大數據運用看似利多，但業者需注意四個風險：

1.適者生存 不適者淘汰

劉承宗認為，當市場上有業者運用大數據預測並從中獲利，其他家若無技術及財力跟進，就可能因無法競爭而被市場機制淘汰。黃永發進一步解釋，擁有強大技術和財務支持的公司可利用大數據來辨識風險較低的優質客戶，提供較便宜的保單吸引「好柿子（優質客戶）」，起步較晚的公司只能選與實際市場風險接近的「一般柿子」，甚至「爛柿子」。

打個比方，同樣是男性、三十歲、體況良好，但一位每天工作到半夜兩點、不運動，一位早睡早起、每天晨跑，可想而知後者體況持續健康機率較高，但兩位的保費卻相同，若做差異化訂價，後者投保可享折扣或提高保額，對優良客戶比較公平。

許文彥則提出事半功倍的建議，保險公司各部門可共同做數據分析。他研究經濟議題、逆選擇議題跑迴歸分析時，無意中也在評估發生率，帶入各變數即可知分別對發生率的邊際效果，再把未到期保單帶入，又能得到準備金。回到保險公司，計算發生率不只精算部，核保部也在算，卻是不同人在做，明明是同個模型，若一起做會更有效率。

2.風險池切太細 引爆數據引用風險

差異化訂價將大數法則切得更細，若不夠精準，保險公司將承擔更大風險，劉承宗舉例，一家擁有十萬客戶的保險公司，十萬個客戶會在同一個風險池，但運用大數據分析後，客戶以風險狀況切成多組，如果一個風險池才一萬人，「命中率」太低或分類錯誤，導致理賠率可能低估，這稱為「數據引用風險」。因此，大數法則運用必須淋漓盡致，除預測分析外，大數據風險分析以及後續追蹤控管也將是重要技能。

客戶風險組確實會切更細，但洪祝瑞說，分類長期壽險保單需觀察較久，不會一下就跳到萬人萬價甚至一人一價，且精算師做資料分析會考慮信賴度，不會鋌而走險。

3影響淨利率

投入大數據所花成本勢必高，恐降低淨利率，不過鄭中安說這是「以量計價」的過程，量大就能沖銷淨利率的的降幅，且前端風險控制好，後端理賠也會延遲。黃永發舉例，如果客戶的風險才十分之一，保險公司不會給他十分之一的保費，頂多打八折，但低價能刺激銷量，且都是賣給優良客戶，風險降低減少賠率，淨利率就會提高。

4.大數據人才取代精算師

其實大數據人員雖然有「跑數據」的本事，卻無「領域知識（Domain Knowledge）」核心能力，精算師則有。譬如算出訂價後，還須考慮條款約定、核保執行、風險管控……等各項條件調整，而非數字算出來就套用，精算師學過保險理論，是大數據及IT人員欠缺的技能。洪祝瑞以「解約脫退率」為例，IT人員不懂人類消費態度，就無法訂價人性化，這就是精算師無法被取代的價值。黃永發說，因精算師具領域知識，不需精通所有大數據技術，只要大概知道，就能衝到前頭。

若精算師一直處於框架中確實會被取代，但詹芳書認為，精算師吃苦耐勞、求進步，且邏輯優於常人、學習力好，如早期學校沒教Python（現今常用的統計軟體），所以老師都不會，但時代需要就會去學；SOA精算師證照考試具公信力，過去考試主要用生命表計算，現在加入科目「預測分析（Predictive Analytics）」則是給一堆資料，跑廣義線性模型（GLM），並用R程式開始預測，所以SOA制定的精算師考試會隨著市場需要調整，更是篩選精算師資格的明確指標。

除商品創新，國際會計準則IFRS17最快二○二四年上路，皆是保險業不可阻擋的變動，劉承宗提醒，理解力強的精算師是保險業領導者，面對新事務，如何快速判斷並有效溝通，成為跨界橋樑第一把交椅，將是每個精算師努力的一大方向。

延伸閱讀

精算大數據 全方位領航力

大數據預測五大困境 八位專家共同提解方