大數(shù)據(jù)分析在保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理中作用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數(shù)據(jù)分析在保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理中作用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在中國保險(xiǎn)行業(yè)進(jìn)入快速發(fā)展的時代之后，無論是行業(yè)規(guī)模還是市場競爭力都取得了重要的突破，但保險(xiǎn)行業(yè)也同樣面臨著一些潛在的隱患，尤其是風(fēng)險(xiǎn)控制成為互聯(lián)網(wǎng)背景下的主要工作之一。大數(shù)據(jù)可以從不同來源收集關(guān)鍵信息，給保險(xiǎn)行業(yè)的發(fā)展創(chuàng)造至關(guān)重要的用例參考，在數(shù)據(jù)信息龐大的時代下，應(yīng)用大數(shù)據(jù)手段做好風(fēng)險(xiǎn)防控能夠給今后的風(fēng)險(xiǎn)預(yù)測和風(fēng)險(xiǎn)評估提供關(guān)鍵的技術(shù)支持。

關(guān)鍵詞：大數(shù)據(jù)分析；保險(xiǎn)行業(yè)；風(fēng)險(xiǎn)管理

引言

大數(shù)據(jù)風(fēng)險(xiǎn)控制的數(shù)據(jù)來源廣，且數(shù)據(jù)類型多樣化，能夠采取多種類型的算法來更新客戶信息、財(cái)產(chǎn)信息和消費(fèi)信息等。與此同時，大數(shù)據(jù)風(fēng)險(xiǎn)控制在模型構(gòu)建的過程當(dāng)中，還可以完成數(shù)據(jù)的實(shí)時輸入和實(shí)時計(jì)算，提升企業(yè)的風(fēng)險(xiǎn)識別能力，并且保障多維度數(shù)據(jù)采集能力。與傳統(tǒng)風(fēng)控相比，大數(shù)據(jù)風(fēng)險(xiǎn)管理在模型構(gòu)件上使用的數(shù)據(jù)維度層級存在明顯差異，通過機(jī)器進(jìn)行決策之后也能降低風(fēng)險(xiǎn)管理成本。

1.大數(shù)據(jù)風(fēng)險(xiǎn)管理的基本特性

1.1特征

大數(shù)據(jù)風(fēng)險(xiǎn)管理能夠在海量數(shù)據(jù)的基礎(chǔ)之上，通過模型構(gòu)建的方式對用戶群體進(jìn)行劃分，不斷地整合互聯(lián)網(wǎng)數(shù)據(jù)和企業(yè)數(shù)據(jù)等完成量化風(fēng)控。大數(shù)據(jù)分析支持下的風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)控制時效性強(qiáng)，而且算法多樣化，能夠基于社會行為和人際交往行為將各類文字信息、圖片信息和視頻信息作為分析主體。其中客戶行為數(shù)據(jù)是風(fēng)險(xiǎn)管理的主要數(shù)據(jù)來源，能夠幫助內(nèi)部主體收集多維度數(shù)據(jù)且豐富不同顆粒度的小微數(shù)據(jù)，使這類模型結(jié)果更加接近客戶群體的真實(shí)風(fēng)險(xiǎn)水平。雖然大數(shù)據(jù)風(fēng)險(xiǎn)管理在本質(zhì)上和傳統(tǒng)風(fēng)險(xiǎn)管理保持相同，所使用的建模原理和方法論也維持一致，不過主要區(qū)別在于數(shù)據(jù)量和模型構(gòu)建的數(shù)據(jù)維度層級存在差異，在運(yùn)行邏輯方面也存在特殊的因果關(guān)系，并且新時期的風(fēng)險(xiǎn)管理不再過度依賴人工，而能夠基于智能算法和大數(shù)據(jù)分析通過機(jī)器完成決策過程。

