【应用分享】泰康保险大数据应用实践分享

浏览: 1616

作者:周雄志,泰康人寿集团大数据部总经理

​来源: Smartbi 617大数据分析技术年度峰会

PPT:公众号可以下载嘉宾演讲ppt啦。

Smartbi

大纲:

1、 我们为什么选择Smartbi?

2、 泰康大数据概念理解(采存析用)

3、 泰康大数据技术分层(数据整合平台、算法能力平台和数据应用)

4、 泰康大数据实践——数据魔方(业务人员自助多维分析)

5、 泰康大数据实践——建模预测

示例1:泰康大数据实践-大数据核保

示例2:泰康大数据实践-大数据理赔

示例3:泰康大数据实践-大数据审计

看大数据在保险行业如何应用?泰康人寿集团大数据部总经理周雄志给您带来的大数据应用实践。纯属干货,大数据爱好者不容错过!

泰康人寿为什么选择Smartbi

首先,泰康人寿从2004年开始投入大数据领域,对工具软件选择非常苛刻。在前期选型中,我们对国内外的产品都做了认真的评级和评测。经过综合考虑,最终选择了Smartbi。

原因1:Smartbi产品有持续生命力。从V3版本到现在的V7,我们一直都在关注,发现我们需要的功能,在每次的新特性里面都有新的惊喜。

原因2:集团和分公司领导需要随时查看业务经营数据,要求手机平板PC都要支持。Smartbi在移动、平板和PC,可以支持一次开发跨屏体验。

原因3:综合功能、架构、维护等综合因素,Smartbi功能多样易用、扩展能力强、性价比很高。

此外在使用过程中,我们给Smartbi产品提出的改进要求,都能得到快速的响应和解决。

泰康大数据概念理解

接下来我们看看泰康对大数据概念的理解。

思迈特Smartbi

泰康对大数据有自己的理解。泰康把大数据归纳为四个字”采存析用”。泰康”采存析用”的概念,无论从数据,还是数据管理决策支持、数据仓库到大数据,都是一脉相承的。

采:数据采集。

过去进行数据填报有两个目的:一是让流程自动化,二是为了管理决策。无论在国外还是国内,大量的数据填报实际上就是数据采集。以前的采集是人为主动的,现在到了互联网时代则更为关注人的行为主体,是被动采集。比如你每天有什么活动,自己并没有主动录制,但是手机却帮你记录这些活动信息,并传递到后台。这样的变化造成数据量的膨胀。

10多年前,数据仓库这个概念也是非常火爆的,到现在为止,互联网虽然导致数据爆炸,并不意味着传统的数据仓库会被互联网的做法所替代,而是应该应用在不同的领域,用不同的方式去处理。因此,在数据存储领域里的实践中,它是一种传统和新生的结合!

存:数据存储。

完成数据采集,把数据存储起来。

析:数据分析。

采集存储的数据可以帮助我们更好的进行数据分析。分析的方式和分析手段非常多,比如说传统的数据分析方式,有多维分析、报告、报表等。现在有新的方式手段比如深度学习、机器学习等。

用:应用数据。

所有分析的目的都是去用好数据,让数据在我们的业务中产生价值,去更好的支持管理决策,做好风险控制,做页面创新等等。而每一个环节的发展都有会有新的方法和思路,新的技术出来,一般不同的业务会有不同的处理思路,并不意味着传统的就一定是不好的。

泰康大数据技术分层

思迈特Smartbi

为了更好的进行数据管理,在大概念和技术上分为三个层次:数据整合平台、算法能力平台和数据应用。

最底层是数据整合平台,包括数据仓库、基于Hadoop的大数据平台和数据集市。

中间层是算法能力平台。为了更好的支持业务应用,我们会把一些通用的能力抽象出来,形成各种例子。包括分析能力、数据挖掘、最近比较火的语音识别和人脸识别。

最上层就是数据应用。主要是和我们的业务结合,包含精准营销、风险控制、运营效率优化和健康管理。

泰康大数据实践—数据魔方

思迈特Smartbi

泰康对大数据魔方深有感触,作为一个传统金融行业的甲方,业务部门是我们的甲方,业务部门报表的需求是海量的无穷的,为了 满足这种诉求,我们通过使用多维分析的方式来解决这个问题。

