來源：互聯網保觀
UBI車險因其可以直接對司機的駕駛行為進行記錄，成為了保險業心目中，將駕駛風險和車險保費高度匹配的方法之一。保險公司通過UBI車險收集駕駛員的行駛數據，并為數據表現優秀的客戶提供保費折扣，以此來保留優質客戶。從客戶的角度來說，良好的駕駛行為意味著更多的保費優惠，他們也更有動力去主動規范自己的駕駛行為。而良好的駕駛行為客觀上將會減少事故的發生頻率，保險公司又能因此節省大量理賠支出，最終形成雙贏局面。
UBI車險是保險公司利用新興技術改善業務流程眾多嘗試中的一個。但是，目前保險公司和其他金融服務供應商的UBI實踐還處于探索過程中，他們對UBI所收集數據的種類、頻率、時長，以及傳感器的類型等問題還沒有確切的答案。實際上，許多保險公司都就數據收集的方法進行了獨立的研究努力，但這也導致整個行業沒有形成統一的UBI方法標準。即使如此，我們覺得保險業依然可以找到一個收集UBI數據的統一標準，并且推動UBI在未來的發展。
自從UBI出現以來，保險公司在確定收集數據的方法和數據的種類時，所考慮的最主要的三個因素分別是硬件、數據以及分析方法。這三個因素也構成了搭建UBI系統的成本，盡管這三者各自單獨的成本都在下降，但是搭建UBI系統的綜合成本依然不可小覷。而因為沒有行業統一的標準，如何劃定所收集數據的界限，也是一個頭疼的問題。
以下是UBI車險領域中使用頻率最高的一些數據類型：
1、行駛里程
這是UBI車險里最基礎的數據。權威研究表明，車輛發生事故的頻率與其行駛里程的關系呈正相關。這意味著行駛里程越多的車輛，其發生車禍并出險的概率越大。保險公司可以借助UBI設備確?？蛻羲峁┑睦锍虜蹬c實際情況相符，杜絕虛報假報的情況。
2、行駛時間
與行駛里程相比，行駛時間所能反映的信息更多。行駛時間將能從里程以外的角度來評估車輛所面臨的風險，比如車輛在一天中的哪些時段上路，有些時間段，比如周五晚上，車輛上路發生車禍的概率比其他時間段會高一些（因為涉及疲勞駕駛和酒駕的可能性更高）。
3、行駛事件
司機基本駕駛行為的評級主要由剎車、加速、轉彎等行駛事件來體現。高速行駛中，最快速度（比如超過120km/h）也會被記錄下來。此外，在經過限速標志時車輛的速度也會被記錄下來。不過速度等數據的精度不高，可能會有些許誤差。
4、智能手機數據
智能手機實際上是每個人身邊都有的遠程信息處理設備，能夠低成本的收集和存儲使用者的信息。但是智能手機的數據也存在一些弊端，令保險公司難以高效使用該渠道的數據，比如無法確認被保險人是司機還是乘客，手機是否關機，以及手機使用者是否在駕駛投保車輛等。
在未來，UBI技術還有哪些方面值得我們的期待？從技術的快速發展以及復雜度日益增長的數據分析來看，未來UBI的發展很有可能要依靠下面幾個因素：
1、移動數據
隨著移動互聯網的發展，移動app越來越精致，智能手機上的傳感器精度也在提升，越來越多的保險公司會將用戶的智能手機作為一個低成本的數據來源。
2、OEM數據
配備車聯網的互聯汽車正在快速發展，據研究機構Gartner的預測，到2020年，全球車聯網系統中將有2.5億輛汽車參與其中。汽車生產商作為原始設備生產商（Original Equipment Manufacturer, OEM），將在未來承擔起收集用戶數據的重任。
3、ADAS數據
高級駕駛輔助系統（Advanced Driver Assistance Systems, ADAS）能夠在危險情況下提供警告，甚至改寫司機的駕駛操作，確保車輛安全行駛。在未來，用戶車輛的ADAS數據或許能為駕駛行為分析提供極其重要的價值。