保险大数据的实践与实战

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 保险大数据的实践与实战

数据并不是万能的。


以保险业为例,一方面大数据为保险业带来了新的商业价值,既改变了管理者的经营理念和决策支持,也促进深入有效发掘客户需求。而另一方面,大数据也变成了双刃剑,互联网公司凭借更完整的数据链条,对传统保险业形成新的压力。


大数据时代,对保险业是好还是坏?


image.png

泰康人寿数据信息中心大数据部负责人周雄志


泰康人寿数据信息中心大数据部负责人周雄志,在2016百分点数据与价值国际论坛后接受了笔者的访谈,在泰康人寿对大数据的实际应用中,保险大数据的实践和实战,又有哪些深刻的意义?


在实践中寻找大数据的平衡点


在2012年,中国互联网异军突起的杀进金融领域,尽管还未真正走出互联网金融的新路,但各金融行业如何与互联网更好地结合,为客户提供更加创新的产品和人性化的服务,已成为各金融机构越来越密集研究的课题。


与金融业息息相关的保险业,也开始感受到压力的出现。在很多互联网金融平台上,开始出现了越来越多的保险业务,还有一些垂直领域的应用上也开始集成基本的保险服务。这是保险业的面临的挑战。


不过周雄志则认为,保险业相对于互联网行业而言,还不算是个强需求,而是一个弱需求“目前在中国来讲,保险在老百姓的意识里,主动的保障意识还没那么强烈,所以这个弱需求决定了保险被互联网冲击还不明显”。不过,保险业显然已经意识到互联网的契机,大数据对业务的促进,以及电子化渠道的普及,也让保险业坚定了转型的决心。在挑战和机遇之间,这个平衡点也许就是大数据。


其实,保险业和大数据一直有千丝万缕的关系。


在大数据背景下,除了对数据的纵向分析之外,可以从横向来分析消费者的需求。客户的具体收入水平、文化程度、价值观念,也会影响其对保险的态度,通过对网络消费的数额、职业、学历等数据所进行的分析,也可以作为保险需求分析的重要部分。还可以通过搜集互联网用户的地域分布,搜索关键词、购物习惯、流览记录和兴趣爱好等一系列的数据,在保险产品消费中实现需求定向、偏好定向,真正做到精准化、个性化营销。


周雄志认为,保险的特点就是按照发生概率来做设计产品。一定是有相当的概率发生才会有需求有市场。不同的发生概率不同程度启发客户的需求,譬如高铁发生意外的概率是非常小的,而自驾发生意外的概率就大得多,客户对于自驾意外险的需求就比高铁意外险的需求强烈得多。在各种场景中能否抓住那些打动客户心弦的概率事件,能否通过大数据精准量化这个概率从而进行合理定价,就决定了能否设计出好的保险产品,这就是大数据给保险业带来的价值。春运抢票险就是一个很好的例子,春运期间大部分人都要买火车票回老家过年,虽然四通八达的高铁大大提高了运力,但是仍然有一定的概率买不到回家的火车票,这就是一种特别适合保险的场景,有一定相当的概率发生,但不是绝对发生的,客户有这样的心理预期,就有动力为这个概率买单。如果没有互联网大数据支持,这个保险产品就不会产生。


所以,任何一个行业都可能忽视大数据,但保险业不能。保险业基于大数法则、以精算为核心,自诞生之日起就非常重视数据,更何况是大数据。今天,大数据已经能够支持保险业在产品研发上进行创新,这在很多传统行业中仍然是不可想象的。


据了解,这些实践的经验,是泰康人寿在多年的数据研究中得出来的。就如周雄志所说,“泰康在大数据应用方面有所成绩,是因为泰康过去这十多年持续不断的在持续建设数据平台,完善数据应用。不断的把各种各样的信息进行整合处理,有这些积累才能在上面的去开展更深层次的数据建模、算法分析,但如果让有些公司自己从头开始去做,那么怎么把大量散落的数据整合连接起来都会是一个非常困难的事情。”image.gif

image.png

看得出,大数据并不是能一蹴而就,对保险业的改造也只能源于实践。一直以来,泰康都是互联网时代的积极创新者,不断地加强数据的规模、活性、维度以及收集、分析、利用数据的能力,将之成为企业核心竞争力的关键。而对大数据的掌控和驾驭能力越强,市场竞争优势越明显。


实战驱动的保险业 大数据才有未来


当然,必须承认大数据并不是一个新鲜的概念。没有大数据的时候,数据也在产生应有的价值。周雄志认为,“对于保险业而言,并没有什么大数据和小数据的区分。实际上是我们在数据获取的深度和广度上面发生了变化,这样就使得我们在各种场景中,我们对数据的使用发生了变化。”


过去制约大数据在保险业发挥更大价值的首先是计算能力,随着云计算的普及,计算的能力得到极大发展,计算的成本越来越低,技术开始走向成熟,大数据真正驱动保险业变革的最后一公里,就是实战了。


