▍客戶之聲

“泰康，利用大數(shù)據(jù)理賠，制定了這樣一套大數(shù)據(jù)智能風險評估機制，它是根據(jù)過去十多年的理賠案件，從幾十個維度的角度做訓練，形成每個案子都不一樣的個性化的風險評分。把風險評分跟過去傳統(tǒng)的流程嵌入結(jié)案嵌套結(jié)合起來，形成差異化服務(wù)?；谶@種服務(wù)從而規(guī)避風險，讓優(yōu)秀的客戶理賠更高效，更及時，提高客戶滿意度。”

——泰康人壽集團  大數(shù)據(jù)部總經(jīng)理   周雄志

#01

泰康人壽為什么選擇Smartbi

—

首先，泰康人壽從2004年開始投入大數(shù)據(jù)領(lǐng)域，對工具軟件選擇非?？量獭Ｔ谇捌谶x型中，我們對國內(nèi)外的產(chǎn)品都做了認真的評級和評測。經(jīng)過綜合考慮，最終選擇了Smartbi。

▎原因1：Smartbi產(chǎn)品有持續(xù)生命力。從V3到現(xiàn)在V7，我們一直都在關(guān)注，發(fā)現(xiàn)我們需要的功能，在每次的新特性里都有新的驚喜。

▎原因2：集團和分公司領(lǐng)導(dǎo)需要隨時查看業(yè)務(wù)經(jīng)營數(shù)據(jù)，要求手機平板PC都要支持。Smartbi在移動、平板和PC，支持一次開發(fā)跨屏體驗。

▎原因3：綜合功能、架構(gòu)、維護等綜合因素，Smartbi功能多樣易用、擴展能力強、性價比很高。

此外在使用過程中，我們給Smartbi產(chǎn)品提出的改進要求，都能得到快速的響應(yīng)和解決。

#02

泰康大數(shù)據(jù)概念理解

—

泰康對大數(shù)據(jù)有自己的理解。泰康把大數(shù)據(jù)歸納為四個字”采存析用”。泰康”采存析用”的概念，無論從數(shù)據(jù)，還是數(shù)據(jù)管理決策支持、數(shù)據(jù)倉庫到大數(shù)據(jù)，都是一脈相承的。

采：數(shù)據(jù)采集。過去進行數(shù)據(jù)填報有兩個目的：一是讓流程自動化，二是為了管理決策。無論在國外還是國內(nèi)，大量的數(shù)據(jù)填報實際上就是數(shù)據(jù)采集。以前的采集是人為主動的，現(xiàn)在到了互聯(lián)網(wǎng)時代則更為關(guān)注人的行為主體，是被動采集。比如你每天有什么活動，自己并沒有主動錄制，但是手機卻幫你記錄這些活動信息，并傳遞到后臺。這樣的變化造成數(shù)據(jù)量的膨脹。10多年前，數(shù)據(jù)倉庫這個概念也是非?；鸨模浆F(xiàn)在為止，互聯(lián)網(wǎng)雖然導(dǎo)致數(shù)據(jù)爆炸，并不意味著傳統(tǒng)的數(shù)據(jù)倉庫會被互聯(lián)網(wǎng)的做法所替代，而是應(yīng)該應(yīng)用在不同的領(lǐng)域，用不同的方式去處理。因此，在數(shù)據(jù)存儲領(lǐng)域里的實踐中，它是一種傳統(tǒng)和新生的結(jié)合！

存：數(shù)據(jù)存儲。完成數(shù)據(jù)采集，把數(shù)據(jù)存儲起來。

析：數(shù)據(jù)分析。采集存儲的數(shù)據(jù)可以幫助我們更好的進行數(shù)據(jù)分析。分析的方式和分析手段非常多，比如說傳統(tǒng)的數(shù)據(jù)分析方式，有多維分析、報告、報表等?，F(xiàn)在有新的方式手段比如深度學習、機器學習等。

用：應(yīng)用數(shù)據(jù)。所有分析的目的都是去用好數(shù)據(jù)，讓數(shù)據(jù)在我們的業(yè)務(wù)中產(chǎn)生價值，去更好的支持管理決策，做好風險控制，做頁面創(chuàng)新等等。而每一個環(huán)節(jié)的發(fā)展都有會有新的方法和思路，新的技術(shù)出來，一般不同的業(yè)務(wù)會有不同的處理思路，并不意味著傳統(tǒng)的就一定是不好的。

#03

泰康大數(shù)據(jù)技術(shù)分層

—

為了更好的進行數(shù)據(jù)管理，在大概念和技術(shù)上分為三個層次：數(shù)據(jù)整合平臺、算法能力平臺和數(shù)據(jù)應(yīng)用。

最底層是數(shù)據(jù)整合平臺，包括數(shù)據(jù)倉庫、基于Hadoop的大數(shù)據(jù)平臺和數(shù)據(jù)集市。

中間層是算法能力平臺。為了更好的支持業(yè)務(wù)應(yīng)用，我們會把一些通用的能力抽象出來，形成各種例子。包括分析能力、數(shù)據(jù)挖掘、最近比較火的語音識別和人臉識別。

最上層就是數(shù)據(jù)應(yīng)用。主要是和我們的業(yè)務(wù)結(jié)合，包含精準營銷、風險控制、運營效率優(yōu)化和健康管理。

#04

泰康大數(shù)據(jù)實踐——數(shù)據(jù)魔方

—

泰康對大數(shù)據(jù)魔方深有感觸，作為一個傳統(tǒng)金融行業(yè)的甲方，業(yè)務(wù)部門是我們的甲方，業(yè)務(wù)部門報表的需求是海量的無窮的，為了 滿足這種訴求，我們通過使用多維分析的方式來解決這個問題。

