2.6 延伸阅读：大数据正在改变汽车保险
汽车保险并不是一个十分吸引人或充满活力的行业，几十年来，它一直保持基本不变。汽车保险也不是平等主义的天堂：一个穷光蛋和一个百万富翁会花同样的价钱买同样的邮票（例如，中国的一封本埠20克以内的平信邮资是0.80元），而对于汽车保险来说，运作却完全不同。一些人付费比另一些人要高，而这些费用可能跟一个人是否“安全”驾驶等因素都可能无关。从历史来看，有相当数量的汽车保单是根据很少的几个单独变量填写的：年龄、性别、邮政编码、以往超速罚单和交通事件、有记录的事故和汽车型号。但是，一个刚拿到驾照的 18 岁小伙子，他驾驶一辆跑车却不得不为其权益支付一堆汽车保险—即使他几乎没有超速经历，一直遵守交通规则，记录中一次事故也没有。这个年纪的所有年轻人对他的保险付费都不满意—我是一个“超平均水平”的司机，我为什么需要付出那么一个过高的费用呢？
那么，为什么大多数办理汽车保险的公司都基于那么几个简单变量制定费率和报价呢？答案其实并不复杂，尤其是当了解了这些公司的年龄时，例如：Allstate（美国好事达保险公司）于1931年开张，GEICO（美国第四大汽车保险公司）创立于1936年。想想看，近80年前，那些原始数据模型已经代表了汽车保险公司能做的最好水平了。然而，从那以后，没有一家公司觉得需要调整这些数据模型。
如今，汽车保险业正经受着巨大的转变，其保险资费不再简单依赖于几个基本和单纯的指标体系，技术进步使得他们能够回答以往不知道的问题。汽车保险公司现在已经能够获取更多信息，这些问题包括以下几个。
1）哪些司机经常超速并闯红灯？
2）哪些司机经常开车缓慢但具有危险性？
3）哪些司机变得越来越危险—即使他们没收到罚单或传票？也就是说，他们通常遵守交通信号灯但偶尔违反。
4）哪些司机开车的时候发短信？（实际上，驾车时发短信被认为比醉驾更危险）
5）谁驾车较6个月前更安全？
6）有两辆车（一辆跑车和一辆旅行车）的人驾驶不同的车会有不同表现吗？
7）哪些司机和汽车在晚上出现突然转向（这可能是醉驾的表现）？
8）哪些司机利用微信、百度地图和Facebook等查询过酒吧，并且驾驶自己的车回了家（而不是乘出租或请代驾司机驾车送回家）？
因为GPS、地图、移动技术和遥测等新兴技术，以及由它们产生的数据，保险人员终于可以彻底告别他们已经几十年不变的5个变量的承保模型。依照需要，他们已经实现更现代、精确、动态和数据驱动的定价模型。例如，2011年某公司推出了其Snapshot产品，即“依照你的驾驶来付费（PAYD）”计划。PAYD让客户自愿在汽车中安装一个跟踪设备，传送数据到该公司并有可能获取价格折扣资格。从该公司网站可以看到以下信息。
你猛踩刹车的频繁程度如何，你每天驾驶多少里程，你是否经常在午夜和凌晨4点间驾驶……所有这些都会影响你潜在的省钱可能。
保户可以通过邮件获取一个Snapshot设备，只需将其安装进自己的汽车，之后像往常一样驾驶，随后就可以在网上看到自己最近的驾驶细节及相关折扣计划。
其实，很多其他保险公司也在意识到新技术和大数据的力量。
那么，对于普通司机来说这意味着什么呢？假设有两个保户，他们都选择参加PAYD计划。
1）Steve，一位青年，驾驶一辆豪华跑车。
2）Betty，一位祖母，驾驶一辆旧的旅行车。
其他的情况全都一样，那么哪位司机将支付更高的汽车保险费？在1994年，答案很显然是Steve。然而，在不久的将来，答案则没那么明确：这将取决于数据。也就是说，司机之间相去甚远的背景和人口统计变量信息对于汽车保险公司来说意义已越来越小。以前传统的价格杠杆将越来越依据司机个人的驾车模式来补充。如果Steve华丽的跑车掩盖了他一直遵守交通信号灯、避让行人且从不超速，那会怎样？那么，他就是安全的化身。与其循规蹈矩的表象背景相反，Betty驾车就像女汉子，还跟年轻人一样酷好发微信。
在这个全新世界，如果对每位司机都进行费率更新，又将发生什么？基于之前的信息，保险公司很开心地将Steve之前的保险费打了60%折扣，但是将Betty的新费率增加至3倍。两个例子中，新的费率反映了保险公司对每个司机采集的全新的、更合理的数据。
省了一大笔钱，Steve获得了惊喜，开心地与保险公司续约，而Betty则很生气。她打通公司的服务电话，情绪失控。销售代表坚持自己的立场，Betty决定换家公司。然而很不幸，Betty如梦初醒，各家保险公司都已经同样采集了这样的信息。所有的公司都强烈怀疑Betty是一个高风险司机：她的年龄和旧车只是透露了她一部分信息—而非最直接相关的部分。
现在，Betty因为要付更多的汽车保险而不高兴，然而，Betty确实应该比Steve这样的安全司机支付更高的费用。换句话说，很简单，5个指标的定价模型不再能代表汽车保险公司能做到的最好水平。他们现在获取的数据能更好地支撑决策—大数据正改变着汽车保险，其他行业也一样。改革才刚刚开始。
资料来源：Phil Simon.大数据应用：商业案例实践.北京：人民邮电出版社，2014.