当前位置:保险 > 正文
保险公司如何提升大数据分析应用能力

  保险公司提升大数据分析应用能力,应从“1234”入手:

  一、充分认识到保险业大数据能力建设的重要性

  我们正在迎来一个数据爆炸的时代:各类设备和互动产生的数据量正以年均大于50%的速度增长,预计在2020年可能会达到44ZB(44万亿GB)。据贝恩咨询的调查显示,拥有优秀大数据能力的企业,它的财务表现排在行业前25分位的可能性是竞争对手的2倍、做出正确决策的可能性高出竞争对手3倍、决策速度比竞争对手快5倍。可见,大数据对于企业乃至整个社会的重要性不言而喻。

  近年来,数据和流量是互联网迅猛发展带给保险业的最大变化。充分挖掘数据蕴含的价值,有利于改善客户保险服务的同质化、黑箱化问题,例如应用到风险评估和定价、交叉销售、防止客户流失、欺诈检测、索赔预防和缓解等领域,从而提升客户体验、降低成本、提升效率和数据使用。

  未来,保险业将从资本驱动向数据分析能力驱动方向发展,得数据者得天下。

  二、保险公司大数据能力建设需关注的两个要素

  一是大数据应用从数据获取、挖掘到运用是一个复杂的、跨部门、跨领域的过程。需要各类专业人员共同协作完成,可考虑组建由多个部门联合参与的大数据研究团队,专门研究大数据带来的销售创新和服务创新,提供大数据应用服务。

  二是大数据应用需要公司整体布局,建立数据生态,形成闭环。保险公司需要顺应趋势转变思维,建立大数据驱动发展的思维模式,从战略高度关注大数据布局,建立从数据获取、数据整合到数据使用的完整链路,这需要业务、数据、服务三者的协同配合,通过扩大业务范围搜集更多的客户数据;通过提升数据组织和处理能力整合更多的可用数据;通过充分运用到服务中促进提升客户体验、为公司业务创造更大价值,发挥数据的巨大能量。因此,大数据布局需要将业务、数据、服务三者结合起来统筹考虑、整体规划,打造数据生态圈。

  三、保险公司大数据能力建设的三项内容

  包括:数据获取、数据使用和数据治理。

  第一,数据获取。数据获取渠道包括:客户(消费者);内部共享;行业平台;第三方平台。保险公司应努力增加与客户的触点和互动频率,提升自身产品质量与客服体验,以利于从客户处获得更多真实、完整的个性化数据信息。

  作为建立大数据能力的基础,企业应像对待其他重要资产一样,发现、评估和管理好并不断扩充数据资产。

  第二,数据使用。在获取大数据来源及明晰商业应用场景的前提下,数据分析及建模可从理论角度选择最优的大数据分析方法、算法与工具,从而创新商业应用场景,发现新的增长点。

  第三,数据治理。加强数据存储与整合是其中关键。只有高质量的数据才能为企业带来价值。面对数据来源广、信息种类杂、质量参差不齐的情况,需要在建设大数据的同时关注数据治理,一是建立数据规范化标准、数据分类标准、数据定义标准、质量衡量标准等;二是建立用于监控数据从获取、存储、分析、到运用的质量监控体系;三是建立数据问题从检查、反馈到修改的质量改进流程,使问题能够得到及时发现和根本解决。

  四、保险公司大数据机构建设的四个方面:职能定位、组织架构、人员构成及运营模式

  从国际经验看,一般都通过成立保险公司大数据中心(BDC,big datacenter)来提升大数据管理应用能力。大数据处理中心的出现保证了征求信息的准确性,提高了数据处理的效率。

  第一,大数据中心的功能定位

  国际上,BDC的核心作用主要体现在三方面:

  管理数据平台:提供大数据管理平台,主要包括提供与保险公司相契合的大数据基础框架;筛选有效数据,对数据进行分析和归类管理;选择适当的软件、硬件等设备的供应商,安装各项数据平台所需的基础设施。

  研发最新技术:为了推动大数据分析能力向更高水平发展,BDC需要对最新、最高标准的大数据理论进行研究;提供合适的分析方法、算法与工具等数据分析和建模方面的建议;并对当前的行业发展前景和市场需求进行价值判断,将商业概念转化为统计分析和数据开发。

  辅助规划运营:在整体运营和前景规划方面,BDC会在综合分析数据后,为公司的市场推广提供发展建议,包括与其他部门及商务伙伴进行接洽、提高各部门的主动性,拓展公司的商业版图。同时,BDC也会从司法角度提供可行性建议,检查保险公司的各项运营是否符合本土法律法规、内部规章制度、客户合同等各项标准。

  第二,大数据中心的组织架构

  BCG研究发现,国际上的BDC的运营模式主要有以下四种:“百花齐放”模式、卓越中心模式、混合模式及分散模式。其中:

  “百花齐放”模式:由公司各部门下属事业部独立负责该部门的平台管理和数据分析,数据的集中程度低,没有统一的数据存储,对数据的管理和专业支持有限。

  卓越中心模式:在公司各部门外专设一个大数据中心,统一进行平台管理和数据分析,对数据进行标准化的处理,控制了数据的重复,是能力集中程度最高的模式。

  混合模式:大数据中心在负责数据管理的同时,与各部门下属的事业部协同进行数据分析,大数据中心受高管(如CIO、CTO)管理,确保管理平台的有力性和来自CEO的支持,同时大数据中心与各事业部联系紧密。

  分散模式:由各事业部独立负责该部门的数据分析,其所用数据汇总至大数据中心,由大数据中心进行平台管理和数据共享,公司的每个部门都可以从大数据中心的数据库中依规则调用相关数据以分析问题。该模式是目前成熟度最高的模型。

  第三,CDO可根据需求组建专业化的数据团队。包括:数据科学家(团队中的核心人物)、数据可视化专员、数据变革专员、数据工程师等。

  第四,实现数据→分析→洞察→决策支撑的产品化、常态化。为将大数据高效应用于企业的日常运营,需要不断将数据分析能力转化为内部应用产品,并将数据分析工作常态化。对于数据分析产品化,可通过大数据应用战略规划、大数据应用场景设计、分析大数据以获取洞察这一过程的牵引,不断推动大数据应用产品的设计、开发与应用,最终实现数据分析产品的可持续运营。而对于分析工作常态化,需要持续维护数据分析产品并监测实际使用效果,为业务与职能部门提供数据分析支持,并对其日常使用中的问题及时进行解答。

相关链接

·保险科技发展问题及趋势
·互联网保险分析:重在场景和保险
·互联网金融背景下金融保险监管的新思路
·用系统思维推动保险信息化基础建设
·保险行业大数据应用系统建设
·保险业创新发展探讨及展望
·互联网金融的大数据运用价值探究
·大数据风口下 科技如何在保险行业落地

作者: 来源:再保聚焦 发布时间:2017-09-05 02:33:00
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任