□记者 朱艳霞/整理报道
大数据正推动各行业变革，也给车险业带来了新期待。但是，实践中在很多环节又有痛点，如数据开放障碍大、融合难题多、共享风险大等，让车险与大数据的拥抱出现阵痛。对此，无论是行业领军企业还是中小企业都在积极探索，以期在大数据新思路中找到创新发展之路，完成车险业的华丽转型，绽放新的生命与活力。而这些深深浅浅、或远或近的探索脚步，也正在描绘着这个时代车险业发展的独特画卷。大数据是推动中国汽车产业由大变强的重要力量
朱宏任（工信部原党组成员 总工程师）
作为产业转型升级的驱动力以及影响未来汽车产业发展的重要力量，汽车大数据正逐渐提升汽车产业的生产制造水平，改变汽车经营的商业模式，改善消费体验，优化城市的交通环境。此外，汽车大数据可以有效帮助相关保险企业精细化运作，重构商业模式，降低经营风险，更好服务社会。在大数据支撑下，保险公司可以依据车辆条件、用车频率、行车路线、驾驶行为、事故类型及频度将用户进一步细分，量身定做保险合同，在费率制定、责任认定、索赔方式及产品创新等方面作出各方满意的优化设计。借助大数据提升保险功能的意义还在于，引导社会公众培养良好驾驶习惯、汽车厂家提升车辆安全性和易维修性、车险保理机构致力产品创新和服务提升，为和谐社会助力。
但是从目前状况看，汽车行业对大数据的收集、分析和利用总体处于应用探索的初级阶段，仍面临着诸多挑战。大数据在融合、开放、应用和共享等方面都存在着很多难题。例如，汽车产业尚无法有效应用各生态链每时每刻产生的大量数据，包括车企层面的客户、交易、车辆、生产、采购、维修、投诉信息等数据，消费者层面的车主行为、车况、位置、驾驶等数据。在汽车领域需要信息互联互通的多个方面，政府、行业、单位和企业之间，往往缺少统一规划和科学论证，系统之间缺乏统一的标准，形成了不少“信息孤岛”、“数据烟囱”。此外，汽车大数据的技术亟待发展，底层芯片、基础软件以及应用分析软件等支撑条件严重不足。人才总量严重不足，人才层次结构不合理，尤其在汽车和大数据领域跨界研发方面，缺少关键核心技术人才，创新性人才比重偏低。
我国汽车产业的发展迫切需要通过供给侧结构性改革提高有效供给能力。在这样的背景下，汽车大数据的发展作为助力新旧动能转换的关键要素，不仅可以成为驱动转型升级的重要引擎，而且提供了增强产业竞争力的战略机遇，政府、汽车产业界和全社会必须齐心聚力，紧紧抓住。
一是加强创新汇聚资源，推动汽车大数据的深度应用。提升自主创新能力，突破汽车产业大数据核心技术。以低成本和可扩展的方式处理大数据，开发自主可控的汽车产业大数据平台软件和重点领域、重点业务环节应用软件，支持创新型中小企业开发专业化的汽车产业数据处理分析技术和工具，提供特色化的数据服务。推动多学科交叉融合，开展汽车产业大数据分析关键算法和关键技术研究。推进传感器等数据采集终端的大规模应用，多渠道、多层面采集获取数据。引导和支持骨干企业、行业组织建设低成本、高效率的汽车产业大数据存储中心和分析中心，汇聚形成系统、全面、及时、高质量的数据资源。完善汽车产业数据资源建设相关体制机制，创新政策激励手段，形成各方面积极参与、互利共赢的数据资源建设生态。
二是加强安全夯实基础，推动汽车大数据的体系建设。建立一个良性发展的汽车产业数据共享生态系统势在必行。在数据安全方面，应完善国家数据安全法律法规，同时加强网络安全基础设施建设，建立和完善大数据安全应急机制，从而大幅度降低大数据风险。研究制定面向汽车产业领域信息采集和管控、敏感数据管理等方面的大数据安全保障制度建设。研究制定汽车产业数据分级标准，推动数据保护、个人隐私、数据资源权益和开发利用等方面的标准化和立法工作。制定出台对汽车产业数据采集、传输、保存、备份、迁移等的管理规范，有效保障汽车产业数据全生命周期各阶段、各环节的安全可靠。
