模型以及数据积累是UBI核心壁垒
相关报告
- 2015-2020年中国电子化学品行业市场主要领域调查分析报告(2015-10-08)
- 2014-2018年中国电子化学品行业市场深度调查研究及投资前景分析报告(2014-06-11)
- 2015-2020年中国车联网导航行业市场调查研究及投资发展分析报告(2015-05-27)
- 2014-2018年中国电子化学品行业市场深度剖析及投资前景趋势研究报告(2014-06-11)
- 2015-2020年中国电子化学材料行业运行研究及市场投资发展分析报告(2015-06-11)
- 2015-2020年中国车联网导航行业市场重点层面调查研究报告(2015-10-17)
- 2015-2019年电子化学材料项目商业计划书(2014-11-13)
- 2015-2020年中国电子化学材料行业市场深度剖析及投资发展研究报告(2015-07-31)
- 2015-2020年中国车联网导航行业深度调研及市场投资发展研究报告(2015-07-15)
- 2015-2020年中国电子化学品行业市场深度剖析及投资前景趋势研究报告(2015-03-10)
UBI的核心壁垒在于数据积累与模型。对大部分采用UBI计算的保险公司来说，驾驶风险模型会用到20个以上的参数，包括车主驾驶的距离（里程数）、车主驾驶的质量（急加速、急刹车、转弯、调头）、车主驾驶的节点（驾驶的时间）、路况四方面。
由于UBI模型具有迭代更新的特点，因此数据量以及模型迭代次数至关重要。一般情况，成熟的UBI模型需要100万以上的有效数据，迭代时间超过6个月。据我们产业链跟踪的结果，国内能做到百万级数据量只有翼卡、Onstar、车宝、得润电子（其并购意大利UBI公司数据量应该也过百万）4家。（Progressive从2009年开始，用了6年时间用户数也只有250万）
驾驶风险五星准则
UBI所用参数权重（不同模型参数权重不同）
保险公司利用UBI，会构建两个分析模型，一个是驾驶风险模型，一个是基于驾驶风险和其他风险的保险定价模型。驾驶风险模型是拥有车联网数据的企业可以进行挖掘的部分。最终的模型结果是给出用户评级，而保险公司基于评级进行车险定价。
UBI车险定价模型
经过驾驶风险模型打分后结果示例
由于数据量庞大且混合（规则、半规则），驾驶风险模型一般采用云的机器学习（MachineLearning）。
机器学习迭代由两部分组成。第一步进行云平台验证，在保险公司的协助下，从UBI的车主中选取出险理赔的红蓝匹配样本，抽取特征值，从而在云平台构建业务模型（神经网络/决策树等）；之后数据导入，进行云平台运算，校验模型和精算分析进行沟通，确定驾驶风险输出的可用性，并最终确定对驾驶风险影响的因子及其关系。
云平台验证确定对驾驶风险影响的因子及其关系
迭代过程的第二步是形成模型基准。根据云平台的验证结果，建立驾驶风险的评分模型明确和其他数据的（例如理赔）的集成和协同关系、建立通过驾驶风险进行骗保、客户分群的整体架构、研究其他UBI保险驾驶风险模型的实施路径，最终进行蓝图设计，明确驾驶风险模型完善实施的规划。
通过上述机器运算对大量数据反复迭代，不断提升模型的准确性。
进行蓝图设计，明确驾驶风险模型完善实施的规划
本文地址：http://www.zwzyzx.com/show-266-214388-1.html
相关资讯
- 国内汽车铝合金车轮产品主要企业介绍(2015-07-27)
- 国内汽车冲压及焊接零部件行业技术水平及技术特点(2015-05-03)
- 国内气门嘴及TPMS行业技术水平及技术特点(2016-03-11)
- 新能源汽车用户研究情况(2016-04-19)
- 苗圩：新能源汽车今年产销将增一倍以上(2016-03-25)
- 汽车工业发展直接影响饰件产品的市场需求(2015-06-18)
- 自主汽车品牌的崛起将带动汽车零部件行业的发展(2014-10-15)
- 中国汽车市场在全球汽车市场中的地位日益提升(2014-10-01)
合作媒体
最新报告
定制出版
热门报告
免责声明
中为咨询所引述的资料是用于行业市场研究以及讨论和交流，并注明出处，部分内容是由相关机构提供。若有异议请及时联系本公司，我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》
