本文是我过去两年在中国气象应用领域的整理心得，从一个完全不懂气象到透过气象与许许多多行业实际交流应用的成长历程。整理出这篇文章，主要过去两年来自投资人与对这行业感兴趣者提出的问题整理。希望这些心得分享可以减少大家走弯路。如果您有问题或是认为我有谬误，欢迎与我（罗应琏-微信号：AlfredLo1981，简书主页：http://t.cn/R9baZRu）讨论。
气象保险：
概述：
本文所谓的气象保险是指天气指数保险（Weather Index），约定天气要素（风力、温度、相对湿度、降雨…等）与气象观测站，一但在约定的时间达到约定要素的条件于以保险给付；比如约定北京站（54511）或北京站（54594）在 2017/06/16 当天 08:00 到 18:00 观测到下雨（不管多大）。
分工：
气象公司：(1)协同保险公司讨论BD方案（Business Development）；
(2)历史数据(约定站点过去一个气候态的历史数据，通常为有数据质量保证的国家级气象观测台站)+气候预测(中期)+天气预报(短期)提供给保险公司达到该天气条件的机会概率；
(3)台站基本每小时会将数据统整到中国气象局信息中心，气象服务单位在取得观测数据后汇报保险公司保险产品结果；
(4)气象服务单位具备专业气象资格，可以根据保险产品发布保险证明。气象服务公司以收取服务费，通常是整体保险销售拥金的部份。
保险公司：(1)根据合作气象公司提供的天气条件发生概率进行保额保费的计算形成保险产品；
(2)B端客户BD；
(3)保险渠道推广，如官网、淘宝、微信或是现下等渠道。
保险经纪公司：与保险公司类似，更多具备客户资源与分散风险给不同保险公司承保。
再保险公司：我所接触过的几个再保险公司，外资再保险公司多数都是要中国的气象数据，认为国内的气象服务单位还有很大进步空间(拿了数据自己专业团队分析、自己搞)；特别是巨灾的应用(但是中国气象数据也就从 1949 年后启始，巨灾多数要百年以上数据)；至于国内的再保险公司更多着重于业务开展(风险控管分散风险刚萌芽)。
分歧：气象服务公司对于保险公司来看：就是个数据计算方，在发生财产损失时气象服务公司无法背书该财产损失是由某些天气因素造成，如此只要保险公司内有专业的人士了解气象信息与及时取得正确气象数据就完全不需要气象服务公司；保险公司的精算团队与经营团队，多数都有这样的认知。
国内经验：
业务本质像是在进行天气赌博，但是透过保险避险的手段与外衣(上任保监会要求是需要有明确的可保利益)；在大家认识不多的过去几年，不管是高温险、降雨险、台风险(风+雨)多是以to B(Business) to C(Customer)的做法，也就是把保险卖给大B受益人为与大B交易的小C，直接对C端的做法在国内几家不管是合法或是非法的绩效都不是太理想，规模就是百万元左右天花板水平(气象服务单位年营收)。(很容易藉由众安日前-2017/6/30>在港提交IPO的招股说明书推敲实规模)
市场机会：
天气指数保险，大家看上的是农业的巨大机会。农业在世界多数国家都是工业补贴农业的做法，我国加入WTO后政府补贴农业往往都需要曲线补助(直接补助违反WTO协议)，如果透过保险就成为曲线科学补助，特别是透过天气指数保险，举例如后：
如政府替北京密云种植桃子的农户或是大型收购桃子的大户购买保险(资金补贴农业稳定经营)，寻求资金补贴降低桃子在春季因天气冻害冬芽造成的损失，保险内容约定春季低温数值不同阶段进行不同的赔付。大家都看上政府主要的目的是补贴农户或是固定采购大户，附带次要才是避免风险，所以气象服务单位与保险公司就会这样设计产品：(1)北京密云一月温度达到零下 5 摄氏度是 100% 发生，达到零下 5 摄氏度保险公司就给付 50% 保费额度；(2)北京密云一月温度达到零下 8 摄氏度是三到四年发生一次，综合考虑气候预测发生概率 60%，保险公司再给付 25% 保费(1+2 累计赔付出 75% 保费)，…，最终几乎不大可能发生的天气风险(如零下 20 度)则是：大家的收入(保留保险公司、气象服务公司服务费、保险经纪公司拥金，…，等费用)。
此举对于政府支持农业稳定，保险公司、保险经纪公司、气象服务单位则为创收，属于多赢的做法。只要操作上需要掌握各方利益(这也是最难的，需要掌握政府资源调配)，大家就可以科学创收。这应该是天气指数保险在中国目前看到的机会，只要搞定ZF。
