保险行业AI数据中台解决方案

  长久以来，保险行业一直都有着很完善的BI系统、数据库、数据集市、数据仓库，其中存储了大量的优质数据，业务部门也一直依赖这些数据来为业务进行指导。

  虽然近几年大多数保险企业已经在使用大数据分析技术来助力业务增长，但在没有数据中台的组织中，各业务线的数据团队各自为战，数据指标及数据质量标准既不互通、也不互动。上升到公司层面，这就是数据资产的巨大流失。

保险行业大数据应用困境分析

  在传统数据分析工作模式下，业务用户存根本不知道有哪些数据资产，数据在哪里，容易造成重复开发。另外，业务模型指标分析无法形成沉淀（如：近3个月承保的客户），导致业务指标碎片化，无法复用。同时，业务用户与数据开发存在强相互依赖关系，哪怕一个小变更（如口径变更）都需要走一个很长的过程。

  例如内勤要挑一批年龄在 25-30，上海地区，保费在 1500 以上客户进行服务营销，推开门红的产品。基于保险行业原有的数据操作模式，首先需要业务人员提数据需求，进行数据抽取和提签报，然后数据人员基于业务部的需求来进行需求分析和数据开发。

  这样一个耗人耗时的操作流程，因为周期长、灵活性差，极大降低了各部门协同工作的效率。实际上业务人员往往希望实时看到结果数据实时进行口径的调整。

  因此，基于现有的数据分析模式，保险行业的业务发展始终难以摆脱以下困境：

数据转换价值低

• 数据利用碎片化，无法沉淀资产
• 存量数据没有被共享，资源浪费
• 全数据拉通（存储和获取）依然是难题
• 数据源越来越复杂，数据治理难

数据团队响应力不足

• 依赖关系冗长
• 数据需求增多，ETL工作加重
• 个性化要求高，不仅满足人对报表的需求，还需要提供对系统的数据API服务，并快速无缝对接到业务系统
• 时效性要求高，不仅针对不同场景设定不同的数据处理架构，还需要满足业务不断的调整

对业务创新的支持力度不够

•   数据、业务、技术没有形成有效的结合，不能形成闭环
•   无法实现数据驱动

智子云保险行业数据中台建设

  针对以上业务痛点，智子云提出基于共享数据中台的工作模式这一概念，并融入大数据分析和AI元素。

   通过数据中台任何人都可以利用数据资产目标查找到已有的数据资产，避免重复开发。同时，业务指标有业务人员和数据人员共同协同构建，并形成沉淀，分析拆分最细的颗粒度的原子指标、口径、修饰、组合指标形成复用。

  在业务指标被沉淀之后，屏蔽技术的复杂性，可以让业务调配参数，高度自由组合提供的自助服务，及时调整试错，所见即所得。

云保险数据中台显著特征

统一的数据管理，沉淀资产

1.提供数据资产目录，沉淀（原始资产，优质资产）

2.提供质量管理工具，提高数据质量

3.提供数据模型管理工具（标签，指标）

基建完善，开箱即用

1.提供分布式存储，大数据计算引擎

2.支持灵活可配置的数据流水线

3.支持已有数据工程的迁移，兼容技术组件

4.支持云端（私有云）一键部署，开箱即用

数据自服务，提高响应

1.提供可视化数据自服务标签指标配置

2.提供API 智能自动化提供接口服务，快速封装，快速使用

3.可标准化接口，面向数据主题

4.数据回流，形成数据闭环5.提供权限安全的控制

基于 AI 能力，推动创新

1.自带多种常用AI算法

2.支持自定义AI算法无缝接入

3.AI算法可融入各个环节

配套集成的应用，减少投资

1.推荐引擎，实现千人千面

2.基于统一客户视图的客户画像

3.基于事件模型的客户旅程

4.人群洞察，助力营销

多年保险项目实施经验

1.提供咨询，到项目产品级交付

2.提供从需求调研到上线运维的全流程管理

3.持续优质客户服务

   有了这样一个完全立足于保险行业的数据中台，内勤再要挑选客户进行服务营销、推开门红的产品时，就可以直接在中台系统中提供行为事件、指标和标签的实时逻辑组合来筛选人群，有效解决了保险行业数据提供时效性和个性化场景需求的问题。

下一篇：没有了 上一篇：物联网智能电网开发方案