FacebookTwitterLineHatena

文 | 中再集團研究中心

保險公司提升大數據分析應用能力,應從「1234」入手:

一、充分認識到保險業大數據能力建設的重要性

我們正在迎來一個數據爆炸的時代:各類設備和互動產生的數據量正以年均大於50%的速度增長,預計在2020年可能會達到44ZB(44萬億GB)。據貝恩諮詢的調查顯示,擁有優秀大數據能力的企業,它的財務表現排在行業前25分位的可能性是競爭對手的2倍、做出正確決策的可能性高出競爭對手3倍、決策速度比競爭對手快5倍。可見,大數據對於企業乃至整個社會的重要性不言而喻。

FineReport報表與BI商業智慧軟體-時尚行業的數據視覺化建設方案

近年來,數據和流量是網際網路迅猛發展帶給保險業的最大變化。充分挖掘數據蘊含的價值,有利於改善客戶保險服務的同質化、黑箱化問題,例如應用到風險評估和定價、交叉銷售、防止客戶流失、欺詐檢測、索賠預防和緩解等領域,從而提升客戶體驗、降低成本、提升效率和數據使用。

未來,保險業將從資本驅動向數據分析能力驅動方向發展,得數據者得天下。

二、保險公司大數據能力建設需關注的兩個要素

一是大數據應用從數據獲取、挖掘到運用是一個複雜的、跨部門、跨領域的過程。需要各類專業人員共同協作完成,可考慮組建由多個部門聯合參與的大數據研究團隊,專門研究大數據帶來的銷售創新和服務創新,提供大數據應用服務。

二是大數據應用需要公司整體布局,建立數據生態,形成閉環。保險公司需要順應趨勢轉變思維,建立大數據驅動發展的思維模式,從戰略高度關注大數據布局,建立從數據獲取、數據整合到數據使用的完整鏈路,這需要業務、數據、服務三者的協同配合,通過擴大業務範圍搜集更多的客戶數據;通過提升數據組織和處理能力整合更多的可用數據;通過充分運用到服務中促進提升客戶體驗、為公司業務創造更大價值,發揮數據的巨大能量。因此,大數據布局需要將業務、數據、服務三者結合起來統籌考慮、整體規劃,打造數據生態圈。

三、保險公司大數據能力建設的三項內容

包括:數據獲取、數據使用和數據治理。

第一,數據獲取。數據獲取渠道包括:客戶(消費者);內部共享;行業平台;第三方平台。保險公司應努力增加與客戶的觸點和互動頻率,提升自身產品質量與客服體驗,以利於從客戶處獲得更多真實、完整的個性化數據資料。

作為建立大數據能力的基礎,企業應像對待其他重要資產一樣,發現、評估和管理好並不斷擴充數據資產。

第二,數據使用。在獲取大數據來源及明晰商業應用場景的前提下,數據分析及建模可從理論角度選擇最優的大數據分析方法、演演算法與工具,從而創新商業應用場景,發現新的增長點。

第三,數據治理。加強數據存儲與整合是其中關鍵。只有高質量的數據才能為企業帶來價值。面對數據來源廣、信息種類雜、質量參差不齊的情況,需要在建設大數據的同時關注數據治理,一是建立數據規範化標準、數據分類標準、數據定義標準、質量衡量標準等;二是建立用於監控數據從獲取、存儲、分析、到運用的質量監控體系;三是建立數據問題從檢查、反饋到修改的質量改進流程,使問題能夠得到及時發現和根本解決。

比如某國資保險公司的一個經典案例

FineReport報表與BI商業智慧軟體-時尚行業的數據視覺化建設方案

FineReport報表與BI商業智慧軟體-時尚行業的數據視覺化建設方案

四、保險公司大數據機構建設的四個方面:職能定位、組織架構、人員構成及運營模式

從國際經驗看,一般都通過成立保險公司大數據中心(BDC,big datacenter)來提升大數據管理應用能力。大數據處理中心的出現保證了徵求信息的準確性,提高了數據處理的效率。

第一,大數據中心的功能定位

國際上,BDC的核心作用主要體現在三方面:

管理數據平台:提供大數據管理平台,主要包括提供與保險公司相契合的大數據基礎框架;篩選有效數據,對數據進行分析和歸類管理;選擇適當的軟體、硬體等設備的供應商,安裝各項數據平台所需的基礎設施。

研發最新技術:為了推動大數據分析能力向更高水平發展,BDC需要對最新、最高標準的大數據理論進行研究;提供合適的分析方法、演演算法與工具等數據分析和建模方面的建議;並對當前的行業發展前景和市場需求進行價值判斷,將商業概念轉化為統計分析和數據開發。

輔助規劃運營:在整體運營和前景規劃方面,BDC會在綜合分析數據後,為公司的市場推廣提供發展建議,包括與其他部門及商務夥伴進行接洽、提高各部門的主動性,拓展公司的商業版圖。同時,BDC也會從司法角度提供可行性建議,檢查保險公司的各項運營是否符合本土法律法規、內部規章制度、客戶合同等各項標準。

第二,大數據中心的組織架構

BCG研究發現,國際上的BDC的運營模式主要有以下四種:「百花齊放」模式、卓越中心模式、混合模式及分散模式。其中:

「百花齊放」模式:由公司各部門下屬事業部獨立負責該部門的平台管理和數據分析,數據的集中程度低,沒有統一的數據存儲,對數據的管理和專業支持有限。

卓越中心模式:在公司各部門外專設一個大數據中心,統一進行平台管理和數據分析,對數據進行標準化的處理,控制了數據的重複,是能力集中程度最高的模式。

混合模式:大數據中心在負責數據管理的同時,與各部門下屬的事業部協同進行數據分析,大數據中心受高管(如CIO、CTO)管理,確保管理平台的有力性和來自CEO的支持,同時大數據中心與各事業部聯繫緊密。

分散模式:由各事業部獨立負責該部門的數據分析,其所用數據匯總至大數據中心,由大數據中心進行平台管理和數據共享,公司的每個部門都可以從大數據中心的資料庫中依規則調用相關數據以分析問題。該模式是目前成熟度最高的模型。

第三,CDO可根據需求組建專業化的數據團隊。包括:數據科學家(團隊中的核心人物)、數據視覺化專員、數據變革專員、數據工程師等。

第四,實現數據→分析→洞察→決策支撐的產品化、常態化。為將大數據高效應用於企業的日常運營,需要不斷將數據分析能力轉化為內部應用產品,並將數據分析工作常態化。對於數據分析產品化,可通過大數據應用戰略規劃、大數據應用場景設計、分析大數據以獲取洞察這一過程的牽引,不斷推動大數據應用產品的設計、開發與應用,最終實現數據分析產品的可持續運營。而對於分析工作常態化,需要持續維護數據分析產品並監測實際使用效果,為業務與職能部門提供數據分析支持,並對其日常使用中的問題及時進行解答。

喜歡這篇文章嗎?歡迎分享按讚,給予我們支持和鼓勵!

熱門文章推薦

立即試用,可獲取更多 報表範本和案例

免費試用