赵思健 张峭 陈敬敏
农业保险作为农业支持保护政策的重要组成部分，为农业提供风险保障、分散农业风险、稳定农村经济发挥了重要的“稳定器”作用。自2007年开始实施农业保险保费补贴政策开始，农业保险迅猛发展，服务“三农”能力显著增强。但在农业保险快速发展的同时，不可避免地暴露出了一系列问题。现阶段农业保险在产品及服务依旧存在相对粗放的状态，亟须开展产品与服务的创新与提升，而大数据将成为一项重要的支撑技术。
一、农业保险的大数据视角
（一）农业保险的大数据视角
农业保险大数据可以被定义为贯穿农业保险风险分析、产品开发、经营管理、市场拓展、客户服务、决策支持、效果评价等环节的跨行业、跨专业、跨地域、跨时间的，结构化、半结构化、非结构化的，多维度、多粒度、多模型、多形态的海量农业保险相关数据的大集中，是吸取数据价值、促进农业保险创新发展、加快农业保险转型升级的重要手段。
根据上述定义，潜在的农业保险大数据可以分成以下两类。
1.农业保险业务数据
农业保险业务数据指保险公司经营农业保险业务时，由保险公司核心业务系统在办理保险业务过程中产生的数据，覆盖了精算、产品上线、投保、验标、承保出单、批单、退保、出险报案、查勘定损、立案、撤案、理算、理赔、支付、财政结算、分保、再保等各业务环节产生的业务数据，它是农业保险最主要、最基础的数据资源。
2.农业保险相关的农业数据
农业保险相关的农业数据是对农业保险起支撑作用的其他数据，包括但不限于农业保险产品创新支撑数据、农业保险精确承保支撑数据、农业保险精准理赔数据、农业保险效果评价数据、农业保险服务主体相关数据和其他相关数据。
（二）农业保险大数据的现状
根据农业保险大数据的分类，当前农业保险数据的分布情况如图1所示，归纳如下。
1.保险行业已经在汇集业务大数据，效果显著
保险行业非常重视农业保险业务数据的大集中。北京市农业保险领导小组目前已汇集了北京市7家保险公司近5年全险种的承保、立案、赔案、支付等环节业务数据；2014年3月，国务院召开农业保险专题会议，提出建立全国农业保险信息管理平台，中国保险信息技术管理有限公司同年7月召开平台建设规划论证并于10月开展平台建设，2016年全险种业务数据上线，汇集了全国所有从事农业保险公司全险种全流程的业务数据。
2.大量农业数据分散在各个部门，共享难度大
大量与农业保险相关的数据资源分布在一些涉农的部委，包括但不限于农业部、国家统计局、国家发展和改革委员会、商务部、国家粮食局、国家林业局、海关总署、全国供销总社（中储粮）、民政部、环境保护部、水利部和国家气象局等。由于各个部委的数据存在保密权限，对农业保险行业开放共享的难度较大。
3.涌现大批农业大数据公司，但与农业保险对接的较少
近年来随着大数据技术的深化，国内涌现出了大批农业相关领域的商业化大数据公司。这些大数据公司凭借自身的优势，一方面开展各自领域的应用及服务，另一方面也在收集相关领域的大数据。这些企业大数据大都分布在各公司企业中，并服务于该企业的主营业务，较少能与农业保险进行融合应用。
二、农业保险大数据平台的整体架构
大数据的价值在于对数据的挖掘、分析与应用，搭建大数据平台是大数据产生价值的必经路径。从整体架构上，农业保险大数据平台包括采集层、标准层、存储层、分析层、应用层、用户层六大部分（见图2）。
采集层：随着大数据技术的发展，农业保险数据的采集技术也将会逐步深化，其中最关键的技术包括物联网采集技术、移动互联采集技术、遥感采集技术和物联网数据抓取技术等。
标准层：针对多源异构的农业保险大数据，需在标准层上建立一套农业保险大数据标准化体系，对数据的采集、传输、存储和汇交进行标准化。
存储层：从存储层的逻辑结构上看，大数据存储主要包括分布式数据库、Hadoop平台和数据仓库三项关键技术。
分析层：结合农业保险应用，农业保险大数据特色的分析技术包括：模型分析、时空分析、数据挖掘和人工智能。
应用层：针对当前农业保险的难点及痛点，大数据技术带来的提升与创新包括但不限于精确承保、精准理赔、科学定价、产品创新、服务升级等。
用户层：大数据平台的应用与服务对象包括保险管理部门、保险公司和广大投保农户。
三、大数据技术带来农业保险的提升与创新
（一）精确承保
1.种植业：以地块数据为驱动的精确承保新模式
种植业精确承保的关键之一在于确定保险标的的地理位置及数量，因此建立以地块数据为驱动的按图承保模式是解决种植业虚假投保、重复投保的重要手段（见图3）。
2.养殖业：以标的识别为核心的精确承保新模式
养殖业承保难题在于承保标的数量不清、标的个体无法确认，因此解决养殖业精确承保的核心在于建立以养殖标的识别为核心的承保新模式（见图4）。
（二）精准理赔
1.种植业：“天空地”一体化的勘查定损模式
