阅读前，请您先思考：
开车里程多少，对车辆风险影响如何？
高速驾驶行为，能反映日常驾驶行为吗？
年龄、性别，对车辆风险影响如何？
目前车险定价还是从车为主、从人为辅，定价比较单一粗放，对车主个性化的差异考虑很少，开车多少，男女老少，保费价格一样，车险定价并不合理，这是车险市场化改革的方向，更是保险公司精细化经营的方向。今天，我为大家对比一下，里程、年龄、性别对车辆风险的影响。
01
一、车辆里程
1.开车里程多少，风险差异3.3倍
中国的私家车平均行驶里程1.5万公里/年，让车主无奈的是，就算你的爱车经常躺在家里睡大觉，一年仅仅行驶5千公里，保险费也依然按天收费，别人一年开5万公里，也和我交一样的保险费。就像吃自助餐，同样的价格有人能吃出三人份，而你再怎么拼也只能塞下一块半牛排。收费不合理，车主不满意，其实保险公司也想改变，但改变的前提是能知晓行驶里程。
以私家车为例，看下图。私家车赔付率与里程关联最密切，随着里程上升，赔付率单边上升，里程4千公里赔付率是33%，而4万公里赔付率是110%，高低相差3.3倍。
里程保险产品在欧美早已普及，在国内上市只是时间问题，保险公司及行业协会一直在做准备。目前，应用里程数据，保险公司可以适度调整保费价格和市场费用，实现低里程车主和保险公司的双赢。
2.高速里程，见微知著
高速公路设施完善，有完整的车辆行驶记录，包括车辆里程、超速违章、夜间行驶等信息。高速驾驶的风险高低，相当程度反映了车辆风险，正所谓见微知著。在风险高、容易出现重大事故的高速路上经常超速的驾驶员，在任何路段的驾驶习惯也会比较差，在高速行驶里程很高的车辆，同样整体行驶里程也很高。在融合了车辆里程、不良驾驶行为等数据而建立的私家车风险评分模型，更能精准体现车辆个体的风险差异。比如，我们筛选出3%小比例的高风险车辆，高速里程1万公里以上，且经常超速，这批车辆的赔付率比其他车辆高出50%，如同金字塔尖，若控制削平，车险整体赔付率可以下降1.5个百分点，足以让很多保险公司扭亏为盈。
3.里程稳定
一台私家车每天的行驶里程是随机的，但是很多随机事件的发生是彼此相关的，比如今天的天气就和昨天的天气有关。同样道理，一台私家车今天的行驶里程就和昨天的里程有关，今年的行驶里程与去年更相关。
我们用下图的数据说明，选取ABC三组各300台私家车，每一组车在2016年的平均里程分别是7780km、14449km、22801km，分别代表低、中、高里程，观察它们在2017年、2018年的行驶里程变化情况（见下图）。
私家车主的用车习惯十分稳定，每一组车辆的里程偏差均小于3%。基于历史里程可以非常准确地预测未来里程。
02
二、年龄、性别
1.20岁司机的出险率是50岁的2倍
经研究，年龄越小事故率越高，20岁左右小年青的交通事故率最高，比老年人还危险。而50岁左右的中年人事故率最低，成熟稳重、拖家带口的中年人最靠谱。
2.男性、女性谁更容易出险？
从国外的车祸数据看，30岁之前，男性驾驶员更容易出险，但超过30岁之后，婚姻家庭让男人变成熟，男女性别不同的影响变小，两者事故率基本拉平。不过，超过60岁的老人群体中，男性因为体重明显增长，事故频率再次超过女性。
从国内的数据看，中国女性整体事故频率比男性更高些，女性交通事故严重程度比男性小，赔付率接近。
综上，行驶里程对车辆风险影响最大，性别影响最小，年龄影响居中。
数据宝作为云险的战略合作方，在2019年签订“数潮计划”，双方基于高速大数据，在乘用车车险领域进行合作、联合建模，推出车辆风险评分的相关产品。高速大数据是数据宝直连政府独家权威授权、合法多源的数据资源，覆盖全国逾13万公里高速网络（西藏、海南除外）， 超过20000个高速出入口站点实时采集数据；从2017年6月1日起，包含客货共计超过1.93亿辆车产生的188.3亿条高速行驶记录，其中客车超过1.82亿辆，货车超过3700万辆，活跃货车超过1204万辆，数据实时采集，月度更新。
在对前期数据碰撞分析后发现，高速里程与车辆的实际行驶里程存在强关联性，能对车辆风险做出更精准的区分，尤其对于高风险车辆。同时，高速大数据涵盖了里程、深夜行驶、超速等一系列高风险因子，在风险高、容易出现重大事故的高速路上经常超速的驾驶员，在任何路段的驾驶行为习惯也会比较差；在高速行驶里程很高的车辆，同样整体行驶里程也很高。在融合了车辆里程、不良驾驶行为记录，以及云险车辆维修等方面的经验数据而建立的私家车风险评分产品，更能精准体现车辆个体的风险差异，从而提升传统车险定价模型的准确性。
基于此，数据宝高速大数据还可以应用于货车险及关联的保险产品的保前风险筛查、风险评估及保中风险控制等场景。数据宝的货车信用宝就是依托于权威合法的高速大数据，基于领先的大数据技术和机器学习算法，从违章记录、行驶里程及区域、驾驶及运输习惯、支付偏好四个模块对全国超过2000万辆货车进行动态综合评估，用评分+报告形式客观直接呈现货车的综合及各细分维度的信用状况，用在货车保险风险筛查、风险评估与保中风险控制等场景，助力公路货运产业链降本增效控风险。
此外，高速大数据还可以应用在物流金融领域，以国内知名大型物流企业为例，对方针对生态内加盟或外部的中小物流企业提供物流供应链金融服务，如货车融资租赁业务，因货车价值较大，需要对租赁车辆的中小物流企业的历史经营情况进行尽可能详细的评估，以及在租赁过程中对承租企业的经营情况及货车的使用情况进行跟踪监测，降低业务风险。（自有数据只能覆盖有业务往来的部分业务数据，但生态加盟模式属于比较松散的模式，很多中小物流企业的经营数据无法准确的获取。），对接数据宝高速大数据后，将其应用在自有货车融资租赁风控平台针对承租车辆的中小物流企业进行租前、租中、租后的风险控制场景中，完善了数据维度。