互联网车险的未来会是UBI吗？

报告显示：截止2016年6月，全球UBI保单量已有1540万份，较去年同期增长77%。其中，美国、意大利、英国的UBI保单量依次分别为790万份、500万份和86万份。英国UBI保单量增长率位居全球第一，达到了115%，而美国作为全球第一大车险市场，UBI保单量较去年同期增长97.5%。全球UBI保费增长60%，远高于个人车险保费39%的增幅。同时，全球众多保险公司都在紧锣密鼓地推出UBI相关产品，截止2015年底，已有14家保险公司拥有了10万级的车联网用户，较2013年实现翻番。此外，主机厂和运营商也纷纷试水UBI项目。

全球UBI正处于高速增长期。不过，UBI的蓬勃发展还只刚刚起步。随着中国这个全球第二大车险市场开始了市场化改革的进程，UBI产品在中国的正式落地也变得更为可以预期。商车费改试点已满一年。2016年6月30日开始在全国范围内推广。在车险费率改革的第一阶段，收到了初步的成效，建立了市场机制。与此同时产品同质化、价格竞争、费用率上升、渠道结构发生变化以及中小公司经营困难等问题反而有所加剧，而更精确的风险评判、更个性化的保险产品却还未出现。

目前，在车险业务中排在前7的保险公司仍然占据近80%的车险保费份额。在费率改革深化尤其是在建立退出机制以后，以往通过降价和增加渠道费用的传统手段已经难以为继。在7月20日的“商车改革进行时”会议中，保监会副主席陈文辉明确表示，改革仍需进一步深化，适时推出保障更全面的行业示范型产品和保险公司创新型产品，赋予保险公司更大的条款开发权和定价自主权。

基于车联网大数据的UBI则可以从以下多个方面解决保险公司现有问题以及优化业务模式：

精准及个性化定价——基于大数据与人工智能，能实现对各种风险更为精准、动态的定价；

多样化的保障方式——基于车联网数据可以更精确判断车辆运行状态，因此保险保障有可能按照更灵活的时段、路线、距离、环境等因素设定，用户体验将更为良好；

精确风险管理——丰富定价因子，判断客户风险，改善理赔流程，减少欺诈风险；

优化用户行为——吸引“好”客户，改善驾驶习惯，降低事故频率，促进赔付下降；

实现大数据应用——充分分析和挖掘已收集用户的风险数据、消费数据和行为数据的价值；

高效管理渠道——帮助保险公司快速确定优秀的渠道，控制费用率；

增加用户黏性——通过互联网和移动互联网实现网上购买、保费优惠、事故第一时间通知、及提供多种客户感兴趣的相关服务，可以增加用户接触，改善客户关系，延长服务周期，还可为开展其他销售活动提供机会。

简言之，UBI将成为汽车市场的一个长期的解决方案，而不只是短期的定价优势。

通过什么方式或载体获得的数据是最有价值或精准的？

UBI数据收集模式

OBD：全称On-Board Diagnostic，是汽车内部CAN总线的一个接口。通过这个接口，维修人员可以检测汽车故障，环保机构可以检测车辆排放。这是OBD接口被强制要求的初衷。由于OBD检测设备可以通过该接口读取车况，比如车速、里程、油耗、机油量以及发动机参数等信息。OBD作为一个数据输出端口，它能提供几千项车辆数据。这些数据中，有一部分是通过OBD的16针中的9个遵循公有协议的针输出的，包括里程、时速、油耗等；但另外有7个针是车厂加密过的私有协议，类似控制发动机、变速箱的一些ECU（电子控制单元），以及刹车片温度等精密数据，是无法轻易获取的。

ADAS（高级驾驶辅助系统）：是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。

手机App：事实上，手机解决方案已经成为现在创业公司的主要的攻克方向。手机因为其无需外置硬件，模式更轻，app延展性更强，更看重互联网化运营有潜质成为一个比较好的车联网解决方案。但是在国内，针对不同类型的手机，能做一套耗电量和有效记载里程都经过高度优化的算法着实不易，如果能做到，那对现有OBD产品肯定是不小的竞争。现在国内一些手机开发商已经拥有具有碰撞模型的手机方案，已经开始摸索除了驾驶习惯记录和行程管理之外的功能，随着智能手机传感器技术的快速进化和芯片的不断更新，手机车联网技术可能成为UBI车险在中国真正落地和快速起量发展的关键。

UBI数据模型中的组成因子

做好UBI车险的关键和难点除了要实时采集有关车辆驾驶情况的诸多数据，还在于建立科学的数据模型和算法，从纷繁复杂的数据中估算出驾驶者的风险系数，然后为保费提供定价依据。

UBI数据模型的完善需要两部分数据模型的完整构建。首先，需要通过设备采集到用户的行驶里程、驾驶行为等诸多数据，还要结合上一定的风险数据，再将这些数据按照不同的权重进行划分，通过初步计算，得到驾驶行为分数，也就是构建出的初步分析数据模型;除此之外，还要根据保险公司的实际情况(如保险公司的收入与支出比例等等)构建出标准数据模型。再将前者与后者进行比对，得出最终的分析结果，作为保费定价的依据。

目前市场上最常见的UBI车险模型多是基于行驶里程来构建，对于风险评估的因子单一，无法真正描绘出驾驶者行为这一保险定价中重要的“从人因子”特征;未充分考虑行驶的多种因素，对风险管控的提升比较有限，也不利于个性化保险产品的推出。

国内现有的某公司数据模型，其数据因子按照主要因子、次要因子、辅助因子的分类可组成“用户画像”。主要因子一般包括速度、城市道路、夜间时间、急加速、急刹车五项，这五项主要数据结合车辆单次行程时间和距离以及周边道路限速情况等次要因素，加权计算出相对应的驾驶行为。

另外，UBI数据模型中还有一项特殊的分析，即风险数据的评估。驾驶风险评价需要采集驾驶人员属性(年龄、驾龄等)及行为、车辆情况、道路状况、环境因素、管理因素等，这些数据同样根据不同的风险权重比来计算出风险数据。

UBI车险面临挑战及升级思路

目前国内保险公司推广UBI车险模式主要存在两个瓶颈，一是难以形成精准的UBI车险定价模型，对国内UBI车险保费的控制把握程度低；二是采用UBI车险模式之后，难以对车主可能发生的风险事故进行识别控制。

一般的UBI模式通过OBD收集数据，只能收集到车身驾驶数据如驾驶员急刹车次数，但无法收集到相关车身周围环境数据，例如驾驶员是在什么路况下刹车；而且受制于车厂协议的不公开，可获取的数据有限，数据的质量也无法保证，且如何让普通车主接受OBD仍是个大问题，诸多实践也证明这种UBI车险数据收集模式的效果并不理想，而手机模式的车联网仍处于早期阶段，尚无成功案例。

后续UBI模式的升级化思路在于OBD数据采集与ADAS的结合，通过ADAS的介入降低事故率，从而为保险获得更大的盈利空间，同时也给消费者带来更大的保费下降空间。ADAS是实现无人驾驶的近阶段目标，目前技术已经成熟，是最先有望大范围实现商用的自动驾驶技术，ADAS与UBI的结合十分具有看点。

[上一条]： UBI：大数据解锁车险改革新姿势

[下一条]： UBI车险，这一篇就够了！