三是加强共享消除壁垒，推动汽车大数据的环境优化。大数据是通过研究数据的相关性来发现客观规律，这依赖于数据的真实性和广泛性，数据只有做到共享和开放才能发挥最大价值，因此，一方面，应考虑尽快制定和出台《汽车领域公共信息资源开发共享管理办法》，以法律形式规定涉及汽车的各方公共信息资源开放共享的内容、程序、标准等，并在此基础上建立汽车公共信息资源共享网站，形成共享服务体系。另一方面，汽车产业链的上中下游企业应加强相互之间的数据合作与数据共享，营造良性的汽车产业大数据生态系统。
建议从国家层面加强对大数据发展的领导，特别需要从法规制定、政策引导、资源投入、人才培养等方面给予强有力的支持；积极落实《政务信息资源共享管理暂行办法》，加快推动与汽车领域相关的政务信息系统互联和公共数据共享，通过消除壁垒、确立质量标准、打造公共服务平台等途径，建立优良的大数据发展环境。
四是加强整合群策群力，推动汽车大数据的联盟建设。面对快速增长的汽车大数据资源，集众智、汇众力，充分发挥汽车相关企业、单位、部门的力量，实现多维度、多层次数据的深度整合、交叉分析及价值挖掘。群策群力，集各家所长，建立广泛的、覆盖汽车生产商、零部件供应商、汽车经销商、保险公司、金融公司、数据供应商、技术服务商及市场研究机构等在内的汽车大数据产业联盟。充分发挥各自资源优势及技术优势，以此形成汽车大数据的产业链和价值链，共同推动汽车大数据产业的发展和汽车产业的进一步繁荣。
发挥车险大数据平台的应用价值
单鹏（中国保信车险业务部总经理）
全国车险平台是中国保信运营管理的行业大数据信息共享平台，发挥着车险市场基础设施的重要功能和作用。互联网+和大数据国家战略的实施，给车险市场发展带来了新的挑战，对已经建立和运行十年的车险平台也提出了新的应用场景和建设需求。
构建车险大数据信息平台
从业务角度来说，全国车险信息平台实际上是一个商业险和交强险的行业辅助作业系统。作为辅助保险公司承保理赔管理的一个综合型生产平台，有着长达十年的建设历程，特别是中国保信成立以后，我们通过一系列系统整合和重构，实现了真正意义上的以车险为主题的行业生产系统、数据交互系统和生态系统。目前，平台覆盖了36个省、市、自治区，对接64家保险公司和800余家经营车险业务的公司，实现了全国车险数据跨公司跨地区跨行业的共享和实时交互。
在平台生产功能的基础上，我们逐步构建了车险为主题的大数据服务体系。我们以精算技术为理念，结合大数据分析技术，力争让数据有效服务于保险定价和风险识别。近期，我们建设了大数据工作室，建立了独立、安全和高性能计算的数据挖掘环境，以便于行业内部数据以及内外部数据的融合、交互和研究，力求创建一个开放与共享的数据研究合作机制，提高数据服务和研发能力。
我们以平台生产环境中沉淀的数据为基础，研发了车险监管辅助报表体系和数据分析系统，有助于提高监管的时效性、有效性和针对性。这些数据报表和分析系统也可以帮助保险公司分析和判断整体市场形势，有助于优化自身经营管理决策，找准公司发展的定位和策略。当然，这些数据也是行业基础费率测算与费率监控的重要依托。
发挥大数据共享优势
去年以来，保监会全面推进商业车险市场化改革，出台了行业新版示范条款（综合型），实现了保险行业在车型定价方面的历史突破，调整了诸多条款责任和业务规则。中国保信对车险平台核心业务系统进行了深入分析和系统评估，与行业共同明确了34条商业车险改革业务规则，协同行业开展了大量系统改造，实现了全国范围跨区域无赔款优待费率系数的计算和共享、“行业车型标准数据库”和“车损险纯风险保费数据库”的部署和发布，以及自主渠道、自主核保等费率系数的规范使用和记录，开发上线了代位求偿系统，有效支持保险公司之间代位求偿业务的开展和行业内部结算。
