传统车险定价建模的问题：
- 保险公司使用的GLM模型，虽解释性好，但非最适合模型
- 建模周期长，模型更新慢
- 模型表现提升难，模型评估算法不合理
- 有很多时间相关信息的特征难以利用
使用易明智能建模工具：
- 智能选择合适的模型组合
- 快速建模
- 对时间因素充分利用并合理处理
潜在意义：显著提升了定价模型的表现，使得保险机构的收益最大化
建模结果对比
目标：国内某保险公司希望建立一个更准的定价模型，在现有模型效果上获得明显改进和提升。
在项目团队评估原定价模型表现以及模型算法后，采用GLM和神经网络相结合的方法制定出新的定价模型，比原定价模型基于赔付的GINI表现提高了12%。
| 智能建模 | 传统建模 | |
| 建模时间 | 60分钟/模型（数据预处理+建模） | 1-2个月 |
| 建模数量 | 2 | 1 |
| 模型表现 | GINI 0.683 | 0.608 |
| 重要衍生变量 | 3 | - |
| 建模数量 | 1380000+ / 4G+ | 1380000+/ 4G+ |