1.2核心理論

大數(shù)據(jù)支持下的保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理涉及的理論主要包含兩個方面：首先是長尾理論，長尾理論能夠激發(fā)用戶的隱形需求，讓一些冷門的產(chǎn)品變得不再冷門，關(guān)注消費(fèi)者的不同需求愛好，深度挖掘市場信息，提供更多有價(jià)值和有特色的產(chǎn)品內(nèi)容，其在不同行業(yè)已經(jīng)得到了實(shí)踐和驗(yàn)證。其次是logsitic回歸模型理論，通過分析邏輯模型參數(shù)來對事件概率進(jìn)行評估，目的在于找到原始預(yù)測變量的布爾組合預(yù)測信息，有助于降低目前保險(xiǎn)行業(yè)當(dāng)中的信息不對稱程度，增強(qiáng)風(fēng)險(xiǎn)控制能力。例如在當(dāng)前的銀行領(lǐng)域，就有很多銀行利用大數(shù)據(jù)風(fēng)險(xiǎn)管理技術(shù)來進(jìn)行業(yè)務(wù)改進(jìn)，并且以此為基礎(chǔ)建立社交信息數(shù)據(jù)庫，利用算法來判定用戶的需求方向。

2.大數(shù)據(jù)分析在保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理當(dāng)中的作用

2.1提升對風(fēng)險(xiǎn)管理工作的重視程度

我國作為全球第二大保險(xiǎn)市場，從保險(xiǎn)業(yè)的經(jīng)營情況當(dāng)中可了解到每一年的保費(fèi)都呈現(xiàn)出不斷上升的趨勢，保險(xiǎn)市場具有巨大的發(fā)展前景和潛力。但是和發(fā)達(dá)國家相比，我國的保險(xiǎn)深度和密度普遍較低，行業(yè)發(fā)展處于明顯的滯后狀態(tài)。原因在于保險(xiǎn)業(yè)快速發(fā)展的時代背景下，我國保險(xiǎn)行業(yè)的賠款和給付金額同時處于增加趨勢，所以保險(xiǎn)領(lǐng)域需要分析如何有效對客戶群進(jìn)行風(fēng)險(xiǎn)管理以降低支出，讓保險(xiǎn)行業(yè)轉(zhuǎn)向高質(zhì)量的發(fā)展道路。在大數(shù)據(jù)技術(shù)人工智能的幫助之下走科技創(chuàng)新道路，能夠明確保險(xiǎn)行業(yè)的經(jīng)營原理和經(jīng)營特征，在多年的經(jīng)營過程當(dāng)中積累大量的客戶數(shù)據(jù)。例如大數(shù)據(jù)分析技術(shù)的應(yīng)用能夠幫助保險(xiǎn)公司精確預(yù)測客戶所需要的保險(xiǎn)需求和保險(xiǎn)服務(wù)，并且降低保險(xiǎn)產(chǎn)品在研發(fā)過程當(dāng)中的風(fēng)險(xiǎn)成本和承保成本，提供更具差異化的風(fēng)險(xiǎn)定價(jià)服務(wù)，這對提升營銷效率意義重大。此外，在人力成本方面，風(fēng)險(xiǎn)管理作為保險(xiǎn)的核心業(yè)務(wù)之一，應(yīng)用大數(shù)據(jù)分析技術(shù)展開更加科學(xué)的風(fēng)險(xiǎn)定價(jià)和風(fēng)險(xiǎn)管理之后，能夠降低風(fēng)險(xiǎn)成本，并且讓大量的風(fēng)險(xiǎn)管理信息反向服務(wù)于保險(xiǎn)業(yè)內(nèi)部。經(jīng)濟(jì)的快速發(fā)展和人們可支配收入的增加使得現(xiàn)代人群的保險(xiǎn)意識不斷提升，對于保險(xiǎn)服務(wù)的需求量隨之增加，現(xiàn)代保險(xiǎn)業(yè)務(wù)需求也呈現(xiàn)出典型的多樣化和智能化特性?；趫鼍盎母黝惐ｋU(xiǎn)產(chǎn)品伴隨著用戶的定制要求拓展了其傳播速度，各類新制度的實(shí)施也促進(jìn)了保險(xiǎn)業(yè)對保險(xiǎn)本身的重視程度。從行業(yè)內(nèi)部的企業(yè)發(fā)展過程來看，大數(shù)據(jù)無疑給保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理帶來了根本性的變革，依托精準(zhǔn)的產(chǎn)品開發(fā)結(jié)果來分析客戶行為習(xí)慣獲取結(jié)構(gòu)化數(shù)據(jù)之后，對保險(xiǎn)的市場需求的把握變得更加敏銳，所以可以以此為基礎(chǔ)研發(fā)出成本更低但滿足客戶期望的產(chǎn)品類型和定價(jià)方案。此外，還可以借助大數(shù)據(jù)技術(shù)對不同風(fēng)險(xiǎn)項(xiàng)目進(jìn)行篩選和評估，做好精準(zhǔn)營銷激發(fā)客戶的風(fēng)險(xiǎn)意識，積極融入大數(shù)據(jù)思維做好數(shù)據(jù)化和系統(tǒng)化管理。例如在文本挖掘和語音識別等技術(shù)的幫助之下，客戶本身的性格特點(diǎn)、思維習(xí)慣等海量的行為數(shù)據(jù)可以作為增值服務(wù)和理賠服務(wù)過程當(dāng)中的主要參考對象。未來在客戶為主的宗旨下，保險(xiǎn)行業(yè)天然的大數(shù)據(jù)特征可以結(jié)合中國保險(xiǎn)業(yè)的實(shí)際發(fā)展情況，立體描繪保險(xiǎn)行業(yè)全新的風(fēng)險(xiǎn)管理模式和生態(tài)系統(tǒng)模式，基于品牌要求和銷售計(jì)劃重新確定決策管理方案，抓住市場利基客戶實(shí)現(xiàn)產(chǎn)品的精準(zhǔn)投放，關(guān)注客戶群體的顯性需求和隱性需求乃至未來潛在需求。