但实战又是最难落地的一环。首先从人才的角度上,对数据科学家的认知还很有限,也缺乏真正在技术和业务两个层面融合的够好的大数据专家。周雄志说,“通常,数据科学家有的定义是专门做这种算法的,这是一种大家可能公认比较多的数据科学家。在我看来,我对数据科学家的要求会更严一些。因为你光懂算法是没用的,算法一定要作用在一个业务场景当中,能解决业务上的具体问题。如果不能解决业务问题,那这种算法就是自娱自乐的。”


这是一个很简单的道理,古人说纸上谈兵,这也是目前大数据在应用中的困扰。经历实战的大数据应用,才称得上是有价值的大数据。其实,国内很多大数据的创业公司都忽略了这一点,像百分点这样从学院派出身走出来,又能立足于业务创新的公司并不多。


其次,每个行业里的公司,其实处于不同的信息化水平。如果脱离了实战的意义,盲目的部署大数据,也没有实际的价值。比如,很多保险公司连传统的信息管理工作都还没有完善,数据孤岛问题都还没有解决,这时候需要的并不是大数据,而是对信息基础建设的强化,再来谈大数据价值。


再有,很多保险公司还没有建设移动App,即使有了移动App的保险公司,其移动App的功能只是集中在保单的简单查询,并没有将移动App定位为客户入口和主要渠道。还有一些保险公司内部数据都没有完成整合,数据还处于信息孤岛状态,对这些公司而言,大数据的应用是缺少实际基础的。


所以,总结来看,保险业有天生的大数据应用场景,保险业的未来业务布局应用将有大数据重要的位置。但是,大数据是需要实践和实战的信息化投入,不仅保险业要从自身认可数据价值,更需要真正理解行业实践的大数据公司,来一起设计一个数据化的保险业未来。


相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
2月前
|
存储 数据采集 搜索推荐
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
本篇文章探讨了 Java 大数据在智慧文旅景区中的创新应用,重点分析了如何通过数据采集、情感分析与可视化等技术,挖掘游客情感需求,进而优化景区服务。文章结合实际案例,展示了 Java 在数据处理与智能推荐等方面的强大能力,为文旅行业的智慧化升级提供了可行路径。
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
|
2月前
|
数据采集 SQL 搜索推荐
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
OneData是阿里巴巴内部实现数据整合与管理的方法体系与工具,旨在解决指标混乱、数据孤岛等问题。通过规范定义、模型设计与工具平台三层架构,实现数据标准化与高效开发,提升数据质量与应用效率。
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
|
3月前
|
分布式计算 监控 大数据
大数据之路:阿里巴巴大数据实践——离线数据开发
该平台提供一站式大数据开发与治理服务,涵盖数据存储计算、任务调度、质量监控及安全管控。基于MaxCompute实现海量数据处理,结合D2与DataWorks进行任务开发与运维,通过SQLSCAN与DQC保障代码质量与数据准确性。任务调度系统支持定时、周期、手动运行等多种模式,确保高效稳定的数据生产流程。
大数据之路:阿里巴巴大数据实践——离线数据开发
|
3月前
|
数据采集 存储 大数据
大数据之路:阿里巴巴大数据实践——日志采集与数据同步
本资料全面介绍大数据处理技术架构,涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容,适用于构建企业级数据平台体系。
|
3月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
99 4
|
3月前
|
分布式计算 DataWorks 数据处理
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
224 3
|
2月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
|
3月前
|
机器学习/深度学习 存储 分布式计算
ODPS驱动电商仓储革命:动态需求预测系统的落地实践
本方案基于ODPS构建“预测-仿真-决策”闭环系统,解决传统仓储中滞销积压与爆款缺货问题。通过动态特征工程、时空融合模型与库存仿真引擎,实现库存周转天数下降42%,缺货率下降65%,年损减少5000万以上,显著提升运营效率与GMV。
267 1
|
3月前
|
存储 SQL 监控
数据中台架构解析:湖仓一体的实战设计
在数据量激增的数字化时代,企业面临数据分散、使用效率低等问题。数据中台作为统一管理与应用数据的核心平台,结合湖仓一体架构,打通数据壁垒,实现高效流转与分析。本文详解湖仓一体的设计与落地实践,助力企业构建统一、灵活的数据底座,驱动业务决策与创新。
|
10天前
|
人工智能 Cloud Native 算法
拔俗云原生 AI 临床大数据平台:赋能医学科研的开发者实践
AI临床大数据科研平台依托阿里云、腾讯云,打通医疗数据孤岛,提供从数据治理到模型落地的全链路支持。通过联邦学习、弹性算力与安全合规技术,实现跨机构协作与高效训练,助力开发者提升科研效率,推动医学AI创新落地。(238字)

热门文章

最新文章