利用大数据这项“信用科技”的InsuretheBox、Progressive，和利用人工智能这项“信用科技”的COIN。
InsuretheBox
先说InsuretheBox。
请问：车险应该怎么买才合理？
一辆车几乎不开，每年要交几千块钱保险费，你觉得合理吗？我觉得不合理。
保险的本质，是“同质风险分担”。我的车几乎不开，和每天开30公里上下班，所遇到的不是“同质风险”。
那车险应该怎么买呢？
现在的车险，是按照年来买的。这不合理。一年中，每个人上路的次数显然不同。不按年来买，那按天来买吗？也不合理，因为每天每个人上路的次数、时间长短也不一样。
那应该按什么买呢？按公里数来买。开车距离多的人，就应该多交保费。所以，未来的车险，可能不是在电话里买，而是在加油站买：
师傅，给我加200公里的油，顺便加200公里的保险。
问题来了，这个做法听上去很开脑洞，但我怎么知道每个人每天开多少公里呢？这就要依靠大数据了。
英国有家保险公司叫InsuretheBox。购买它家的保险，它就会在你的车里装一个OBD设备（On Board Diagnostic Device，车载诊断系统），检测你的行车数据，其中包括开了多少公里。
然后，InsuretheBox就可以这样卖保险了：这3000公里先充给你，拿去用，用完了再来充。如果你的行车记录非常好，每个季度我再送你一点里程作奖励。
可是为什么传统的保险公司不这么做呢？
因为它们只掌握“社会统计数据”。
上海每年会出多少起交通事故？
65岁以上的老人得老年痴呆症的概率是多少？这就是社会统计数据。再厉害的精算师，基于社会统计数据，也得不出针对个人的最优保险定价。
可是，按公里数付费，也不合理吧？那些把车开到四叉路口，打着左转向灯却向右转的人，就应该多交钱吧？
没错。按照公里数付费还不够，每公里按照开车习惯定价，才是最合理的。
这就是“个性化的大数据”赋能的UBI车险（Usage Based Insurance，基于用量的保险）。
有一天，我买车的原厂打电话给我：您的车险要到期了，在别人那里每年7000元的保险费，在我这里，2000元就够了。
为什么啊？因为我们原厂拥有数据。根据数据显示，您的开车习惯特别好，而且基本不开。
我一听特别高兴。赶快打电话给我一个朋友，他和我同一天在同一家4S店提的同一款车。我朋友听完后，也立刻打电话给车厂的客服，说我要买保险，就是刘润那个，2000元的那个。
客服小姑娘一查，说：对不起，您买的话有点贵，要1.2万元。
我朋友听完，一口鲜血喷在屏幕上：为什么啊？
她说：因为你经常漂移。
我朋友非常生气，说：那我不买还不行嘛。于是他继续在原来的保险公司买。
然后，渐渐地，那些开车习惯好，又不怎么开车的车主，会越来越多地被拥有“个性化大数据”的原厂拉走。那原来的保险公司呢？因为好用户都走了，它们只好提高保费，慢慢失去竞争力。
天啊。真可怕。这种事真的会发生吗？
Progressive
美国有家保险公司叫Progressive，它早已开始“每公里定价”。它的定价，基于三个数据。
第一，你平常与前车保持的距离。
这个数据，通过车载雷达和OBD设备可以记录。后车如果追尾前车，不管什么原因，后车全责。所以如果你习惯离前车太近，那保费必须要高一些。
第二，你每月踩急刹车的次数。
一个人什么时候才会踩急刹车？一定是遇到险情的时候。这次是刹住了，那下次呢？一个经常急刹车的人，嗯，保费也必须高一些。
第三，你每月凌晨4点开车的次数。
这是为什么呢？因为一个人一天中什么时候最疲劳？凌晨3～4点。不管你是蹦迪回来，还是去上早班，这时候都特别容易出事故。所以，经常凌晨4点开车的，保费也必须再贵一些。
Progressive公司用三个简单的数据，为每个人的保险做了差异化定价。
信用，就是对风险的承诺。用个性化大数据这种“信用科技”，进行更加精准的风险定价，帮助优质节点降低交易成本。
当你有了“大数据”这项信用科技的新式武器后，去中心型商业，终于可以摆脱依赖社会统计数据的“信用中心”，散成满天星。
那人工智能呢？
我的汽车保险用的就是progressive。
我觉得人工智能大数据是否可以摆脱“中心”的束缚，困难有两个，
（1）储存、运算、分析数据的需要的基础设施和人力；
（2）数据安全隐私带来的问题。
现在这个时代，数据是最大的财富。任何一个公司不会轻易交出它的数据而且会像保卫金库一样保卫它。
progressive考虑的开车时间、里数、踩刹车和油门是由这个公司自己给成员发的仪器或者手机app监测收集来的。他们还收集了年龄、性别、教育、收入、过往事故记录等等大量数据。是不会轻易给别人的。