2.2獲得客戶的關(guān)鍵信息

大數(shù)據(jù)分析可以在獲取信息方面扮演非常重要的角色，由于大數(shù)據(jù)本身可以從不同來源獲取關(guān)鍵數(shù)據(jù)，所以保險(xiǎn)行業(yè)的內(nèi)部發(fā)展能夠利用這些數(shù)據(jù)完成智能化評估。比如在醫(yī)療保險(xiǎn)方面，借助數(shù)據(jù)庫智能工具和數(shù)據(jù)庫信息，可以將用戶的健康情況傳遞到保險(xiǎn)公司的數(shù)據(jù)庫當(dāng)中，向被保險(xiǎn)人提供專業(yè)的服務(wù)。與此同時，借助這些數(shù)據(jù)信息也能回答客戶所提出的常見問題，改善客戶體驗(yàn)并做好欺詐檢測。公司內(nèi)部可以根據(jù)過去客戶提出的索賠以及歷史信息來啟動對客戶的行為調(diào)查，正如在某些人身保險(xiǎn)當(dāng)中，保險(xiǎn)公司可以關(guān)注客戶的投保時間和投保比例以及潛在事故的傾向性，做好反欺詐和信用評價(jià)工作。在投保環(huán)節(jié)直接利用大數(shù)據(jù)平臺來建立風(fēng)險(xiǎn)評估模型，對某些高風(fēng)險(xiǎn)客戶進(jìn)行篩選，一些可能對保險(xiǎn)公司產(chǎn)生附加值的客戶可以選擇拒?；蛱嵘ＹM(fèi)的方式提供專項(xiàng)業(yè)務(wù)。而在承保運(yùn)營環(huán)節(jié)大數(shù)據(jù)分析風(fēng)控模式更加關(guān)注對保險(xiǎn)客戶的信息動態(tài)反饋，然后根據(jù)客戶的不同情況來做好人工介入與核心審查。需注意的是，在某些互聯(lián)網(wǎng)場景下，還要考慮可能產(chǎn)生的健康風(fēng)險(xiǎn)或道德風(fēng)險(xiǎn)，尤其是在某些醫(yī)療服務(wù)當(dāng)中，投保人如果隱瞞病情或完成信息造假必然產(chǎn)生未知的道德風(fēng)險(xiǎn)。對此，保險(xiǎn)公司需利用大數(shù)據(jù)分析系數(shù)來從多維度篩查客戶的不良信息，及時發(fā)現(xiàn)高風(fēng)險(xiǎn)客戶發(fā)生欺詐行為的產(chǎn)生。