车险平台在保险与交管、公安、税务等跨部门数据交互方面发挥了重要作用。我们在保监会的指导下，依托数据支持公安部连续两年开展了12个地区的打击保险诈骗“安宁行动”，由车险平台按照经验分析形成的风险规则，筛出疑似诈骗案件线索，推送到保险监管和各地公安机关立案侦查。2015年挽回经济损失甚多，破案500万件，打掉经济团伙犯罪99个，2016年这项工作还在持续。目前，我们正在按照开展全国的疑似案件数据分析，构建行业反欺诈高风险数据库。同时开发建设了新版反欺诈系统，目前已经在青岛和广西两地试运行，计划年底之前将系统推广到全国各地保监局、行业协会和保险公司，促进反欺诈行业协作和风险数据共享。
我们与国家税务总局开展车船税联网征收工作，目前联网地区已经拓展到全国26个地区，其他地区还是抓紧实施。车险平台与税务部门的系统实施对接、算税和登记功能，对保险公司有效履行车船税代收代缴义务人的角色，落实《车船税条例》具有重大意义和现实作用。另外，本次商业车险改革涉及江苏、北京、上海、深圳四个地区使用了违章系数参与费率浮动，以及之前部分地区酒驾与交强险费率挂钩，这些数据交互全部都是通过车险平台与交管部门实时对接实现的。目前，部分地区交管涉及的车辆登记信息、驾驶员信息、违法信息、事故信息通过车险平台来实现在保险业务场景的交互应用，同时为交管部门处理交通事故、查验交强险承保情况提供实时服务。
实践新的应用场景
未来，中国保信在电子保单、电子发票等保险电子化方面都会发挥更大的价值和作用。今年，国务院在四个行业正式实施“营改增”政策，保险公司需要在5月1日开具增值税发票，并具备电子发票开具能力。我们围绕政策要求和行业现实需求，组织行业开展了系统论证，最终在全国各行业中率先实现了行业共建电子发票平台，现在已有100多家公司参与行业共建，应用其中的电子发票平台、增值税系统以及税控设备托管等服务。
电子保单是保险行业适应互联网化、推进产品创新、降低运营成本的重要依托。以车险为例，如果能实现车险电子保单的全面应用，每年可以为行业节约6.5个亿的保单印刷和配送等管理成本。目前，我们正在积极配合北京地区推广车险电子保单，搭建完成了行业电子保单服务系统，未来我们希望成为公允的第三方电子保单信息查验平台，帮助消费者确认保单信息及其真伪，让消费者放心使用电子保单，提升和促进新的保险消费体验。
建设汽车与保险大数据规范，推动跨行业深度融合
朱向雷（中国汽车技术研究中心数据资源中心数据业务本部本部长）
信息技术的快速发展推动大数据产业发展的同时也加速了大数据与产业之间的交汇融合。汽车行业面临转型升级的关键时期，产业形态正在发生深刻的改变，与之相连的保险行业也初现端倪。但目前各产业主体在大数据建设与管理等方面意识薄弱、能力有限，严重制约了汽车与保险大数据产业的发展。因此，如何打破数据壁垒、建设汽车与保险大数据体系、利用大数据实现汽车与保险行业的融合渗透是行业发展的关键。
数据问题制约汽车与保险行业的发展
众所周知，汽车保险是汽车后市场中最具规模以及发展潜力的产业。车险业务一直是财产保险业务中重要的支柱险种。2015年中国汽车保费收入超过6000亿元，但与之形成对比的是，除少数几家保险公司盈利外，多数保险公司车险业务2015年整体处于亏损状态。而数据是保险行业发展的根本与关键，其背后的数据问题在一定程度上导致了车险发展的不平衡，从而阻碍了汽车与保险行业的融合。
总结车险大数据发展现状，三大问题成为严重制约因素：第一，数据不完整。汽车与保险数据繁多，各类数据来源分布散乱、数据共通性差，且部分领域数据空白、数据缺失现象屡见不鲜；第二，数据不规范。数据自身标准不一、数据规范性差，各行业、企业在数据名称、数据分类、数据内容、数据处理方式、呈现形式等方面标准各有不同，缺失明确的数据规范。第三，数据共享成果利益分配不均，缺乏数据共建动力。
建设汽车与保险大数据规范是关键
