來源：鳳凰財經
互聯網車險的未來會是UBI嗎？
互聯網車險無外乎兩個：一個銷售渠道的改變，一個產品線的改變，即UBI。從本質上講UBI是產品的改變，特別是改變了產品定價模型，場景化、差異化了產品的服務內容。
在商車費改的大環境下，我們看好UBI車險在國內的落地發展，邏輯如下：
報告顯示：截止2016年6月，全球UBI保單量已有1540萬份，較去年同期增長77%。其中，美國、意大利、英國的UBI保單量依次分別為790萬份、500萬份和86萬份。英國UBI保單量增長率位居全球第一，達到了115%，而美國作為全球第一大車險市場，UBI保單量較去年同期增長97.5%。全球UBI保費增長60%，遠高于個人車險保費39%的增幅。同時，全球眾多保險公司都在緊鑼密鼓地推出UBI相關產品，截止2015年底，已有14家保險公司擁有了10萬級的車聯網用戶，較2013年實現翻番。此外，主機廠和運營商也紛紛試水UBI項目。
全球UBI正處于高速增長期。不過，UBI的蓬勃發展還只剛剛起步。隨著中國這個全球第二大車險市場開始了市場化改革的進程，UBI產品在中國的正式落地也變得更為可以預期。商車費改試點已滿一年。2016年6月30日開始在全國范圍內推廣。在車險費率改革的第一階段，收到了初步的成效，建立了市場機制。與此同時產品同質化、價格競爭、費用率上升、渠道結構發生變化以及中小公司經營困難等問題反而有所加劇，而更精確的風險評判、更個性化的保險產品卻還未出現。
目前，在車險業務中排在前7的保險公司仍然占據近80%的車險保費份額。在費率改革深化尤其是在建立退出機制以后，以往通過降價和增加渠道費用的傳統手段已經難以為繼。在7月20日的“商車改革進行時”會議中，保監會副主席陳文輝明確表示，改革仍需進一步深化，適時推出保障更全面的行業示范型產品和保險公司創新型產品，賦予保險公司更大的條款開發權和定價自主權。
基于車聯網大數據的UBI則可以從以下多個方面解決保險公司現有問題以及優化業務模式：
精準及個性化定價——基于大數據與人工智能，能實現對各種風險更為精準、動態的定價；
多樣化的保障方式——基于車聯網數據可以更精確判斷車輛運行狀態，因此保險保障有可能按照更靈活的時段、路線、距離、環境等因素設定，用戶體驗將更為良好；
精確風險管理——豐富定價因子，判斷客戶風險，改善理賠流程，減少欺詐風險；
優化用戶行為——吸引“好”客戶，改善駕駛習慣，降低事故頻率，促進賠付下降；
實現大數據應用——充分分析和挖掘已收集用戶的風險數據、消費數據和行為數據的價值；
高效管理渠道——幫助保險公司快速確定優秀的渠道，控制費用率；
增加用戶黏性——通過互聯網和移動互聯網實現網上購買、保費優惠、事故第一時間通知、及提供多種客戶感興趣的相關服務，可以增加用戶接觸，改善客戶關系，延長服務周期，還可為開展其他銷售活動提供機會。
簡言之，UBI將成為汽車市場的一個長期的解決方案，而不只是短期的定價優勢。
通過什么方式或載體獲得的數據是最有價值或精準的？
UBI數據收集模式
OBD：全稱On-Board
Diagnostic，是汽車內部CAN總線的一個接口。通過這個接口，維修人員可以檢測汽車故障，環保機構可以檢測車輛排放。這是OBD接口被強制要求的初衷。由于OBD檢測設備可以通過該接口讀取車況，比如車速、里程、油耗、機油量以及發動機參數等信息。OBD作為一個數據輸出端口，它能提供幾千項車輛數據。這些數據中，有一部分是通過OBD的16針中的9個遵循公有協議的針輸出的，包括里程、時速、油耗等；但另外有7個針是車廠加密過的私有協議，類似控制發動機、變速箱的一些ECU（電子控制單元），以及剎車片溫度等精密數據，是無法輕易獲取的。
