評駕科技:大數據推進車聯網建設

評駕科技通過大規模的數據採集

與其自主知識產權的演算法模型結合，

再經過保險公司、車廠實際驗證使用，

現已形成了國內領先的駕駛數據分析模式。

買過車的用戶都知道，在國內車險分為交強險和商業險兩部分，交強險是每輛車合法上路的基本要素，一旦交強險過期，你的車就會被判定為非法上路，隨後就會收到2000元罰單並被扣車。商業險又分為主險（車損、三者、自燃、玻璃等）和附加險（不計免賠），我們所說的UBI車險也就是商業險。BU君為了深入了解UBI車險市場，特意到訪國內領先的行為大數據專家——評駕科技，在位於萬科中心的評駕總部與其CRO陸煒文先生進行了深入探討，他是汽車延保最早的推廣者之一，從事20多年中外資保險業務，擁有多年汽車領域金融保險項目運營管理經驗。

「UBI全稱是Usage-BasedInsurance，也就是基於使用行為（駕駛習慣）的車險。這個業務模式最早出現在美國，一開始主要是追蹤GPS的數據來獲得車輛行駛的公里數，跑的越多保費越高（可以理解為可能出事故的幾率越大），後來逐漸演變為獲取更完整更豐富的數據，讓保險公司不僅知道你開了多遠的路，還知道你是什麼時間開的、如何開的、車現在怎麼樣，這樣的車聯網系統產生的結果是車主最後繳納保險的報價與車主使用行為密切相關。評駕科技借鑒了國外這樣的先進經驗和國內本土化交通，通過大數據和演算法分析，提供了一套較完整的駕駛評分系統。」

植入國外演算法模型，搭建本土化平台

成立於2015年的評駕科技目前是一家擁有領先演算法和模型的行為大數據運營商，提供了符合國情的駕駛行為分析模型及全方位解決方案。在公司成立早期，評駕便從歐洲引入了一套成熟的駕駛行為分析模型，這套模型的普適性非常強，用戶遍布了包括俄羅斯、美國等全球眾多國家。基於對UBI車險市場的了解和擁有的眾多保險客戶資源，評駕隨即著手進行本土化的複製、再加工，最終擁有自主知識產權，形成了壟斷技術模型的態勢。

「一個軟體的實用性都是後知後覺的，需要數據不斷積聚，演算法模型不斷迭代更新，但是我們堅信市場體量是足夠龐大的。經過1年多市場誰買單的論證，我們最終將自己定位為車聯網大數據在保險和汽車安全駕駛方面應用的公司，所有與駕駛行為相關的都是我們的客戶，比如汽車主機廠、保險公司、汽車經銷商等」，陸先生對市場表示了極大的信心。

評駕科技先後與國壽財險、長安汽車等開展合作，作為國內為數不多的UBI落地項目，也順利拿到了招商局、昆仲資本領投的億元人民幣的A輪融資。

採集數據、分析數據、整合生態

「我們的核心競爭力在於數據採集、大數據分析、整合生態資源，不管何種模型都需要數據採集，數據採集主要集中在與車主相關的各個生態圈，這個過程要適配多種硬體，比如行車記錄儀、智能後視鏡等，也要有軟體採集能力，比如APP、SDK、API等。所有數據來源要有統一標準，經過一整套流程的篩選、加工才會形成有價值的數據。通過大規模的數據採集與我們自主知識產權的演算法模型結合，再經過保險公司、車廠實際驗證使用，現已形成了國內領先的駕駛數據分析模式。」

「對於大數據的分析能力，從保險角度分析，不同的車主有不同的駕駛行為和習慣，這對其保費將會產生很大的影響，我們充分吸收國際經驗，篩選優質用戶，對於優質駕駛行為用戶進行低保，劣質行為用戶高保或者拒保，降低賠付標準，提升客戶的轉續保；從整車廠商進行分析，整車廠可以與客戶建立平台性交流渠道，吸取客戶建議，改善車輛設計，增加汽車后收入，另外，我們也成立了汽車公司——中安汽車，在源頭上捕捉客戶車輛信息，進而為客戶駕駛行為提供更好的服務；從車隊管理公司分析，我們可以監控司機的駕駛行為，比如進行電子圍欄報警，對於開往不符合規定地點的車輛予以監督，換個角度來講，如果車輛駕駛行為對保險費用高低產生影響，車主就會好好開車，改善駕駛行為，降低不良駕駛行為造成的車輛磨損和事故風險，進而降低車輛使用成本」。

「我們聯合了眾多合作夥伴打造生態圈，從而為不同類型用戶提供適應其需求的特殊服務，希望滲透到車主生活的各個領域，目前，已經與多家保險機構、主機廠、後市場服務公司開展合作。這樣一來，生態圈內的公司可以不斷提升客戶體驗，優化運營方案，增加變現渠道甚至獲得保險分潤，我們一直致力於成為最大的汽車駕駛行為大數據服務商。」

駕駛行為分析模型，形成用戶畫像

評駕科技以駕駛行為分析模型為核心產品，以非定製公共產品（駕駛行為評駕APP、通用車隊管理平台）、企業定製化產品（專屬駕駛行為APP、專屬車隊管理平台）等為輔助產品。評駕科技對合作夥伴開放API介面，提供可記錄駕駛行為的SDK植入合作夥伴的現有App或智能硬體中，在用戶授權開啟后，即可後台運行，為用戶輸出駕駛風險評價結果及運營手段。其中，SDK包的優勢在於能夠完整採集駕駛行為數據，與APP系統對應用戶ID，進而對用戶進行系統評分，也可實現完善的保險對接。

評駕科技的分析模型將駕駛行為風險因子輔以里程、區域、路況、天氣、習慣、特殊法規等其他因子可形成精細的綜合風險評定結果，結果可廣泛用於保險風險測量、信用評價、車型設計、道路規劃等各個領域。比如，對超速、急減速、急加速、行駛時段、行駛道路等的評定。

精細化的風險因子測定，可以明確測算出超速時的超速速度、持續時間、道路限速等，在急減速時可以測定出急減速時間，單次行程距離及時間等，眾多的精確數字能夠得出車聯網用戶畫像，了解用戶個人的年行駛里程、年行駛時間，並且通過個性化評分系統為用戶駕駛行為打分。如果將用戶模型應用在批量用戶管理平台，可以促進管理平台的效率提升、成本降幅。

大數據和演算法模型兼具的評駕科技，可以將用戶畫像數據安全存儲，並且與保險行業、汽車行業進行深度合作，推進車聯網建設，同時加速車險行業收費模式轉變。這樣，保險行業可以基於車聯網風險管理、用戶分析、渠道管理數據，形成車險行業用戶分類畫像，進行場景挖掘，提供險種創新、商業模式創新和運營諮詢。