如前所述，汽车与保险的数据繁多、分布散落、标准不一，给行业大数据的建设带来了诸多困难。而要推动行业的发展必须要打破数据的壁垒，建立起汽车与保险大数据的规范，通过数据的连通实现行业的融合。
经过中国汽车技术中心数据资源中心多年的摸索，总结数据特点，将每一条数据按汽车本体属性、汽车承保属性和汽车理赔属性进行分类管理，从根本上提升了基础数据质量。同时结合行业实际业务特征，建立了“一车一码一款一价一配一件”的数据规范。以“一车”即完善的车型数据库为基础；以“一码”VIN码为核心，将承保环节、理赔环节、车险、车型串联；以“一款”来定型，统一市场汽车品牌和车型格式与名称；以“一价”锁定汽车各款型销售时的具体成交价格；以“一配”即车型配置体系对标企业产品研发设计；以“一件”来封装零部件相关各项数据。最终实现由VIN码开始，确定款型、配置、价格、零部件等信息的信息串联体系，以支撑企业研发对标，实现汽车保险精细化承保等业务，全面促进汽车与保险行业快速发展。
全面推动汽车与保险跨行业深度融合
数据规范的形成为汽车与保险行业大数据融合提供了契机，后期可重点从以下三个方面来推动汽车与保险跨行业的深度融合。
一是建设数据统一管理，推动企业内部融合。企业内部数据资源管理分散是制约行业发展的第一道屏障。以汽车企业为例，同一企业的不同职能部门数据口径不一，以数据为基础的业务和研究自成一派，导致部门间数据信息滞阻，业务板块割裂，长期而言，对企业的经营管理和生产决策将产生严重的后果。因此，建设数据统一管理，推动企业内部融合势在必行。首先，统一数据标准口径，提升经营决策信息的一致性；其次，降低数据重复建设，减少财务成本、时间成本、产品研发周期等；第三，整合提升数据价值，发挥“1+1”大于“2”的效果；最后，整合外部数据资源，实现对外数据的有序引入。
二是加强消除数据壁垒，推动行业内部融合。行业内部融合是实现跨行业融合的基础。针对目前汽车与保险行业面临的问题与风险，在企业内部融合的基础上，进一步加强消除行业数据壁垒，建立统一的行业数据标准，提供开放的行业数据平台，为解决行业共性问题、支撑行业政策制定、推动行业跨界融合起到积极的促进作用。汽车行业中，通过产业链上中下游企业间的数据合作与共享，各主体形成合力，共同解决环保、节能、轻量化等关键问题，促进汽车行业的转型升级。保险行业中，行业内部数据融合将促进衍生新产品，优化行业整体经营管理水平。
三是促进数据共享流通，推动行业跨界融合。在大数据和“互联网+”的驱动下，跨界融合已成为汽车与保险行业可持续发展的必然趋势。促进数据共享流通，推动汽车与保险行业的深度融合，在合作共赢的基础上，构建良性的汽车与保险大数据生态系统。汽车行业正向支持保险行业的发展，保险行业反向促进汽车行业的繁荣。一方面，及时有效的汽车行业数据将为保险行业精确承保、合理理赔、费率改革等方面提供重要的决策支持，另一方面，真实准确的保险行业数据也将促进汽车行业多元化业务和研究的顺利开展。
大数据驱动车险理赔精益管理
毕欣（中国人民财产保险股份有限公司理赔事业部副总经理）
2016年，机器人战胜围棋顶尖高手的事实，让大家感受到智能时代的开启。智能时代，车险行业呼唤车险理赔经营管理能力提升，而具备大容量、泛种类、实时性和价值创造性的大数据毋庸置疑成为理赔精益管理变革的驱动引擎。大数据渗入车损、人伤、反欺诈、服务、数据挖掘以及后市场等环节，使理赔进入精益管理的时代。
第一，车险管理+大数据，更精准。过去车险理赔都是通过双人查勘，定损的准确度较低。现在我们已经积累了大量的数据包括车型数据、配件数据等，通过后台海量数据支持、动态信息的维护、前台标准化点选，实现了理赔定损的标准化。通过这种标准化，为客户提供了更好的服务。