国外经验：
出身Google的WeatherBill (孟山都并购后称Climate Corporation；2016 年拜耳收购孟山都)一直是国内相关公司对标(Benchmark)，但是 2015 年与Climate工作的朋友以及其相关客户都反馈，保险产品卖得一塌胡涂，16 年Climate低调的把保险部份卖掉，专业从事美国土地土壤信息化业务。日本、印度等邻近的国家，不管是樱花险、赏月险在to C端的天气指数保险过去几年销售数据也低到不敢公布。
气象数据使用：
目前非常大多数中国的气象服务公司比较适合定位为：气象信息数据的搬运工，根据中国中央气象台的结果还有国外的气象预报数据(如美国的AccuWeather,TWC)进行整合，大多数工作就是从数据库搬到自己的地盘(数据库、网站或是手机APP)，技术难度与专业性没有门槛。天气的中长期预测，也多是基于中国气象局的结果气象人员的经验(如过去相类似条件的赤道水温、太阳黑子，…，等模式判断)进行再加工服务。
卫星数据、雷达数据、地面观测站数据，目前体制非常完备，但是在进行商业化却面临质量问题，如数据延迟过久、数据缺失、数据质量不合规，…，等。很多气象服务公司花费大量心力在降低无法达到商务服务质量的需求；即SLA(Service Level Agreement)的要求是气象数据服务的紧箍咒，一方面仅是数据搬运工不是数据所有者(中国的气象数据属于国家-全民)，另一方面又要满足客户的服务要求。所以多数手机上的天气信息，所呈现的现在天气状况常常都是用最近一次预报的数值取代，就是从气象观测台站→县气象局→市气象局→省气象局→中国气象局信息中心→…，最优最快基本都需要经过半个小时以上(还不考虑数据质量)：你看到的数据都最快都是半小时前的实测数据(最理想状态)。
以目前使用的实况格点数据，就是可能半小时甚或一小时前的气象台站实际观测数据，以硬差值的方式做成每一公里的天气数据值(以一维差值举例：天安门测得降雨 10mm，10 公里外的大兴气象站没有降雨(测得降雨为0)，硬差值不考虑地形等影像，每往大兴一公里就减少1mm降雨量)，这样的做法不使用地形等模式要素，往往就是权衡效率与准确下的产物(实际上可能离开天安门两公里就没有下雨)。
气象数据应用：
天气数据虽然自建国至今不到百年，整体来说算是非常完整与有质量的数据，相对于行业的数据则有太多背景因素，以淘宝的零售数据而言也起于 2013 年才拿得出手，在过去 30 年的高速成长才开始数字化管理的阶段。气象服务公司要进行天气数据与行业数据拟合，关键在于需要对行业的每个数据都非常地了解其背后的商业意义，才有机会把行业的业务数据清洗干净完整，这样的人员不仅仅是要求对理论与工具的掌握程度，更缺乏时对商业世界的理解(理论上传统的管理咨询顾问受过类似训练，但实际上也是可遇不可求)，所以成果只能GARBAGE in garbage OUT。
此外，气象对于众多行业只是影响因子之一不是绝对的因果关系，如果对行业的特性没有摸透，项目仅能以惨案收场。从我的直观经验，没有相对价格(Price)影响的消费品如 5 RMB 售价的饮料相较于几百元的白酒更容易表现出天气驱动销售预测的优势(天气影响因素>消费者心理价格因素)。
行业+气象应该是最正确的发展方向，也就是行业在经过改革开放后粗放快速增长 30 年，迈向数字化精细管理数据驱动的新篇章，将外部因素进行数据分析，不管采用机器学习的哪类算法，从企业内部开始，都会比先外部公司从气象与行业相关与因果更能做出实事(非气象+行业;先稳固行业才有气象进朝向数字化经营)，像是移动广告在海外UBER与LYFT都有投入不少资源，从外卖与打车因天气调整价格的实践经验，移动广告+气象只要广告的投放规则调整，天气数据助力移动广告是个机会。
智能硬件与物联网：
气象系统是地球上最大的物联网之一，卫星、雷达还有地面成千上万的观测台站，以地面观测站来说所有观测天气要素的设备都属于高于民用的精度、稳定度要求，实际上我们再看来自全国各观测站的数据，虽然每一层都有质量检验，常常很多数据还是惨不忍睹，如果是无人值守台站的数据若出现了过大的量测值(如超过该站历史水平)，是真正下了大暴雨还是设备被山头的动物在玩耍影响观测值？
