三方提供敏感信息时会进行加密处理。在缺少客户信息的情况下,难以切入前端环节。

从车险反欺诈切入,将打通后端理赔行业

赔欺诈和渗漏是车险核赔的痛点。其中欺诈指的是理赔案造假,渗漏指的是保险公司理赔金额超出应赔金额,访谈中,元嘟嘟CEO袁清林表示,这两部分约占车险理赔金额的20%。

元嘟嘟的服务以咨询形式落地。合作的保险公司需要开放过往的理赔历史数据,元嘟嘟的模型专家根据不同保险公司特点进行模型权重调整,也可能会修改模型数据字段。

在理赔业务环节中,元嘟嘟目前仅涉及核赔反欺诈反渗漏。在公司发展路径上,从为车险公司提供反欺诈服务开始,积累坚实的核心竞争力,逐步覆盖定损系统、核损核价等业务。未来元嘟嘟也将整合相关渠道等资源,为保险公司提供一站式服务。

640.jpg

近期,爱分析对元嘟嘟创始人、CEO袁清林进行了访谈,袁清林曾任中青旅遨游旅行网任职技术总监,中国移动12580常务副总经理, Control€xpert(德联易控) 中国区CEO。

访谈中袁清林就国内车险理赔行业发展及元嘟嘟的业务、战略进行了阐述,摘选部分内容分享如下。

保险理赔行业将整合,突破难点在于数据壁垒

爱分析:国内车险反欺诈服务行业发展情况如何?

袁清林:国内车险反欺诈服务行业目前正处在一个最好的时期。

从监管层面来看,银保监为了保险行业更健康的发展,制定并下发了《反保险欺诈指引》。《指引》中规定:保险公司反欺诈的责任人为公司高管,反欺诈系统是保险公司的必备系统,指导保险公司可以通过与第三方外包服务商进行合作开展保险反欺诈工作。

从保险公司层面来看,第三次商车费改已经落地,前端销售费用率并未见有下降的迹象,保险公司为了控制综合成本率,只能从赔付成本的控制入手。

控制赔付成本的同时,又要保证对优质客户的服务质量,这就要求保险公司做到“不错赔、不惜赔”。为了做到“不错赔”,就要拒赔欺诈案件、减少定损渗漏。保险公司基于自身因素的限制,需要完全独立的第三方来为保险公司进行反欺诈服务。

爱分析:相比欧美发达国家,国内车险反欺诈存在哪些不足与机遇?

袁清林:国内的车险反欺诈,近几年逐渐引起保险公司和监管机构的重视,相对美国等发达国家,国内车险反欺诈系统建设起步较晚。

但是,人工智能技术在这两年有了较快的发展。国内的反欺诈系统服务商在人工智能技术应用方面并不逊于美国等发达国家。而且,国内的车险理赔案件量远远高于美国等发达国家,这就为人工智能模型的深度学习奠定了优于美国等发达国家的基础。

爱分析:车险理赔主要分为哪些环节,每个环节有哪些痛点需求?

袁清林:车险理赔的主要环节有:报案、查勘、定损、核价核损、理算核赔等,这些环节目前比较普遍的情况是:系统自动化程度较低,人员重复工作较多,工作效率低下。

保险公司急需在这些环节通过科技的应用提高工作效率、降低人力成本。

爱分析:国外理赔服务行业市场格局?

袁清林:国外行业整合更紧密。但国外除了从事整体服务的企业之外,每个细分的业务环节也会有垂直领域的服务商。

比如在在德国,一些外部公司为保险公司提供整体的理赔服务。此外,还有做定损及车辆结构数据的第三方公司,如专注配件价格数据的DAT,进行修理厂标准制定的TUD等等。但总的来讲,国外服务商数量较少。 

服务商现状是由车险行业现状决定的,中国车险公司并没有像国外这样,把车险理赔整体交给某一个专业性的公司来做,所以造成每一块业务块都有一个或多个服务商在做。

我的观点是,未来国内理赔服务商也非常有可能向一个整体的方向去整合。

分析:如何实现车险理赔环节的整合?

袁清林:在每个理赔环节,根据各自环节的实际需求,引入新的技术。

例如:在核价核损环节,通过风控系统的引入,实现案件的分流,把不同风险的案件流转到所对应的专业人员的平台进行审核,提升工作效率;无风险案件自动审核通过,提升客户感受。

爱分析:信贷反欺诈的公司切入保险理赔反欺诈领域可能性有多大?