今年人保财险推出的“拇指理赔”，就是基于大数据和互联网系统，客户只需动动拇指，一键报案，三张照片，三种选择，一个确认，赔款便到达客户账户上，完全实现了客户的自助理赔。此外，通过大数据，我们与合作伙伴共同开发了“智慧钣喷”系统。客户在手机屏幕上显示出相应车辆的损失部位划个圈圈，就可以得到钣金喷漆的费用范围，这为客户提供了一个自主估计损失的标准，也展开了我们下一步智慧定损的初步征程。不久的将来，通过VIN码自动解析到车型、车款、配件，通过面部识别技术自动识别客户身份，通过客户自主拍照上传事故车辆照片、自动识别比对直接生成定损单，完成赔款计算支付到客户指定账户，真正实现全程一站式智能理赔服务。
第二，人伤管理+大数据，更智能。以往我们是被动理赔，等着客户拿着交警的裁决书、医院的诊断证明和医药费单据，到保险公司索赔，然后进行事后审核，不仅存在漏损，而且客户满意度不高。这种模式已经远远落后于客户需求，同时也不能满足保险公司在风险管控方面的需要。为此，我们提出“提前介入，全程跟踪，主动调解，专业审核”十六字方针，把人伤服务提到前端，通过人伤后台的数据库，为前端的理赔人员提供智能化的理赔技术支持，能让客户在前端发生事故的时候就得到保险公司的咨询服务、理赔服务。未来，我们能希望像智能定损一样实现人伤智能化，用计算机、机器人来实施人伤的管理，并通过人伤大数据的积累为医疗卫生行业提供有价值的标准和依据。
第三，反欺诈+大数据，更锋利。在车险理赔管理过程中，欺诈的可能性非常大。以往我们基于工作人员的经验来反欺诈，现在大家都在做CFR（结案后审查）系统、OFR（结案前审查）系统。通过风险识别、风险评估、风险预警、辅助调查、迭代优化、分析研判等来实现风险案件的甄别。今后通过行业间的数据交换，可以使反欺诈水平更加高效，反欺诈机制更加精准。
第四，服务+大数据，更贴心。以往的服务是保险公司制定理赔流程，客户按照流程索赔。现在我们通过风险数据对客户和案件进行分类，实现了差异化的理赔服务。今后通过大数据，如果能根据每个客户的特征，为客户提供定制化、人性化的理赔服务，那就可以“万种服务对应万个客户”，按需提供服务。我们希望在理赔服务上实现几个蝶变：一个是服务模式的蝶变，从快到好，到全，到个性化；二是用户价值的蝶变，从用户到客户，到粉丝，到合作者；三是用户心态的蝶变，从满意到感谢，到感激；四是服务品质的蝶变，从优秀到卓越，到极致。我们希望通过大数据为客户提供更优质的理赔服务。
第五，挖掘+大数据，更聪慧。大数据如果没有挖掘技术，就是一堆没用的数据。所以挖掘就好比沙里淘金，通过挖掘让大数据为我们所用。我们开发了风险诊断系统，来为业务人员和经营管理者提供有利的数据分析和决策支持。同时，通过大数据分析，能够为客户提供个性化的客户画像，提供精准的客户服务体验。此外，OBD、UBI等领域也需要这种新技术应用。今后我们用大数据就可以分析车辆状况，当然这也需要理赔数据与前端数据的融合，保证数据的完整性、准确性，才能充分发挥大数据的作用。
第六，后市场+大数据，更融合。汽车后市场需要保险行业和后市场的诸多行业共同协作，为客户打造一个合作共赢、绿色环保的生态圈。人保财险拥有遍布全国的营业网点，我们可以知道一个车型的一根保险杠在某个地区一个月的使用量，这些数据可以为合作伙伴提供很多价值。我们希望通过保险公司、维修企业、汽车后市场各相关企业以及OBD生产企业等合作伙伴，共同为客户搭建一个开放、友好的服务平台。
我们已经进入了精益管理时代，通过这六个方面+大数据来实现车险理赔的精益管理。吴军博士在《智能时代》中的说过：“任何一次技术革命最初受益的都是发展它、使用它的人，而远离它、拒绝它的人，在很长时间里都将是迷茫的一代。”同时我们要争当2%的人。“在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入2%的行列，要么被淘汰。抱怨是没有用的。至于当下怎么才能成为这2%，其实很简单，就是踏上智能革命的浪潮。”通过大数据驱动车险理赔精益管理，共同打造一个汽车后市场的生态圈，实现共赢，为客户提供更好的服务，为各自的企业提供更好的盈利空间。
