聊聊区块链保险回归分析的那些坑：数据孤岛怎么破？
提到区块链保险这个家伙事儿，讲真，就是好些数据在链上运行，回归分析？那是把老旧的统计工具丢进时髦的技术锅里，瞧瞧能煮出啥名堂。当下好多人把它吹嘘得神乎其神，依我看呐，距离真正实现还有极远的距离，其中存在着诸多毛病！
数据碎片化的状况极其严重，各个保险公司的数据处于孤立状态，医院的数据是孤立的，维修厂的数据同样是孤立的，它们都被锁在各自的保险柜之中。你把理赔数据上传到链上，那历史数据怎么办？外部数据又该如何处理？去年我有一个客户的车险进行理赔，链上记录看起来很不错，然而这家伙在过去三年里于五家不同公司投保的记录根本没有实现打通！回归模型得不到充足的数据支持，这样预测出来的费率能够准确吗？根本不可能准确。
你需要运用回归分析来钻探其中的关联，将链上不可被篡改的理赔事件与时间、地点、类型这般的变量捆绑在一起。举例而言，台风季东南沿海区域的房屋理赔次数以及定损金额，与气象数据进行一回回归，精算模型便能够实现动态调整。然而，这项工作极为繁复，数据清洗就要耗费极大精力，链上数据格式并不统一，链下数据可信度存在疑问，在进行回归之前首先得充当数据泥瓦匠，实在是烦透了！
所以当下最为实际的举措，乃是挑择一个垂直领域先行开展，切莫去设想大而全的状况。举例而言，对于航班延误险，飞机起飞降落的时间、延误缘故等这些数据实现上链是相对较为容易的，运用逻辑回归方法去分析延误概率与天气、机场流量之间的关联，借助智能合约达成自动赔付。不要去搞那些不切实际的，先于一个小的方面使模型运行成功，获取切实存在的节约成本以及提升效率方面的证据之后再说。否则，全然都是空中楼阁。
你们怎么看呢？于实际业务当中遭遇过这些数据方面的棘手状况吗？抑或是你们怀有更出人意料甚至有些冒险的办法呢？
TAG: 比特派(bitpie)官方下载