在泰康管理的過程中，我們從2014年就開始培養(yǎng)、教育業(yè)務(wù)人員進行自助分析。目前先把比較代表的報表需求拿到，然后進行綜合分析，找到規(guī)律，歸納數(shù)據(jù)分析的模型出來，最后用比較好的技術(shù)手段去實現(xiàn)。業(yè)務(wù)人員可以通過拖拉拽的查看關(guān)注的維度和指標。尤其金融行業(yè)特別強調(diào)經(jīng)營分析，每季度每月、每周、會有大量的報表、圖形、大量的角度、大量的交叉需求，如果使用原來的方式會有大量的工作，而教會業(yè)務(wù)人員使用自助多維分析，可以很好的解決這個問題，提高工作效率。

#05

泰康大數(shù)據(jù)實踐——建模預(yù)測

—

前面主要講述的是傳統(tǒng)管理信息的方式，包括如何用報表、多維分析等去解決業(yè)務(wù)上的問題。但是如果一直停留在這個階段，我們會基本上感受不到表格表姐的地位。在未來，如果要實現(xiàn)數(shù)據(jù)的價值最大化，讓我們對業(yè)務(wù)有更深刻的認識的話，其實離不開利用數(shù)據(jù)去找業(yè)務(wù)的潛在規(guī)律。這個規(guī)律包含使用表哥表姐去識別預(yù)測。下面我們舉例說明如何使用算法去預(yù)測，使之在業(yè)務(wù)流程中用起來。

示例1：泰康大數(shù)據(jù)實踐-大數(shù)據(jù)核保

保險行業(yè)特別強調(diào)風險管理，風險管理里面分為兩個方面：

一是前端的風險，在保險業(yè)務(wù)開始的時候需要做好前面核保風險的控制。

在核保這個領(lǐng)域中，保險公司里面有專業(yè)化的核保隊伍、，這個隊伍大都是醫(yī)生以及有行醫(yī)背景的人。核保隊伍需要對客戶的身體狀況進行判斷，以便識別身體風險。為了讓這個判斷的效率更好的提高，我們需要把醫(yī)生的經(jīng)驗做歸納總結(jié)，形成規(guī)則，比如年齡地區(qū)規(guī)則等，最后再讓這些規(guī)則為核保服務(wù)。

但是這種規(guī)則經(jīng)過發(fā)展，會遇到瓶頸，因為第一我們不能把所有的規(guī)律都解釋清楚，第二有的問題不能使用這樣簡單的方式去處理。因此就需要一些經(jīng)濟學的預(yù)測方式，并且涉及到一些算法。使用這些算法基于所有的歷史數(shù)據(jù)去做訓練。

這些數(shù)據(jù)模型，就形成了信用評分體系。有了這個體系，客戶在投保的時候，會根據(jù)他們的資料進行一些信用評分。然后再根據(jù)評分結(jié)果并結(jié)合客戶原來的傳統(tǒng)經(jīng)驗規(guī)則，去幫助我們做判斷，進行風險控制，從而使我們在客戶風險控制和業(yè)務(wù)效率之間找到平衡點。

示例2：泰康大數(shù)據(jù)實踐-大數(shù)據(jù)理賠

第二個風險控制的實踐——理賠管理。無論是人壽保險還是財產(chǎn)保險，理賠都是保險的本質(zhì)。保險的最終目的就是為了理賠，大家買保險就是為了在發(fā)生意外的時候，能夠高效快速的理賠。在理賠的過程中，會存在大量風險的識別和控制，比如車險是很容易虧的，修理時保險公司是不可見的，若4S店和駕駛員串通模擬出險場景，一般很難識別，從而造成風險。在大數(shù)據(jù)背景下，保險公司如何去更好盈利，在保險行業(yè)中，誰能更有效的識別真正的風險，該陪保的客戶進行高效的理賠，并能把虛假騙保的案子更快的找出來，誰就能經(jīng)營的更好，更持久。

今年泰康，利用大數(shù)據(jù)理賠，制定了這樣一套大數(shù)據(jù)智能風險評估機制，它是根據(jù)過去十多年的理賠案件，從幾十個維度的角度做訓練，形成每個案子都不一樣的個性化的風險評分。把風險評分跟過去傳統(tǒng)的流程嵌入結(jié)案嵌套結(jié)合起來，形成差異化服務(wù)?；谶@種服務(wù)從而規(guī)避風險，讓優(yōu)秀的客戶理賠更高效，更及時，提高客戶滿意度。

示例3：泰康大數(shù)據(jù)實踐-大數(shù)據(jù)審計

金融行業(yè)都強調(diào)一個內(nèi)部審計內(nèi)控。審計內(nèi)控在過去是非常依賴個人的經(jīng)驗，都是根據(jù)財務(wù)的經(jīng)驗去審核、調(diào)研、抽查等等。這樣的工作，在前期需要做大量的技術(shù)準備工作，因為保險和金融的業(yè)務(wù)量特別大，每天幾億資金的流入和流出，如果每一筆都靠人工去檢測審計，工作量是非常大的。

那么如果在人工審核過程中，能使用歸納的方式把經(jīng)驗總結(jié)出來，并把過去已知案例，放到歷史數(shù)據(jù)里面，進行不斷的訓練，尋找一些固定的模式，使稽核審計工作從經(jīng)驗驅(qū)動走向數(shù)據(jù)驅(qū)動。比如我們給稽核審計人員提出的一些算法和模型、風險排查的這種機制，讓其在現(xiàn)場調(diào)查之前，通過機器就能篩選有風險，可疑的線索。而基于這個線索在現(xiàn)場排查，是非常有的放矢的，能大大提高了工作效率。