大数据为中小保险公司发展带来新机遇
刘璞（中国大地财产保险股份有限公司车辆险部总经理）
目前我们比以往任何时候都更多地拥有了数据，数据逐渐成为企业最大的竞争资源。“No Measurement , No Management”这是美国职业经理人耳熟能详的一句话。数据无孔不入，大数据时代，谁掌握了数据，谁就能把握成功。
大数据时代的到来带来新的机遇，伴随着信息技术的进步带动了新工具、新技术的发展，同时带来了思维变革、商业变革和管理变革。在目前的互联网大环境下，保险行业正不断受到外部行业的挑战,如阿里、百度等互联网巨头在依托各自大数据的基础上，不断打破传统的行业经营模式。
面对6000万客户、800多亿数据，中小企业如何利用这些数据进一步提高自身的发展能力是当下我们思考的一个重要问题。我认为，只有能够善于利用数据、把握数据，才能在未来的竞争中脱颖而出。我将从数据获取和数据应用两个方面与大家做一些分享。
大数据应用的前提是数据的获取和来源，车险行业数据来源主要有四个方面：一是自身数据的整合与挖掘；二是与外部数据单位的合作；三是车险信息共享平台数据；四是同业间数据融合和共享。对于中小企业来讲，自身数据整合存在人才、数据质量、系统等方面的制约，外部数据合作存在资金要求高、接入难度或数据适合度的问题，同业数据的共享层面又较为单一。对比之下，全国车险信息共享平台的出现为中小企业提供了大数据应用发展的基础。作为中小公司的主要数据来源，车险行业平台应致力于完善和弥补本行业数据缺陷，加快数据整合和共享工作，建立基于保险行业信息的“生态圈”。
大数据在车险行业中的应用主要体现在产品定价、产品开发、客户管理和经营管理等方面。在产品定价方面，当前定价方法的国际趋势是从精算方法向大数据建模方法转变。车联网应用基于驾驶行为的数据采集方式，提供更多风险信息，较传统精算风险定价方式更为精准。在产品开发方面，在客户细分基础之上，根据细分客户特征开发专属产品。当前主要体现为基于互联网的保险产品，跟车险关系不大，但是相信在产品监管放开后，基于车联网采集的数据上，将会有类似于基于驾驶里程、驾驶时间和驾驶行为的车险产品诞生。在客户管理方面，通过大数据分析，刻画客户画像，将客户分群、分类，把握客户生命周期，向客户导向转变。在经营管理方面，通过大数据分析不断提高企业经营管理能力及运营效率。如通过大数据分析续保客户流向，脱保客户原因，提高续保率；通过分析坐席通时通话数据，提升坐席工作效率及成功率；通过梳理理赔环节数据，改善理赔流程。
在大数据应用方面，中国大地保险进行了初步尝试，主要可概括为四个方面。
一是对全国车险信息共享平台信息的应用。我们收集全国车险信息共享平台返回的投保查询信息，对客户询报价的转化率进行分析，挖掘客户的产品偏好、风险偏好等信息，验证我们定报价政策，并优化我们的报价流程。从去年开始，我们在电商渠道进行了这样的应用尝试，取得了一定成效，成功提升了电话销售的成功率。我们结合全国车险信息共享平台提供的车辆信息，整合自身的承保、理赔数据，构建我们的标的库，为提升续保率及未来开发差异化的产品奠定较好的数据基础。
二是对在自身数据的整合和挖掘方面。我们通过对公司所有保险产品客户信息的整合和统一，建立了ECIF客户信息管理系统，并基于这个系统，开展产品联合销售，即在销售车险的同时销售意外险、家财险、随车行李险等产品。目前，公司意外险的承保比例正在不断提高。
我们通过对公司理赔数据的整合，结合经侦部门提供的保险欺诈信息，建立了FICO车险反欺诈系统，对每个赔案进行量化管理，实行差异化理赔管理，将理赔人员的主要精力集中到高风险赔案中，实现了对高风险赔案的精细化管控。