何况存储和分析大量数据需要的基础设施往往也是天价。Progressive其实只对每个成员收集6个月的数据。可能是因为收集更多数据，存储分析运算会更困难。
COIN
美国有家公司叫COIN，它为摩根大通银行提供贷款合同审批服务。
你向银行借钱，银行要和你签合同。可是，根据你的情况，这合同怎么签，银行才能最大化地管控风险呢？
在中国，银行都有一个风控部门。这也是银行最重要的部门，负责审批贷款合同。
在美国呢？美国一些银行（比如摩根大通）会外聘律师团队来做这件事。
为此，每年摩根大通要采购36万小时的律师服务。在美国，律师服务是很贵的，所以这是一笔很大的开支。
“人”虽然创造财富，但也是特别巨大的成本。
后来，摩根大通选择和人工智能公司COIN合作。
COIN从摩根大通那里获得了曾经审批完的贷款合同，包括批准的、没批准的、修改的。然后“喂”给它人工智能算法。算法把这些历史数据“吃”下去后，消化消化，说：我可以了。
然后，摩根大通把新的贷款合同给COIN。结果让人惊掉了下巴，过去用36万小时律师服务做的事情，COIN几秒钟就做到了。而且，风控能力不比人工差。
这一下子，摩根大通节省了一大笔钱。这些钱都是银行的成本，最终必然会加到利息里面去。而利息的高低，就是对风险的定价。
有了COIN，摩根大通的风险定价能力明显增强。理论上，信用更高的人，可以用更低的利息贷到钱了。
这是不是让你想起，2016年赢下李世石的AlphaGo？
AlphaGo就是一套人工智能算法，它“吃下去”10万局人类历史上的棋局，消化了一下，就下得比最厉害的人类还要厉害。
当你有了“人工智能”这项信用科技的新式武器后，去中心型商业，终于可以摆脱人工成本高昂的“信用中心”，散成满天星。
COIN这家公司，可能是利用了摩根大通已有的数据和基础设施。那这里的信用问题其实就转嫁到摩根大通银行怎么挑选一个可信赖的合作伙伴。
不然大量财务数据泄露会造成欺诈和身份盗用的问题。普通人愿意把敏感信息提供给摩根大通或者progressive，但未必会愿意把信息提供给不知名的人。
在医疗领域更是如此。梅奥最近跟谷歌达成了10年合作协议（为什么选择谷歌而不是一个startup，肯定也有谷歌的信誉在那），但依然引起了大量讨论说谷歌是不是因此会拿到梅奥的病人数据。
梅奥澄清并不会。如何能得到充分的技术支持但又保护隐私和数据安全是一个非常有挑战性的问题。
一个科技保险公司用大数据、人工智能解决“信用不传递”、降低成本的案例。
美国一家网络保险公司通过Health IQ 测试来区分人群，开出不同的保险价格。
第一、当你在 Health IQ 上达到了“精英等级”时，你的保费就能减少4%，以美国30年的人寿保险来说，这相当于便宜了差不多1万块人民币；
第二、如果用户保持良好的运动习惯，比如说，你每个星期跑16公里以上或者骑行80公里以上，你的保费还可以再有4%的折扣；
第三、如果你积极参加铁人三项赛等项目，经过 Health IQ 的审核后，甚至能获得高达25%的折扣。
我一个朋友从事的是环保装备制造领域，几乎每天都要面对客户的询价要求，如何针对不同的客户、采用不同的定价原则也是非常让人头疼的一件事情。
老客户和新客户之间，肯定不能采用一样的价格体系；不同的行业之间，价格标准肯定也存在差异。
在未来，他们可以运用大数据来改进我们现有的定价原则，我们可以通过尽可能搜集用户多维度的信息，比如所处行业、合作年限、过往履约情况、采购金额等，再通过一定的算法对这些数据进行分析，然后制定出针对不同客户的价格原则。
而这样的价格原则，并不仅仅限于合同总价，还包括了付款条件、质保金比例以及后续服务等多方面因素。
当然，目前这还仅仅是一个设想，他们会选择合适的时机开展相应的尝试，希望能够取得不错的成效。
线段型商业克服“信用不传递”的方法是“信用中介”，中心型商业是“信用中心”，去中心型商业是“信用科技”。
大数据、人工智能，这些“信用科技”，可以帮助优质的交易节点，通过摆脱社会统计数据、高昂的人工成本这些“信用中心”的约束，散为漫天星辰，大幅度降低交易成本。
有人问，那原来的银行、原来的保险公司，难道就不能利用这些“信用科技”武装自己吗？
当然可以。
但是一旦进入“信用科技”时代，用这些科技武装自己，信用价值就不是依附在机构上，而是依附在科技上。所有拥有这些科技的人，都成为它们的竞争对手。这样，“信用中心”，就会逐渐从太阳，变成繁星。
这就是分久必合，合久必分。
文章来源: https://twgreatdaily.com/zh-hans/LsGmRnEBiuFnsJQVsQX4.html