ADAS（高級駕駛輔助系統）：是利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。
手機App：事實上，手機解決方案已經成為現在創業公司的主要的攻克方向。手機因為其無需外置硬件，模式更輕，app延展性更強，更看重互聯網化運營有潛質成為一個比較好的車聯網解決方案。但是在國內，針對不同類型的手機，能做一套耗電量和有效記載里程都經過高度優化的算法著實不易，如果能做到，那對現有OBD產品肯定是不小的競爭?，F在國內一些手機開發商已經擁有具有碰撞模型的手機方案，已經開始摸索除了駕駛習慣記錄和行程管理之外的功能，隨著智能手機傳感器技術的快速進化和芯片的不斷更新，手機車聯網技術可能成為UBI車險在中國真正落地和快速起量發展的關鍵。
UBI數據模型中的組成因子
做好UBI車險的關鍵和難點除了要實時采集有關車輛駕駛情況的諸多數據，還在于建立科學的數據模型和算法，從紛繁復雜的數據中估算出駕駛者的風險系數，然后為保費提供定價依據。
UBI數據模型的完善需要兩部分數據模型的完整構建。首先，需要通過設備采集到用戶的行駛里程、駕駛行為等諸多數據，還要結合上一定的風險數據，再將這些數據按照不同的權重進行劃分，通過初步計算，得到駕駛行為分數，也就是構建出的初步分析數據模型;除此之外，還要根據保險公司的實際情況(如保險公司的收入與支出比例等等)構建出標準數據模型。再將前者與后者進行比對，得出最終的分析結果，作為保費定價的依據。
目前市場上最常見的UBI車險模型多是基于行駛里程來構建，對于風險評估的因子單一，無法真正描繪出駕駛者行為這一保險定價中重要的“從人因子”特征;未充分考慮行駛的多種因素，對風險管控的提升比較有限，也不利于個性化保險產品的推出。
國內現有的某公司數據模型，其數據因子按照主要因子、次要因子、輔助因子的分類可組成“用戶畫像”。主要因子一般包括速度、城市道路、夜間時間、急加速、急剎車五項，這五項主要數據結合車輛單次行程時間和距離以及周邊道路限速情況等次要因素，加權計算出相對應的駕駛行為。
另外，UBI數據模型中還有一項特殊的分析，即風險數據的評估。駕駛風險評價需要采集駕駛人員屬性(年齡、駕齡等)及行為、車輛情況、道路狀況、環境因素、管理因素等，這些數據同樣根據不同的風險權重比來計算出風險數據。
UBI車險面臨挑戰及升級思路
目前國內保險公司推廣UBI車險模式主要存在兩個瓶頸，一是難以形成精準的UBI車險定價模型，對國內UBI車險保費的控制把握程度低；二是采用UBI車險模式之后，難以對車主可能發生的風險事故進行識別控制。
一般的UBI模式通過OBD收集數據，只能收集到車身駕駛數據如駕駛員急剎車次數，但無法收集到相關車身周圍環境數據，例如駕駛員是在什么路況下剎車；而且受制于車廠協議的不公開，可獲取的數據有限，數據的質量也無法保證，且如何讓普通車主接受OBD仍是個大問題，諸多實踐也證明這種UBI車險數據收集模式的效果并不理想，而手機模式的車聯網仍處于早期階段，尚無成功案例。
后續UBI模式的升級化思路在于OBD數據采集與ADAS的結合，通過ADAS的介入降低事故率，從而為保險獲得更大的盈利空間，同時也給消費者帶來更大的保費下降空間。ADAS是實現無人駕駛的近階段目標，目前技術已經成熟，是最先有望大范圍實現商用的自動駕駛技術，ADAS與UBI的結合十分具有看點。