2.3大數(shù)據(jù)風(fēng)控

大數(shù)據(jù)風(fēng)控的作用在于規(guī)范現(xiàn)有的保險(xiǎn)流程、預(yù)防保險(xiǎn)消費(fèi)欺詐，如惡意重復(fù)投保、騙取多余保費(fèi)等。早在2013年阿里巴巴和中國平安等公司就共同組建了眾安在線財(cái)險(xiǎn)保險(xiǎn)公司，目的在于確保互聯(lián)網(wǎng)的安全運(yùn)行融合各類大數(shù)據(jù)和網(wǎng)絡(luò)保險(xiǎn)內(nèi)容，為網(wǎng)絡(luò)用戶提供安全交易和服務(wù)咨詢模式。而在車險(xiǎn)方面，人保財(cái)險(xiǎn)在2014年就采取了基于大數(shù)據(jù)的車聯(lián)網(wǎng)保險(xiǎn)系統(tǒng)，免費(fèi)向車主提供SIM卡然后記錄車主的駕駛行為數(shù)據(jù)和駕駛習(xí)慣，將這類關(guān)鍵信息作為變量因子和風(fēng)險(xiǎn)定價(jià)模型判定依據(jù)。而阿里巴巴集團(tuán)下的螞蟻金服車險(xiǎn)分利用海量的大數(shù)據(jù)信息和數(shù)據(jù)建模技術(shù)對每一名用戶展開畫像風(fēng)險(xiǎn)分析，當(dāng)風(fēng)險(xiǎn)越低時，評分則會越高。與傳統(tǒng)的信息判定相比，這種分?jǐn)?shù)能夠應(yīng)用人工智能手段對人員展開精準(zhǔn)評估，而非對車輛展開評估，也能從根源上避免理賠規(guī)則不標(biāo)準(zhǔn)而導(dǎo)致的理賠矛盾。又例如，在移動端進(jìn)行投保時OCR技術(shù)可以提供更加智慧而高效的解決方案，只需要掃描身份證，就可以精確提取證件信息，輔以人臉識別檢測來快速提取出用戶的身份認(rèn)證結(jié)果，對接的數(shù)千個數(shù)據(jù)源和毫秒級搜索技術(shù)能夠完成對于數(shù)據(jù)的有機(jī)挖掘和整合。

3.基于實(shí)證分析的保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理與大數(shù)據(jù)風(fēng)險(xiǎn)控制

