大数据助力，降低信息不对称问题

造成逆向选择风险和道德风险的很大一部分原因都来自信息不对称。如果能有效降低信息不对称，交易双方可以在更透明的情况下完成交易，就可以在很大程度上减少这些风险。伴随着互联网及移动智能设备技术的快速发展，信息不对称的问题将得到大大改善。大数据携带大量的信息，保险公司可以通过移动智能设备实时收集保险标的的综合信息并通过大数据处理，获得其准确且个性化的风险信息，对保险交易中普遍存在的信息不对称也会有所改观。

过去，保险信息共享平台还没有建立的时候经常会出现这样一些情况：上一年在A保险公司投保的车险出险次数过多，保费上浮比例较高，于是下一年不再在A 保险公司续保，而是到B保险公司投保。由于B保险公司查不到该车上一年的出险理赔记录，于是按优惠的新客户费率予以承保。或者是一辆车同时向多家保险公司投保，一旦出险，则向多家保险公司索赔以赚取金额。而当数据信息平台建立起来以后，车辆的投保理赔信息一目了然，保证了保险产品价格的公平性，也大大降低了骗赔的可能性，规范了行业秩序。

社会征信平台是了解交易主体信息的又一途径，保险公司可以参与到社会征信平台的建设和使用中，充分了解交易对手的信用记录，最大限度地控制风险。

政府主导的征信系统建设始于1997 年，由中国人民银行组织筹建企业信用信息基础数据库，之后在1999 年又开始建设个人信用信息基础数据库。截至2019 年6 月，征信系统收录自然人9.9 亿多人，收录企业及其他组织近2 591 万户。中国人民银行的征信系统主要收集来自银行、财务公司、小额贷款公司等放贷机构的信贷信息，同时也接入了社保、公积金、环保、欠税、民事裁决与执行等公共信息。然而，中国市场上的征信体系建设还并不完善。央行的征信系统收集的数据还不足以全面反映交易者的真实信用状况，并且信息的查询主要限于本人及商业银行。大数据可以使征信数据来源更广泛，时效性更强，在数据向信息的转换上可以避免主观判断的影响，保证评价结果的真实性。(www.xing528.com)

民间的信用评分建设以阿里集团的芝麻信用为代表。芝麻信用除了考虑信用历史之外，还考虑身份特质、行为偏好、履约能力以及人脉关系。考察的依据是来自阿里巴巴、蚂蚁金服、合作的公共机构和合作伙伴、用户自主提交的信息等大数据库。芝麻信用从阿里电商平台购物情况来判断消费偏好，从支付宝信用卡的还款记录来判断信用历史，从支付宝转账来判断人脉关系，从支付宝上购买理财产品或缴纳水电煤气等判断履约能力，甚至还要考察爱心捐赠的频率。相比央行的征信体系，芝麻信用考虑了更多的非信贷因素，从更全面的角度去评判个人信用状况。做出这一成绩离不开大数据在背后的支持。

当然，不管是政府还是民间的征信系统的建设都存在各种问题，如信用评分不准确、个人信息被泄露等。但是大数据让我们看到了完善征信系统建设的新思路，大数据不仅可以广泛地收集到信息主体更多层次的信息，还可以降低信息采集成本。保险公司可以参与到征信平台的建设中，一是建立行业内的信用数据使用平台，二是与其他征信系统共同建设。前文提及的中国保信已经在这方面做出了一些探索，他们致力于建立保险业数据共享平台，涵盖的数据以保险业务领域为主。除此之外，与其他征信系统共同合作，有助于更全面地刻画客户的信用状况，更多地了解客户的信息。