一、司機與路，如何影響“大貨車”保險業務質量?大貨車+大數據，助力識別風險
“互聯網+”正大貨車行業，基於互聯網大數據應用的“無車承運”，恰是整合資源、打破壁壘、實現跨越式發展的良方。對此“春江水暖鴨先知”的是行業底層的普通貨車司機。
貨運市場，曾是一片混沌的“江湖”，如今的中國車貨匹配APP龍頭之一，總部位於貴陽的“貨車幫”，在2009年創業之初，每到一個地方几乎都會因動了地方貨運勢力的“奶酪”而遭遇強大阻力，僅2015年，他們就被各種地方貨運勢力砸了70多輛車。已主導中國西南“半壁江山”的貨車幫，與另一巨頭“運滿滿”不打不相識，正式宣佈合併為“滿幫集團”，同時兩家公司對外發布消息稱，將保留原有貨車幫和運滿滿的品牌繼續獨立運作，業務上進行優勢互補的戰略整合。
二、大貨車互聯網大數據應用的發展，將有效改善現有大車業務篩選能力，實現“優中選優，差中去差”，避免“一刀切”帶來的規模大幅下滑，同時有效防止被對手逆選擇。
對重載貨車業務，也就是我們通常說的大貨車業務，保險行業可謂“愛恨交織”，一方面，重載貨車保險業務規模大、保費價格高且屬於強週期性行業。以XX公司為例，營業貨車年保費收入400億元，保費規模貢獻度接近15%，其中承保10噸及以上的重載貨車佔營業貨車總量的八成。但另一方面，重載貨車業務質量具有“高風險、高賠付”的特點，是保險公司在此業務領域普遍存在承保虧損的重因之一。
三、在當前嚴峻的市場競爭下，如何做到“質量兼顧”成為業務發展痛點，即避免“一刀切”核保政策帶來的業務規模大幅下滑，同時嚴控品質、保證效益。小編就與您一起來了解下，到底什麼是影響大貨車業務質量的主要因素。
影響貨車風險因素比較複雜， 傳統的有歷史出險記錄(NCD) 、噸位數、車齡、車價、貨車類型、是否異地車輛等。其中，全國範圍看，自卸車風險相對較高，異地車、轉入車由於對車輛歷史信息掌握較少、管理上存在難度，賠付風險也相對較大。而歷史無出險記錄、低車價、廂式/倉柵式貨車的賠付風險相對較低。
另外，目前數據顯示，承保高限額現三者險業務的打車費率充足率程度相對較低，不同的車隊由於管控水平不一致，期賠付率情況也是呈現較大差異。
在達到一定數量後，傳統因素的風險區分提升度將遭遇“天花板”，也就是說，僅根據上述傳統因素對大貨車進行風險評估，可能無法再深入區分大貨車業務質量。舉例來說，兩輛車型參數完全相同的貨車因其不同水平的駕駛員和行駛路徑，導致風險水平存在較大差異。
四、保險公司精算部會對對覆蓋眾多駕駛、運營、道路等涉及到從人、從用的動態車聯數據進行了全面量化分析，發現從人(駕駛員習慣)和從用(貨車用途)，即“誰來開車”（隊駕駛員資質、車隊管理)、“怎麼開” (車輛狀況、運營強度)和“在哪開”(運營路線)對進一步提升貨車風險識別能力起到非常關鍵作用，其中行駛日日均里程、高速里程佔比、夜間裡程佔比、百公里危險路段運營次數等4大因素影響最為明顯：
1、行駛日日均里程(=總里程/運營天數)。分析顯示，隨著日均里程增大，保險賠付成本呈單調上升。說白了，就是“開得越多，風險越大”。
那差異到底有多大呢?以交強險為例(下同)，通過比較發現，按照日均里程的多少將業務等分為20組，組別間賠付成本的最大差異為3.3倍。也就是說，日均里程最高的那一組的賠付成本，是日均里程最低一組的3.3倍。
2、高速里程佔比(=高速路行駛里程/總里程)。分析顯示，隨著高速里程佔比增大，保里程佔比不同的組別間賠付成本的最大差異為3.0倍，即高速里程最少的那一組的賠付成本，是高速里程最多一組的3倍。
至於其中原因，分析指出，高速公路上發生的事故往往是低頻高額類事故，經常在高速公路上行駛的車輛，風險較平均水平低，因為少了很多高頻低額的風險。
3、夜間裡程佔比(=夜間行駛里程/總里程；“夜間”的定義：22：00--4：00)。分析顯示，隨著夜間裡程佔比增大，保險賠付成本呈單調上升，即“夜路越多，風險越大”。
夜間裡程佔比不同的組別間賠付成本的最大差異為1.2倍，即夜間裡程佔比最高組的賠付成本是最低組的1.2倍。但是當夜間裡程佔比達到一定程度後，賠付成本上升趨勢明顯平緩。
五、百公里危險路段經過次數(=危險路段經過次數/總里程×100；“危險路段”指連續彎路、傍山險路等黃色三角形指示牌)。分析顯示，隨著經過危險路段次數增多，保險賠付成本呈單調上升，即保險事故風險與危險路段是高度相關重疊的。
百公里危險路段經過次數不同的組別間賠付成本的最大差異為1.5倍，即百公里危險路段經過次數最多的一組的賠付成本，是危險路段經過次數最少一組的1.5倍。
精算分析還顯示，除了上述四大類車聯因子外，“中午運營里程佔比”(=中午行駛里程/總里程)、“常跑路線次數佔比”(=常跑路線上的運營次數/總運營次數)等因子對重載營業貨車保險賠付成本差異也有一定的解釋能力。
也就是說，中午運營、常跑路線等因素都會在一定程度影響大貨車的業務質量。綜合考慮上述各類因素，將能有效區分大貨車的業務質量。精算分析顯示，仍以交強險為例，加入車聯因子後，營業貨車風險細分程度顯著改善，進一步提升營業貨車風險定價的精準性。
那麼好消息來了，目前XX公司相關部門正在積極推動基於“車聯+”風險模型的定價、核保應用，並已在部分地區啟動試點落地。預計該應用全面推廣後，將有效改善現有大車業務篩選能力，實現“優中選優，差中去差”，避免“一刀切”帶來的規模大幅下滑，同時有效防止被對手逆選擇。
另外，在此基礎上，公司還將挖掘和擴展車聯數據在精準車隊管理評估(特別是識別掛靠車輛)、保中干預以根本改善高風險車輛駕駛行為、貨車理賠事故現場還原與反欺詐等方面的應用價值。