我曾经参予过国内家电企业所谓空气生态圈的项目，也就是家电厂商制作一设备可以测量室内空气质量、温度、湿度还可以透过红外线或蓝牙控制家电，我也购买了国外众筹的简易板产品；最后我自己发现，收集了数据做好美美图表，就没有然后，这是问题之一，知道了却没有举措形成闭环。再讨论大家把数据都拿出来共享，因每个厂家的传感器设备精度、质量不同，我用A设备量测到的 PM2.5 浓度与B设备同一时间地点监测到的 PM2.5 浓度往往实际上就有差异，更何况大家拿出来做环境监测方面的万物互联，相同性质的数据却很难保证数据真实性。
目前看到好像只有整体配套方案，才有可能找到获利的商业机会。像是之前提到的Climate Corporation，就是跟大量农场主协议将传感器设置在耕地收集信息，现在提供土地与天气信息(如土壤含氮、含水，…，等)，但是在中国还没有大型耕户像美国需要以飞机进行耕作的情况，照搬Climate Corporation不现实。
卫星应用:
遥感卫星：
遥感卫星的数据精度在轨已经有达到 1m 分辨率，而解析卫星数据也非常的成熟，工具也很方便没有外传需要什么科学家才能完成的难度，国内的研究生都有能力做到很好解读(解析)。之前有朋友跟我建议可以做天气与透过遥感信息提供农作物的种植、生长，这些信息可以作为大宗商品信息，不过这里我遇到了一个数据不一致的问题，也就是就算透过遥感卫星估测到农作物产量，但是这个数据与地方汇整的有差异，而几次没有办法解释状况下我也就没有继续深耕。不过在像是白灾（草原被深度超过 15cm 的积雪覆盖）这类损失透过卫星进行估算与方案规划，每年或多或少都有机会用上。
卫星：
曾经有几个投资人跟我讨论过他们投的卫星项目，大家都认为自己的卫星可以做到更精细的天气预测，理论上应该得要考虑蝴蝶效应，地球是一体化除非你关注的点在地球上是独立空间，所以如果是专注短临天气（未来 2 小时），理论上透过现有的卫星+地面雷达+观测站已经可以透过成熟模式预知未来两小时每一公里、每一分钟的天气状况。多了一个卫星至少在一般民用天气精度上，看不出商业价值。
天气类APP：
目前国内所有天气类APP几乎都是天气信息的搬运工（把原来那些信息只能在电视上搬到自己网站或是APP）。其中MJ天气早年成功的先发先占优势，造成了可以说故事的市占率，也让其有勇气提交IPO，后来就算是中国气象局血统的天气应用或是外来的就失去先发优势，哪怕自己才是数据源。
天气类APP中彩云天气的短临预报算是国内少数真正对气象数据加工的应用（至少把雷达拼得好看还会动，拼凑雷达数据同时透过动态的机器学习呈现出短临预报，从纯计算机的角度这甩了其他天气类APP好几条街；理论上短临天气应该是气象雷达+密集的地面站运行短临气象模式可以达到最好的效果，日前中国气象局也有发布相关产品，只是一直没有好好业务化运作，所以彩云所采用的方案理论上还是有所欠缺（可以对标国外天气类APP:Dark Sky）。
另外数据源对于彩云天气是很大的风险：(1)我国冬季很多雷达都是关闭进行岁修保养，所以彩云天气冬季的效果在很多城市没有数据呈现而非没有雨/雪，(2)彩云是目前第一个直接在中国气象局公共气象服务中心机房操作雷达基数据，虽然中国气象局发布 27 号令逐渐开放气象数据，但是开放清单一直没有很明确与固定，而雷达基数据对于是否影响国家安全的解读是个不可忽视的风险。
P.S.:MJ 天气与麦当劳合作迈入第三年的天热超过 35 摄氏度赠饮麦当劳雪碧，是个很有趣的线上线下转化合作案例。
能源行业用的气象应用：
能源行业一直面临并网的挑战，而并入电网需要保证稳定功率。
风能：发电的风车使用的风力、风向预报因风机高度都需要参考不仅仅是一般地面风(十米风杆)还要百米风杆来量侧，对于风机最大效率发电的扇叶方向更是取决于扇面前五米(m)的风向。现有的地面观测站离风机的距离多数都是比较远的，所以必须要透过现有地面观测站+风电业者的感测器才能达到理论上的风力、风向预测，同时及时调整。
太阳能：目前多数的地面站是没有日照时常的观测设备，过去我国多数的太阳能设备也多落于西部地区近几年很多太阳能业者开始进行城市太阳能的布局，但是现有国家体系地面观测站数据没法提供合格的东部沿海城市日照时常与强度历史数据。
水位能：像是三峡大坝需要掌握流域内降雨量预测，是蓄水是开闸放水+发电都是取决于整个流域的水文气象。