解决种植业勘查定损难的关键在于建立以卫星遥感、无人机及手持移动终端共同组成的“天、空、地”一体化的勘查定损技术体系（见图5）。
2.养殖业：牲畜个体识别为核心的精准定损模式
解决养殖业精准理赔的关键在于确定出险标的的身份，确保出险标的是保险标的，且不存在重复理赔的虚假行为。因此，跟养殖业精确承保一致，养殖业精准理赔也是建立以牲畜个体识别为核心的勘查定损模式（见图6）。
（三）科学定价
1.基于多源数据融合的农业风险评估
农业保险科学定价的核心在于科学厘定保险费率，实现保险费率与保险责任的对等，而科学厘定费率的关键在于对农业生产风险进行有效评估。根据风险构成要素的不同，农业生产风险的评估方法可归纳为基于风险因子的评估法、基于风险机理的评估法和基于风险损失的评估法三类，其中基于损失的评估方式是目前保险业使用较为普遍的方法。
2.基于地图的农业保险费率区划
农业保险费率区划是在农业生产风险评估及费率厘定基础上，依据地域分异特征和规律进行科学分类，按照区内相似性与区间差异性的原则，在空间上划分不同等级的费率区域。不同等级的区域建议使用不同的费率标准，这样不仅可满足地域差异性的特点，也可以有效规避道德风险与逆选择问题。
（四）产品创新
1.基于气象风险识别和评估的天气指数保险产品创新
天气指数保险产品创新的关键在于量化气象要素对作物产量造成的影响。农业气象风险识别和评估技术在长时间序列的气象数据和作物产量数据的支持下，通过构建产量波动损失与气象因子之间的关系模型，自动筛选出关键气象因子作为气象指数，在气象指数异常影响下作物产量损失的模型中，选取某个或几个关键气象要素作为天气指数，并利用模拟技术来检测每个指数波动带来的减产程度，最后选择合理的波动阈值作为理赔的触发条件。
2.基于作物遥感估产的区域产量（或收入）保险产品创新
农业区域产量（或收入）指数保险难以大范围推广的一大原因在于缺乏一个能够及时公布区域产量的途径或手段。利用遥感估产来代替传统的测产方法，不仅能降低成本、提高效率、扩大推广范围，而且遥感数据拥有较小空间分辨率，可有效地降低区域产量不均的基差问题。
3.基于农产品市场价格分析技术的价格保险产品创新
价格指数保险产品关键在于如何对农产品市场价格进行有效分析以掌握其规律，从而有效地控制价格风险。农产品价格分析，就是在农产品市场价格监测数据支持下，对农产品市场价格开展波动分析、传导分析、预测分析等（见图7）。
（五）服务升级
1.增强农户的客户体验
在农业保险大数据的基础上，借助移动互联网技术，为广大投保户提供快捷的保险服务，增强广大投保户的客户体验。（1）开通保险信息查询渠道。（2）开通一键投保、一键报案服务渠道。（3）开通微信和支付宝等快捷理赔服务。（4）开通巨灾预付的绿色通道。
2.引导保险的智能服务
在农业保险大数据的基础上，借助数据挖掘和智能分析等技术手段，改善与提高农业保险的服务水平，实现服务的智能化，具体表现为行为分析、智能营销和产品评价。
3.催生更多的增值服务
在气象、价格等其他农业保险相关数据的支持下，将相关信息主动推送给监管部门、保险公司和广大投保户，实现保险外的其他增值服务，主要有气象信息的推送和价格信息的推送等。
4.扩大保险的普及推广
通过微信、短信、移动APP或互联网等渠道，以卡通、Flash、视频等易接受的方式，将大量的农业保险知识、农业保险产品条款、投保理赔流程、农业保险创新性产品、惠农支农政策、保险监管要求、农业生产技能等相关的信息和知识，主动推送给每个投保户，提高广大投保户对农业保险的认识，维护广大投保户享受惠农政策的权利（见图8）。
四、农业保险大数据引领智慧农险
大数据作为新一代信息技术，潜力十分巨大，将其应用于农业保险，不仅能提高农业保险的经济效益和服务能力，还能深化农业保险的数字化和信息化，并推动农业保险向“智慧农险”的宏伟愿景迈进。
但同时，大数据作为一种新兴的信息技术，在农业保险领域的应用任重道远。目前，大数据的应用虽层出不穷，但相比之下大数据科学、大数据工程等系统化的研究与应用还比较缺乏；另外，大数据的共享与整合是目前大数据应用的一大难题，由于体制和机制的原因，部分珍贵的大数据资源控制在一些机构或部门内部，共享难度大、应用面十分有限。虽然农业保险大数据尚有一些难度，但我们坚信农业保险大数据的前景是十分美好的。在不久的将来，在大数据的引领下，农业保险将迈入智慧农险的新时代。
摘自《保险理论与实践》2017年第12期
作者简介：
赵思健，现供职于中国农业科学院农业信息研究所，农业部智能化农业预警技术重点开放实验室，博士，副研究员，研究方向：农业风险管理及保险研究；张峭，现供职于中国农业科学院农业信息研究所，农业部智能化农业预警技术重点开放实验室，博士，研究员，农村金融及农业保险研究；陈敬敏，现供职于北京佰信蓝图科技股份公司。