三是与外部机构开展的多方面的合作，主要是在车联网应用方面的探索和尝试。通过车联网技术在营业货车上的应用，我们收集到不同于以往的更为详细数据，例如经常行驶的路线、高速运行的里程、危险时间段等信息，这部分信息很大程度上能够提升我们对货车整体风险的识别能力，帮助我们进行准确的业务筛选，也能为车队管理方提供安全管理的服务建议，构建出我们与车队管理方的风险管理沟通路径。今后，我们将在出租车等更高风险的业务上进行类似尝试。
四是与外部机构开展共同修车项目合作。在大数据时代，保险公司能够把握的数据是理赔数据，而理赔数据恰恰是车联网公司唯一缺乏的。车联网公司能够采集到很多前端的驾驶数据，但没有理赔数据就无法印证驾驶行为和风险之间的关系。保险公司和车联网公司的合作，可以把前端数据和理赔数据充分地结合起来。目前，我们也在开展这方面的合作，建立共同的数据库，希望能为行业的发展发挥自己的一些力量。
(以上五篇文章均为2016汽车与保险大数据论坛嘉宾发言整理)服务器安全狗防护验证页面网站访问认证，点击链接后将跳转到访问页面“大数据”一词时下的热门程度无需赘言，这一两年来互联网相关的任何活动、会议必不可少“大数据”板块。刚刚结束的第13届“中国互联网大会”也专设了大数据论坛。
对于任何一个大数据的从业者或初接触者，或许都会有个共同的感触：大数据很有用！大数据该怎么用？
关于大数据的著作和文章铺天盖地，似乎也共同在传递一个信息：越来越多的行业、人士开始关注并实际探索大数据的应用，我们正在一起描绘着大数据巨大效用的蓝图，但在实践的路上，我们都还在起步阶段小步前行。
大数据根基于互联网，数据仓库、数据挖掘、云计算等互联网技术的发展为大数据的应用奠定了基础。然而实践应用尚处于在探索中前进。同样作为探索学习，我想从我个人的理解角度，分享并与大家探讨四个问题：大数据是什么？大数据可以做什么？大数据实际做了什么？大数据要怎么做？
首先，大数据是什么？
引用3个比较常用的大数据定义：
（1）需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
—— Gartner
（2）海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）、巨大的数据价值（Value）。
（3）或称巨量数据、海量数据、大资料，指所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。
其他关于大数据的定义也大抵类似，我们可以用几个关键词对大数据做一个界定。
首先，“规模大”，这种规模可以从两个维度来衡量，一是从时间序列累积大量的数据，二是在深度上更加细化的数据。
其次，“多样化”，可以是不同的数据格式，如文字、图片、视频等，可以是不同的数据类别，如人口数据，经济数据等，还可以有不同的数据来源，如互联网、传感器等。
第三，“动态化”。数据是不停地变化的，可以随着时间快速增加大量数据，也可以是在空间上不断移动变化的数据。
这三个关键词对大数据从形象上做了界定。
但还需要一个关键能力，就是“处理速度快”。如果这么大规模、多样化又动态变化的数据有了，但需要很长的时间去处理分析，那不叫大数据。从另一个角度，要实现这些数据快速处理，靠人工肯定是没办法实现的，因此，需要借助于机器实现。
最终，我们借助机器，通过对这些数据进行快速的处理分析，获取想要的信息或者应用的整套体系，才能称为大数据。
我们可以用下面的图示给大数据定义：
对大数据概念有了界定后，那大数据可以做什么呢？
想要应用大数据，从流程上来说，大概是这样。