袁清林:如果有强大的数据建模团队,经过一定的学习,他们是有能力进入保险行业的,但很可能无法有效获取相应训练所需的数据。从这个角度来说,他们切入是比较难的。

爱分析:如果理赔环节最终会由大型服务商整合,那么在您看来从哪个角度切入更顺畅?

袁清林:我认为发展路径取决于每个服务商的核心竞争力。据我了解,国外服务商都是以反欺诈反渗漏切入。前面的环节做好了,后面就会水到渠成。

市场催生反欺诈需求,元嘟嘟完善模型打基础

爱分析:为什么2017年开始,保险理赔反欺诈的市场开始兴起?

袁清林:这是市场培育的结果,从2017年保险公司开始意识到理赔欺诈的问题。

从另外一个角度来看,银保监会发文,明确要求保险公司要具备理赔风控能,这对保险公司加速行动也有相当大的促进作用。

爱分析:保险公司如何评价核赔的效果?

袁清林:保险公司有专门的核损核价团队,通过核损核减率指标来衡量核赔效果。

核损核减率的概念是:理赔案件接入核损核价团队之前,会有定损的金额,核损核价团队会经过测算得出合理的理赔金额,用后者除以前者得到的比率就是核损核减率。

爱分析:未来产品会做成标准化模型部署在公有云供客户调取,还是必须进行私有化部署?

袁清林:从技术上来讲,这两种方式都是可行的,我们都可以做到。从实际合作来说,目前保险公司更希望将整套模型私有化部署。

爱分析:元嘟嘟的反欺诈模型标准化程度如何?

袁清林:很高。反欺诈模型部署时,根据不同保险公司的数据进行参数权重调节就可以。但也不排除有的时候针对某一个保险公司,除了权重的调整之外,进行个别数据字段的调整。

爱分析:中国的车险保费中,不同类型车辆的占比如何?

袁清林:从经验角度来说,乘用车占80%以上,商用车、货车等在剩余的20%中细分。

爱分析:对于元嘟嘟,大部分的数据都是乘用小车吗?

袁清林:可以这么说,但其他类别也是有的。还有一个重要的分类,就是电动车。

电动车的核赔模型与燃油车不大一样。二者行驶方式没有差别,但是事故的内部碰撞逻辑不同。事故发生之后,判断它是不是虚假案件,差别不大。但是从零配件损伤、电池是否需要更换等情况判断理赔金额合理性的数据模型是不一样的。 

爱分析:合作的数据源包括哪些?

袁清林:数据源主要包括三类:第一,为保险公司进行已决案件审计检测的案件积累;第二,为保险公司进行实时案件检测的案件积累;第三,为保险公司定制化模型开发、训练所用数据的案件积累。

爱分析:渗漏加欺诈大约占理赔支出多大比例?

袁清林:大约20%,因为车险理赔的灰色收入大概就是理赔支出的20%。在理赔风控领域,这20%差不多就是天花板。

爱分析:元嘟嘟为什么选择在车险理赔风控领域创业?

袁清林:元嘟嘟创业团队成员大部分来自于保险科技研发及车险理赔风控领域,各成员均在各自领域积累了丰富的经验。对保险公司理赔流程、系统特征、业务需求有着非常清晰的认知,对于人工智能技术与车险理赔风控结合应用为保险公司提供服务有着完善的解决方案,所以元嘟嘟选择了在该领域进行创业。

爱分析:元嘟嘟的创始团队背景?

袁清林:像我自己之前曾四年担任Control€xpert中国区CEO。核心团队中大部分人员来自保险领域相关,也有在美国高科技公司工作多年的技术负责人。

爱分析:现在元嘟嘟的团队有多大?

袁清林:元嘟嘟发展得比较快,目前有30多人。在美国加州,我们有一个人工智能研发中心,由联合创始人曾剑波负责,和国内开发团队联合进行大数据、人工智能方面的研发。

在国内,我们正在和清华大学计算机系合作,近期将会成立联合研究中心,专门针对车险智能理赔相关领域进行研究。

我们的团队发展节奏是小步快跑,因为我们是以科技为第一驱动力的创业公司,技术核心在于人工智能,目前团队大部分成员集中在这方面。换个角度来说,我们不靠人力来进行理赔案反欺诈,团队规模不会和业务量增长成正比,越到后面团队增长速度越慢。

本站系本网编辑转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间删除内容!
[声明]本站文章版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。本站拥有对此声明的最终解释权。