品牌、車價、出險率……傳統車輛保險定價模式中，“從車”因素（與車輛相關）的參考權重往往更高。但隨著我國保險費率向市場化邁進，以及大數據不斷與傳統行業融合，未來車險中“從人”因素（與人相關）將被深入挖掘，根據駕駛員、車輛等綜合因素得出的“車險分”或將使不同客戶的保費金額差異明顯。

　　相關數據顯示，2016年全國車險行業，只有14家公司車險承保盈利，41家虧損的公司虧損總額達到63億元，行業虧損比例達到75%。精準定價能力的缺失，是部分車險公司面臨困境的原因之一。

　　“傳統保險業的數據分析在市場發展過程中經歷‘簡單但粗獷’到‘復雜但低效’階段，下一步亟待向簡單高效轉變?！敝袊吮Ｘ旊U總核保師方仲友說，“實際上，這類數據行業在美國已經形成了完整的產業鏈?！?/p>

　　據業內人士介紹，以美國為例，車險領域數據處理、服務已形成“分工明確”的細分領域。上游信用數據提供商和車聯網服務商將數據提供給FICO、LexisNexis（律商聯訊）等數據服務商，最終由服務商將分析數據（“車險分”）提供給保險公司用于營銷、核保、精準定價等。

　　太平財險副總經理戴曙燕表示，目前國內車險定價更多考慮“從車”信息，比如車型、車齡、配置、車輛是否有“出險”等。但基于駕駛者的風險評估也是很重要的一部分，這類數據是國內很多保險公司缺乏的。

　　前不久，螞蟻金服旗下保險數據科技實驗室宣布向國內保險行業開放首個“車險分”平臺?；诖髷祿?、人工智能等技術得出的分值或將決定未來客戶的保費。目前人保產險、陽光產險等9家保險公司已經與螞蟻“車險分”達成了合作。

　　據介紹，“車險分” 將通過職業特性、身份特質、信用歷史、消費習慣、駕駛習慣、穩定水平等六個維度海量數據的分析以及人工智能的算法應用，提升保險定價的公平性和效率。

　　據保險數據科技實驗室技術團隊介紹，基于螞蟻積累的用戶畫像數據和保險公司積累的車險理賠數據，通過人工智能算法，目前數據處理能力可達千億級樣本和百億級特征挖掘。

　　“現在推出的‘車險分’數值區間設定為300-700之間，原則上信用分越高，用戶的保費越低?！蔽浵伣鸱ｋU事業群副總裁李冠如說，“通過用戶授權查詢后，直觀的數據在‘B端’能夠讓保險公司的營銷、核保、精準定價更加簡單高效；‘C端’可以促進用戶獲得定價公平的保險服務，未來甚至可以提供風險優化建議等?！?/p>

　　“保險費率邁向市場化背景，大數據提升效率的同時也將帶來更差異化但更公正透明的定價?！蔽浵伣鸱笨偛靡懻f。