首先我们要有数据源，然后对数据进行收集和存储，在这基础上，再进行分析和应用，形成我们的产品和服务，而产品和服务也会产生新的数据，这些新数据会循环进入我们的流程中。
当这整个循环体系成为一个智能化的体系，通过机器可以实现自动化，那也许就会成为一种新的模式，不管是商业的，或者是其他。
然后具体到实际的应用中，我认为，大数据能够实现的应用，可以概括为两个方向，一是精准化定制，二是预测。
首先，精准化定制。
主要是针对供需两方的，获取需方的个性化需求，帮助供方定准定位目标，然后依据需求提供产品，最终实现供需双方的最佳匹配。
具体应用举例，也可以归纳为三类。
一是个性化产品，比如智能化的搜索引擎，搜索同样的内容，每个人的结果都不同。或者是一些定制化的新闻服务，或者是网游等。
第二种是精准营销，现在已经比较常见的互联网营销，百度的推广，淘宝的网页推广等，或者是基于地理位置的信息推送，当我到达某个地方，会自动推送周边的消费设施等。
第三种是选址定位，包括零售店面的选址，或者是公共基础设施的选址。
这些全都是通过对用户需求的大数据分析，然后供方提供相对定制化的服务。
应用的第二个方向，预测。
预测主要是围绕目标对象，基于它过去、未来的一些相关因素和数据分析，从而提前做出预警，或者是实时动态的优化。
从具体的应用上，也大概可以分为三类。
一是决策支持类的，小到企业的运营决策，证券投资决策，医疗行业的临床诊疗支持，以及电子政务等。
二是风险预警类的，比如疫情预测，日常健康管理的疾病预测，设备设施的运营维护，公共安全，以及金融业的信用风险管理等。
第三种是实时优化类的，比如智能线路规划，实时定价等。
以上呢，是各种文献资料里，对于大数据可以用来做什么的一些畅想，事实上也许大数据可以做的事情，可以扩展到方方面面。
但是，我们再看现实中，大数据实际应用到了什么程度呢？
我认为，目前大数据真正实现了商业化的应用，只有一种，就是互联网营销。
其他我们前面列举的方向，会有些初步的应用，但基本都还停留在探索的阶段。比如疫情预测，无抵押信用贷款等，对于准确性、精细度、可推广性等方面还有待推敲。
造成大数据实际应用与目标蓝图之间差距的主要原因是什么，我认为是数据源的问题。
你必须先获得数据，然后才能应用数据。
因此，数据的可获取性，成为大数据在具体行业应用性评价的一个重要维度。
可以从数据的标准化、开放性和集中度几个维度衡量数据可获取性
同时，获取了数据之后，在应用数据方面，可以从大数据应用的潜在价值维度来衡量，包括效率的提升、成本降低或者是新模式的产生。
此外，还可以从大数据行业应用的可复制/推广性的角度来衡量，不仅包括在本行业内的推广，同时也包括跨行业的推广性。
从三个维度，我个人对大数据在各行业应用的可能性做了一个定位，但这个定位还是非常定性和粗略的，具体可能还需要对行业有更多的大数据应用的探讨和探索。
对于专门从事大数据应用的企业来说，大数据要怎么做？
我认为可以从两个维度发展，首先一个重点任务就是要累积数据，以自身拥有的互联网数据及大数据技术两个资源为基础，从一些细分应用切入，比如可以先从企业角度，继而扩展到行业甚至跨行业的角度，从细分应用先有一些产品的产出，这会成为获取更多数据的入口，同时也为大数据更广应用提供了方向借鉴。
但还有一点，对于平台型的互联网企业，在确定与哪些企业或者行业数据结合、应用大数据时，可以有一些筛选条件，比如，是不是发挥了平台属性，另外，这种应用是不是具有可复制或推广性，不是只局限于某一个企业内，至少是可以应用到整个行业中的。
以上，是我个人对大数据的一些思考，也希望可以跟更多的朋友对于大数据实际应用上有些探讨和学习。
本文为36大数据会员“Dakka”的原创投稿。转载请标明作者、来源及原文链接。
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。}