收藏本页 打印 放大 缩小
0

挖掘隐藏在数据中的财富

发布时间:2016-09-23 07:58:12    作者:龙栋    来源:中国保险报·中保网

作者:帕特里夏·L·萨波里托

翻译:李凯

出版:中国人民大学出版社

时间:2016年6月

定价:49元

□龙栋

马云在“2016中国保险业发展年会”上表达了几个观点:一是保险是未来大市场,国内保民还太少;二是保险公司、保险产品、保险品种都还太少;三是保险行业的核心人员未来是大数据工程师。

虽然近些年保险业在大数据战略和运营方面做了积极探索,但是依然没有摆脱依赖营销的状况,移动数据端、用户数据画像、内部数据整合、产品场景应用等方面仍然处于落后状态,马云一针见血地指出了问题。这和《大数据时代的保险分析》一书作者帕特里夏·L·萨波里托的观点如出一辙。该作者认为大多数保险公司未能有效利用它们最有价值的财富——数据。

《大数据时代的保险分析》一书由中国人民大学出版社出版,上市之初就得到了国内高校保险专业老师及保险业高管的关注。该书作者认为:高效的数据分析能够为保险行业带来巨大的积极影响。要使隐藏在数据中的财富显现出来,保险从业人员需要一种基于企业全局,以业务为导向和绩效驱动的分析策略。保险行业的每个角色都应该用到保险分析方法:精算师、核保员、损益分析师、营销人员、财务分析师、客户服务人员、代理商及经纪人,乃至法规制定者。不同管理层看到的关键数据是不一样的:执行管理层、中层管理者、分析者利用不同的工具得到数据分析决策结果。

全书提供了一套分析思路和框架,来更好地审视保险企业在使用分析方法、构建分析系统时应当考虑的分析能力及其他关键因素。包括:分析战略与执行框架;业务需求界定;有效地编制和使用指标体系;分析方法的商业价值;数据与信息的构架及管理;常用的分析工具;组织和实施分析战略;最后是分析方法在保险业务流程中的应用。

如何避免精心设计的数据库被一线人员冷落一旁,这要求搭建的数据分析系统必须充分考虑并满足多方需求,才能真正发挥作用。作者给出了四种界定业务需求的方法:业务发现访谈、分析行动框架、应用案例法、维度分析法。通过对业务需求进行清晰界定,再对分析目标和计划进行优先级排序,以最合理地分配资源并设立有效的路线图。

业务需求界定清楚之后,就需要借助信息技术搭建数据架构系统。而如上文讲到的,保险企业在搭建数据系统上面花费不少,但并未有效满足终端使用者的需求。作者认为缺乏持续的协同及与业务端的互动是失败的主因。而要解决这个问题,很重要的思路是建立由数据词典、数据质量计划以及数据管控为基石的企业信息架构。

此外,作者在第十章对财产及意外险、寿险以及健康险等不同业务进行了流程审视和梳理,并用最核心的分析方法和应用案例加以了说明。这套分析方法在保险行业价值链的各个环节都具有重要作用,比如产品管理、市场营销、分销管理、核保、保单管理及服务、理赔管理、财务管理。

作者之所以能够全局来对保险业的数据分析做透彻的剖析,源于作者本身一开始是从保险理赔师入行的,洞悉了一线实际的需求。此后承担了更多的现场业务,并负责理赔记录管理系统的运行。之后从业务分析师到系统工程师再到技术分析师,并成功地搭建了一支专业化咨询服务团队。20多年从业的经验和教训,更重要的是数据分析方法都在这本书中。

马云说:“保险过去是规模化的,标准化的,这是工业时代的保险;未来是每个人不一样,每个人的每个时刻每个状态下都不一样。”而这正是大数据给保险业带来的美妙之处,精准化、个性化、简单化、及时化将是大数据时代保险分析的特点。