3.1保險(xiǎn)客戶模型跟蹤

在保險(xiǎn)客戶風(fēng)險(xiǎn)模型當(dāng)中可以劃分不同的自變量和因變量。以車險(xiǎn)為例，自變量包括車輛種類、人員特征以及駕駛行為，而車輛種類又可以被劃分為二元變量，包括小型轎車、大型SUV、貨車等；因變量則包括性別、年齡、車輛使用年限、車輛購置價(jià)格、連續(xù)投保時間等。當(dāng)收集了行駛里程剎車情況等關(guān)鍵數(shù)據(jù)之后，就可以給不同車主提供差異化的保費(fèi)，并判斷用戶是否具有良好的駕駛頻率和駕駛強(qiáng)度，豐富車險(xiǎn)定價(jià)因子，提供個性化和精準(zhǔn)化的車險(xiǎn)服務(wù)。此外，還可以采用計(jì)算機(jī)圖片識別技術(shù)來繪制某些受損車輛的3D圖像，一旦車輛發(fā)生嚴(yán)重事故時，就可以通過攝像機(jī)掃描現(xiàn)場圖片，構(gòu)建三維模型，記錄結(jié)構(gòu)化數(shù)據(jù)之后再對車輛進(jìn)行定損。在增值服務(wù)方面可以參考一些其他國家的運(yùn)營措施，例如美國的一些汽車，保險(xiǎn)公司就可以通過軟件包來反饋車主的駕駛信息，建立高度精準(zhǔn)的用戶行為，將用戶的駕駛行為數(shù)據(jù)與其他正常行為數(shù)據(jù)進(jìn)行比較，構(gòu)建差異化模型，精確評估當(dāng)發(fā)生事故時是否保持正常的狀態(tài)。在健康險(xiǎn)領(lǐng)域當(dāng)中，當(dāng)前國內(nèi)和一些保險(xiǎn)公司已經(jīng)利用了可穿戴技術(shù)和活動追蹤器，為客戶提供不同類型的服務(wù)，判斷客戶是否有需要改善的不健康行為。這一點(diǎn)在某些老年群體的健康保險(xiǎn)當(dāng)中可扮演非常關(guān)鍵的角色。這種對身體活動進(jìn)行測量的儀器，可以評估老年人可能產(chǎn)生的疾病風(fēng)險(xiǎn)乃至死亡風(fēng)險(xiǎn)，呈現(xiàn)出主體的健康狀況和健康行為。正如中國太平洋保險(xiǎn)子公司太平洋醫(yī)療健康發(fā)布了移動健康管理服務(wù)品牌，并且建立了健康互動保單計(jì)劃，基于可穿戴的智能健康設(shè)備和客戶體質(zhì)數(shù)據(jù)，引導(dǎo)投保人養(yǎng)成健康的生活習(xí)慣。例如，當(dāng)用戶完成某種健康行為時，就會獲得對應(yīng)的健康獎勵，以此為基礎(chǔ)刺激用戶長期保持健康習(xí)慣的趨向。本質(zhì)上看這種客戶模型跟蹤的作用在于研究健康行為和個體變量之間的差異。判斷不同影響因素和疾病風(fēng)險(xiǎn)之間的關(guān)聯(lián)性，其預(yù)測效果往往基于普遍因素和相關(guān)因果關(guān)系的分析結(jié)果，表明大數(shù)據(jù)能夠了解用戶的實(shí)際需求，打破傳統(tǒng)的低頻運(yùn)作模式，拓寬大數(shù)據(jù)的應(yīng)用場景。從本質(zhì)上看，此類行為所采取的技術(shù)手段是對于用戶的實(shí)時追蹤和健康數(shù)據(jù)的獲取，包括健康管理在內(nèi)的各類行業(yè)數(shù)據(jù)都可以提供關(guān)鍵的數(shù)據(jù)信息。健康險(xiǎn)作為我國多層次醫(yī)療保障體系當(dāng)中的關(guān)鍵組成部分，實(shí)現(xiàn)數(shù)據(jù)互通和共享是未來的主要發(fā)展趨勢，并且以數(shù)據(jù)為支撐建立健康保障體系之后，能夠推動健康險(xiǎn)在保障體系當(dāng)中的功能實(shí)現(xiàn)。