业务人员可以通过拖拉拽的查看关注的维度和指标。尤其金融行业特别强调经营分析,每季度每月、每周、会有大量的报表、图形、大量的角度、大量的交叉需求,如果使用原来的方式会有大量的工作,而教会业务人员使用自助多维分析,可以很好的解决这个问题,提高工作效率。

泰康大数据实践—建模预测

思迈特Smartbi

前面主要讲述的是传统管理信息的方式,包括如何用报表、多维分析等去解决业务上的问题。但是如果一直停留在这个阶段,我们会基本上感受不到表格表姐的地位。在未来,如果要实现数据的价值最大化,让我们对业务有更深刻的认识的话,其实离不开利用数据去找业务的潜在规律。这个规律包含使用表哥表姐去识别预测。下面我们举例说明如何使用算法去预测,使之在业务流程中用起来。

示例1:泰康大数据实践-大数据核保

思迈特Smartbi

保险行业特别强调风险管理,风险管理里面分为两个方面:一是前端的风险,在保险业务开始的时候需要做好前面核保风险的控制。

在核保这个领域中,保险公司里面有专业化的核保队伍、,这个队伍大都是医生以及有行医背景的人。核保队伍需要对客户的身体状况进行判断,以便识别身体风险。为了让这个判断的效率更好的提高,我们需要把医生的经验做归纳总结,形成规则,比如年龄地区规则等,最后再让这些规则为核保服务。

但是这种规则经过发展,会遇到瓶颈,因为第一我们不能把所有的规律都解释清楚,第二有的问题不能使用这样简单的方式去处理。因此就需要一些经济学的预测方式,并且涉及到一些算法。使用这些算法基于所有的历史数据去做训练。

这些数据模型,就形成了信用评分体系。有了这个体系,客户在投保的时候,会根据他们的资料进行一些信用评分。然后再根据评分结果并结合客户原来的传统经验规则,去帮助我们做判断,进行风险控制,从而使我们在客户风险控制和业务效率之间找到平衡点。

示例2:泰康大数据实践-大数据理赔

思迈特Smartbi

第二个风险控制的实践——理赔管理。无论是人寿保险还是财产保险,理赔都是保险的本质。保险的最终目的就是为了理赔,大家买保险就是为了在发生意外的时候,能够高效快速的理赔。在理赔的过程中,会存在大量风险的识别和控制,比如车险是很容易亏的,修理时保险公司是不可见的,若4S店和驾驶员串通模拟出险场景,一般很难识别,从而造成风险。在大数据背景下,保险公司如何去更好盈利,在保险行业中,谁能更有效的识别真正的风险,该陪保的客户进行高效的理赔,并能把虚假骗保的案子更快的找出来,谁就能经营的更好,更持久。

今年泰康,利用大数据理赔,制定了这样一套大数据智能风险评估机制,它是根据过去十多年的理赔案件,从几十个维度的角度做训练,形成每个案子都不一样的个性化的风险评分。把风险评分跟过去传统的流程嵌入结案嵌套结合起来,形成差异化服务。基于这种服务从而规避风险,让优秀的客户理赔更高效,更及时,提高客户满意度。

示例3:泰康大数据实践-大数据审计

思迈特Smartbi

金融行业都强调一个内部审计内控。审计内控在过去是非常依赖个人的经验,都是根据财务的经验去审核、调研、抽查等等。这样的工作,在前期需要做大量的技术准备工作,因为保险和金融的业务量特别大,每天几亿资金的流入和流出,如果每一笔都靠人工去检测审计,工作量是非常大的。

那么如果在人工审核过程中,能使用归纳的方式把经验总结出来,并把过去已知案例,放到历史数据里面,进行不断的训练,寻找一些固定的模式,使稽核审计工作从经验驱动走向数据驱动。比如我们给稽核审计人员提出的一些算法和模型、风险排查的这种机制,让其在现场调查之前,通过机器就能筛选有风险,可疑的线索。而基于这个线索在现场排查,是非常有的放矢的,能大大提高了工作效率。

推荐 2
本文由 大麦 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

1 个评论

转了,这个案例挺好的,

要回复文章请先登录注册