大数据时代中精算师的作用？ 举报 理由 举报 取消 随着大数据时代的来临，许多传统的科学技术都得以革新。精算科学是极其依赖于数据的一门科学，其数理基础为大数理论。而大数据时代中我们可以获得全部数据，这要远远领先于大数理论。因此，在大数据时代中，精算科学将面临哪些挑战和革新？而精算师又有哪些新的机遇？是否可以依赖自身的精算知识而发展出新的作用？ 2017年11月15日 4 条回复 1281 次浏览 分析,数据,时代,精算,精算师
回复 ( 4 )
从搞计算机的角度来说，以后凡是能够建模的，都可以不用人工，精算师，会计师，都可能会被大数据取代
很不错的问题，实际上这也是精算界近年来一直在思考的问题，但是基本上行内的人都认为机遇大于挑战。下面简单说说自己的看法。
首先，大数据时代究竟是个怎样的时代并没有严格定义，单纯按照题主说的可以获得全部数据是不妥当的。私以为大数据与传统数据之所以有质变并不是数据的“量”带来的，而是“维度”。行为可以抽象成数据，文本可以抽象成数据，声音可以抽象成数据，画面可以抽象成数据，并且有相应的数据处理方式来对这些现在看来毫无规律的数据进行识别进而分析。数据是海量的，多维的，因此数据的获取，储存，调用，分析的一系列过程会发生根本性的变化，并非是数据由一到一百的单纯的量的变化。
再来看精算，精算原理说到底就是以经验来预测未来。这里的经验是极度依赖数据的，因此，在数据相对贫乏的时期，精算形成了自己的一套方法来对未来作尽可能的模拟，是一套平衡了复杂度和精确性的理论，如果我上述的大数据时代真的到来，势必对这套理论产生影响，因为数据不再贫瘠，计算机技术和性能的大发展也已经可以承受更精确的理论。慢慢的会把经验预测转变为即时预测。但是这种转变绝不会是瞬间的转变，是个循序渐进的过程，中间还需要不断的摸索尝试，这也需要现在的数据工作人员包括精算人员的努力。
未来发展方向其实很多，最和大数据时代贴合的估计是数据科学家，精算本身是保险行业诞生的，但是这套精算理论其实在很多领域都适用，在深入掌握精算知识的基础上，不仅能分析数据还能够将数据结果运用至决策的复合型人才是会成为趋势。
传统的数据使用大致有三种，呈现过去的数据，比如做报表；评估现在的情况；预测未来的趋势；精算做的是预测，是技术难度最大的一环也是发展最不成熟的一环，新的理论和方法还在不停出现，未来的路还有很长。
我只是个读应用数学的小水硕（厉害的人不是本科就找到很好的工作或者直接读博啦），也只有一次暑期实习的经历。洋洋洒洒这么多，一定会有偏颇，看官们看看就好。
—————————————————————————————————————
各个保险公司都在尝试拥抱大数据时代的到来，但是在我看来很可能不是精算师转型，而是引进data scientists，教一下保险的知识，然后和精算师合作，比如实习的公司就有一个由PhD组成的Predictive Modeling组。传统精算的工作中除了crunching number，有很大一部分是在对于保险业务的理解的基础上解释数据。
比方说，做pricing的精算师通过得出结论下个季度的保险价格要涨10%，这只是万里长征第一步，后面还要跟产品部门协商，说你看我们这个价格是不是要涨，因为这个那个这个那个。但是从产品经理的角度来说，你让我涨10%，我就涨10%，那我这产品还卖不卖了。这个时候就需要两边坐下来一起分析探讨，谈的时候就不是研究数据了，而是你得在对于公司业务有很好的理解基础上把要涨价的原因说的有理有据，让人信服。在我看来，作为一名优秀的精算师，在crunching number的基础上，对复杂的保险业务的理解以及让人信服的分析和表达能力才是重中之重。这也是为什么会看到资历深的精算师会进入公司的管理层。印象中面试过的保险公司中有两家CEO是精算师出身。
再比方说，做reserving的时候，用到的development triangle, 在做未来趋势选择的时候，大部分都是根据自己主观分析下的结论。这下好了，你把这个季度的准备金做出来，交到财务部门，财务部门一看，怎么比去年同期高了这么多，不行不行，拿这么多准备金出来，公司的能拿出去投资的钱就少了很多，有些保险公司是赔钱做买卖，就指着投资赚钱呢。这个时候，reserving就得给人家一个说法，这又要考验资深精算师的功力了，怎么把自己主观的结论说的让财务部门服气呢，其实挺难的，我看到reserving组的老大每次做这种presentation之前都要加班到挺晚。
个人认为精算师的核心竞争力不在于数据的分析（当然基本功很重要），而在于长年累月的工作中对保险业务精深理解，在基础上通过数据的分析，最终得出让产品和财务部门都信服的决策（一般都是各方协商后的结果）。因此，如果是想往精算师方向发展，不用过分担心大数据的趋势会让你失去工作，企业做决定是data-driven，但不是data-dictated，再好的数据结论，也要有人把它用到实处，这才是精算师的用武之地。更何况，现在通过各种渠道搜集的数据很多，但是具体怎么把这些数据分析，得出结论，再整合到现行的产品定价模型里面，也是一个十分漫长的过程，而这个过程，需要数理统计和编程厉害的data scientist，也肯定需要对保险理解更为深刻，更会解释数据并应用到保险实务上的精算师。
这就是为啥我tm在精算课上学到啥向量支持机器的原因么，摔！