3.2保險(xiǎn)風(fēng)控

現(xiàn)代社會保險(xiǎn)越來越成為人們生活當(dāng)中的剛需，而保險(xiǎn)公司也會建立對應(yīng)的大數(shù)據(jù)風(fēng)控系統(tǒng)。例如在互聯(lián)網(wǎng)在線投保時，某些客戶在填完相關(guān)信息之后卻出現(xiàn)無法投保產(chǎn)品的結(jié)果，涉及的產(chǎn)品類型也越來越多。出現(xiàn)此類現(xiàn)象的主要原因在于現(xiàn)有的大數(shù)據(jù)風(fēng)控系統(tǒng)會對被保人的風(fēng)險(xiǎn)程度進(jìn)行判定，如果風(fēng)險(xiǎn)偏高那么投保系統(tǒng)就會進(jìn)行攔截。以風(fēng)險(xiǎn)管理為例，根據(jù)用戶的健康數(shù)據(jù)、理賠記錄和互聯(lián)網(wǎng)行為等多個層次的信息進(jìn)行綜合評估，如果分?jǐn)?shù)異常，那么就無法投保。這里仍然以前文提到的健康險(xiǎn)為例，個人健康數(shù)據(jù)以及過往就診記錄在保險(xiǎn)評分權(quán)重方面占比較高，是否申請過保險(xiǎn)理賠等理賠記錄的評分權(quán)重相對一般，互聯(lián)網(wǎng)行為以及是否搜索過與疾病有關(guān)的信息，在評分權(quán)重方面占比較低。這表明在大數(shù)據(jù)平臺和大數(shù)據(jù)分析模式之下，保險(xiǎn)公司會重點(diǎn)監(jiān)控用戶的醫(yī)療記錄。如果用戶曾經(jīng)在腫瘤科或心腦血管科室就診，則表明用戶可能產(chǎn)生高額的醫(yī)療費(fèi)用，所以再根據(jù)疾病記錄自動匹配健康規(guī)則與核保規(guī)則。無論基于哪種算法，保險(xiǎn)公司都會采取有效的風(fēng)控機(jī)制。除此之外，部分企業(yè)也以此為基礎(chǔ)建立了基于大數(shù)據(jù)的風(fēng)險(xiǎn)監(jiān)控分析系統(tǒng)，包含大數(shù)據(jù)采集模塊、信息模塊、分類評估模塊、評估要素模塊等各種不同的組成部分。被確認(rèn)的風(fēng)險(xiǎn)評定信息通過對比模塊能夠快速地傳遞至動態(tài)評估模塊，利用決策樹或邏輯回歸等分類方式將信息重合部分做好歸類。在這方面，保險(xiǎn)企業(yè)可以參考某些貸款平臺或銀行風(fēng)控系統(tǒng)的運(yùn)作方式，分析主體的固定資產(chǎn)與流動資產(chǎn)數(shù)據(jù)負(fù)債總額數(shù)據(jù)、資質(zhì)異?；蚨悇?wù)信息異常數(shù)據(jù)、訴訟數(shù)據(jù)等，確定風(fēng)險(xiǎn)評定值以及動態(tài)變化的區(qū)間，并且該數(shù)據(jù)會被傳遞至數(shù)據(jù)分類模塊當(dāng)中，完成數(shù)據(jù)信息的篩選和預(yù)警。4結(jié)語本次研究圍繞大數(shù)據(jù)支持下的風(fēng)險(xiǎn)管控的基礎(chǔ)內(nèi)容，對大數(shù)據(jù)分析在保險(xiǎn)行業(yè)的風(fēng)險(xiǎn)管理應(yīng)用展開了分析評估。為了充分分析大數(shù)據(jù)分析手段的應(yīng)用價(jià)值，在后續(xù)的研究當(dāng)中，保險(xiǎn)行業(yè)內(nèi)部應(yīng)該在加強(qiáng)數(shù)據(jù)收集的基礎(chǔ)之上完成內(nèi)部數(shù)據(jù)的整合，實(shí)現(xiàn)數(shù)據(jù)的互聯(lián)互通，打破數(shù)據(jù)孤島狀態(tài)。尤其是在數(shù)據(jù)收集方面要加強(qiáng)數(shù)據(jù)的廣度和深度，保障數(shù)據(jù)采集效率并利用最有效的指標(biāo)對各類風(fēng)險(xiǎn)信息進(jìn)行預(yù)測。這樣一來才能提升數(shù)據(jù)信息的利用價(jià)值，對各類風(fēng)險(xiǎn)因子做出判定，基于不同的影響因素建立回歸模型，應(yīng)用至保險(xiǎn)預(yù)測問題。

參考文獻(xiàn)：

[1]董淼.大數(shù)據(jù)時代下互聯(lián)網(wǎng)保險(xiǎn)的發(fā)展研究[J].當(dāng)代經(jīng)濟(jì),2016,(21):46-47.

[2]朱靜.財(cái)險(xiǎn)公司共同保險(xiǎn)業(yè)務(wù)內(nèi)部控制模式的構(gòu)建[J].商業(yè)會計(jì),2018,(11):98-100.

[3]侯旭華,劉洋芷.互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)優(yōu)勢與風(fēng)險(xiǎn)探析——以眾安保險(xiǎn)為例[J].會計(jì)之友,2018,(3):112-115.

[4]李雅.探討我國保險(xiǎn)公司風(fēng)險(xiǎn)管理層面存在的問題及對策[J].市場周刊(理論研究),2017,(11):30,34.

[5]孫慶文,薛昭宇.保險(xiǎn)公司風(fēng)險(xiǎn)管理面臨的問題及對策研究[J].財(cái)富生活,2020,(6):168,170.

[6]許辰杰.保險(xiǎn)公司風(fēng)險(xiǎn)管理與內(nèi)部控制評析[J].中國管理信息化,2020,(4):20-21.

作者:韓瀅 單位:泰康養(yǎng)老保險(xiǎn)股份有限公司總公司