运输与交通行业的气象应用：
针对物流业者，我们曾想过使用短临预报(也就是告知未来两小时每公里每分钟的天气)，从城市内物流车到小区的电动车配送，理论上知道几分下雨、怎么下应该是可以增加物流车与派送效率，但是实际上物流车的行车路线考虑更多是安全性，而到配送中心早到与晚到因配送中心位置有险对于物流车都有要求，现阶段看起来气象因素很难影响。而电动车配送也是，配送员所分配的小区或是商业大楼，各有各的特性，就像是不同小区或商业楼时间电梯忙碌，还有每天的配送量不是都这么均衡，所以天气仅是个小因素。
航空行业的气象应用一值是被国外的IBM旗下WSI(Weather Service International)还有日本WNI所把持，国内的气象公司对于航空所需要的航空器向系统还是没有足够的能力与实力取代。这部份如果替换使用中国的数据、中国的系统平台也许可以推广大陆地区所有航空公司与众多机场，但是得先投入大量的人力进行开发，还有最重要的是缺少一个真正了解航空需求的气象人员。
环保的气象应用：
近几年冬季的雾霾，环保部(正部级)与气象局(副部级)都希望能够对公众发布空气质量预报，实际上该归谁是政府的问题；但是光就现在可以看到的预报哩，气象体系的单位还是比较成熟(相对准确)，不过实际从网站或是各家民间APP发布的预测验证又只能说都不是太准，但毕竟商机看起来在这，在真正自动化与系统化前，还会有一阵乱仗，新加入领域的朋友很难从空气质量预报找到切入，就是太多人做、太多人不负责任的随便发布。
从技术上来说，环保部门做了更多的体系与模式的投入研究，现阶段更着重气象单位提供能够保证质量的数据，环保部份自行分析空气污染物的预测或是其他研究，也就是现在更像是知其然快要知其所以然的阶段。所以现在很多环保项目，很多都得先花不少钱买气象数据，这点与国务院提倡的开放数据(OPEN DATA)精神是有所违背的(气象局 2015 年发布的 27 号令宣告气象数据公开)。
天气金融衍生品：
天气期货很早就出现在芝加哥商品交易所(CME)，天气(weather)在CME是重要的产品类别，像是大家可能在教科书上常看到的两个指数CDD(Cooling Degree Day)与HDD(Heating Degree Day)，不过很有趣的是成交量不高甚至有点低(有时壹年可能没成交几手)；从逻辑上这样的现象也许可以解释金融投资需要信息不对称；天气期货你可能采取欧洲中心(EC)或美国国家环境预报中心的GFS的天气预报作为投资决策信息，但不管何者大家可以拿到的信息与相信的气象专家都是相同的，而且信息也多是公开的，除非是自己有实业同时进行期货对冲否则很难真正的投资获利(缺乏信息不对称)。当然以上是我在进行了解这项业务有限的理解。
天气期货也许几年后会在中国大连商品交易所或是其他交易所面市，但是气象服务公司怎么为投资人提供信息也许会成为一项业务。
投资气象服务公司：
IBM 以 20 亿美元收购TWC(The Weather Company)非CABLE业务，20 亿美元应该就是这行业天花板，而且目前全球还没有比当时TWC业务做得更大的公司，TWC有自己的全球模式提供全世界各地的天气预报(苹果手机自带的天气信息就来自TWC)，国内许多地方卫视的气象节目软硬件也是TWC支持，有技术有经营能力有收入被IBM并购。目前国内几乎所有的气象信息公司都是气象信息的搬运工，相较TWC差距非常巨大；透过国内这些气象公司的服务带来的加值也比较难以明确，毕竟气象信息就是个因子而非主要因素。
在各地气象局不再专项经营防雷业务后，中国气象市场现在看到的市场规模数据，是包含那些昂贵硬件(气象站等等)，剩下的软件、服务、数据近几年还是比较难达到可以IPO的数字，气象经济或是投资气象公司的效益，还是得看到真金白银的市场出现。从专业上，在还没有完整气象预报全系统自动运作前提下，真的想了解重庆未来的天气预报，应该是寻求重庆气象局的专业人员会更靠谱，而建立完整气象平台更像是国家层面的事(中国有960万平方公里，气象模式是从地面到万米高空，这些不是普通云就能负荷的计算量)。
对于个人，从一个完全不懂气象的管理咨询顾问到气象领域创业，两年从 0 建立基础运行业务，然后成为先烈，这样的挫折让我的人生更完美了！
点击「阅读原文」 勾搭作者！
