保险索赔

智慧保险大数据分析平台整体解决方案
更新时间:2019-11-23 19:25 浏览:191 关闭窗口 打印此页

  智慧保险 大数据分析平台解决方案 前言 为了获得更高的市场份额,保险企业开始借助AI技术、信息技术来优化客户体 验,更借着商业模式的创新与简化,创造更大的竞争优势。保险企业正计划通过使 用AI技术对保险环节优化升级,实现理赔业务自动化,降低运营成本,提高保险资 源配置效率。 智慧保险是AI赋能行业落地的又一个重要方向。当前,保险行业仍面临众多痛 点,如部分险种在参保过程中,需要风险评估人员亲临现场进行评估,流程复杂且 人工成本较高,智能定损是未来趋势。精准保险营销、智慧客户服务、动态定价等 等保险环节均需要AI的助力。 目录 2 3 4 5 6 智慧保险管理分析类应用建设现状基本分析 基本的现状 ? 存在的问题 ? ? 关注的内容 ? ? ? ? ? ? ? ? ? ? 已建立面向整个金融业务的数据仓库 ,整合了前台业务运营数据和后台管 理数据,建立了面向金融的管理分析 集团数据仓库累积数据没有充分利用 缺乏面向整个智慧保险大数据的统一 、完整的数据视图; 数据平台整体架构; 数据平台各层建设的标准; 较成熟的金融业数据模型; 数据质量治理; 元数据管理; 数据标准建设 数据整合; 数据应用建设; 数据平台的软硬环境 …… 应用; ? ? 缺乏支撑智慧保险大数据日常业务运 转的风险评估体系; 智慧保险大数据已开展供应链金融、 人人贷和保理等多种业务,积累了一 定量的业务数据,同时业务人员也从 ? 缺乏智慧保险大数据客户360度视图 ,客户行为分析和预测无法实现; 客户管理、风险评级和经营规模预测 等方面,提出了大量分析预测需求; ? ? 缺乏面向金融业务运营管理的关键绩 效指标体系; …… ? …… 数据平台、数据应用、数据管控…… 基础数据平台和BI应用建设是未来一段时间的重点! Page 4 保险科技价值链 1 5 6 物联网 基因检测 感知识别(AI) 大数据 2 区块链 3 AI ? 医疗数据 数据上链 破 ? 流程自动化 数据挖掘 机器学习 ? 用户画像 ? 精准营销 … 除数据孤岛 ? UBI ? 三方数据 … … ? 评估模型 ? 核保核赔 ? 风险管理 ? 决策系统 ? 客户服务 ? 客户数据库 4 云计算 … Page 5 大数据平台架构设计基础要素 前瞻性 ? 可扩展 ? 开放性 ? 高性能 ? 稳定性 ? 安全性 ? ? 构架和平台统一、技术先进、安全高效 服务器和计算节点可扩展、数据结构可扩展、ETL处理可扩 展、平台接口可扩展 初次建设时选择开源版本(Apache)或者更贴近开原版本 的商业版本(CDH) 在硬件资源有限的情况下,应尽可能地支持尽量多的数据服 务需求,还能承受用户峰值时间段压力 数据模型的稳定性、系统运行的稳定性 防止数据服务体系的数据资源被恶意修改和盗取 防止数据在传输过程中被截留和篡改 运维涉及硬件设备、Hadoop平台、应用系统 从实际需求出发,前期从单一需求的最小规模集群起步,以 最小投入解决问题,后期再做扩充 ETL功能组件、数据预处理层的数据模型、租金复用、硬件 部署等方面的高可用 建设企业级一体化的监控和管理平台,后期便于更好地统一 管理和维护 Page 6 易维护 ? 实用性 ? 高可用 ? 统 一 部 ? 保险公司构建商业AI能力的核心要素 BRAIN 核心 要素 ? 有意义的过程数据 Big Data 大数据是人工智能存在 的基石。多来源、多 类 型的大数据可以从 不同 角度进行逼近真 实的描 述,而利用算 法可以挖 掘数据之间 的多层次关 联关系。 其中过程数据 (同“用户行为数据” ) 对AI意义重大。 一个优秀的人工智能模 型需要千万级的数据样 本。因此,在数据方面 , 企业需加强对用户每 一 个行为及其结果的记 录 意识。 ? 数字化的持续反馈 Response 用户行为数据是机器学习 的基础,如果想让机器 学 到最新的、即时的用 户行 为,形成持续的反 馈闭环 的人工智能系统 是机器智 能提升的前提 。 另外,机器能够容易理解 的反馈数据需要符合被标 记标签的性质。 企业应该建立数字化、 不间断的反馈数据闭环 , 将实时数据进行反馈 , 使模型具备自我进化 能 力。 ? 高维度的算法能力 Algorithm 算法是人工智能决定效率 提升的关键因素。人工智 能能够实现大量无法统计 的规则会被机器自主发现 和抓取,从而充分挖掘 “ 长尾用户”的行为规律, 提高机器学习模型预测的 精准度。这就需要超高维 度的算法。 超高维度的算法,首先须要 原始数据的绝对值很大, 这 对于大数据的分布式存 储、 处理技术具有较高要 求。 其次,利用万亿级的海量特 征进行机器学习特征处理 、 模型训练以及线上服务 ,需 要成千上万个节点进 行协同 工作,这对算法及 系统的要 求是全方位的。 ? 高性能的计算能力 Infrastructure 高性能、大规模的计算 资源是人工智能技术在 实际应用中的必备条件 。 在人工智能实际的业 务 场景中,动辄数十亿 级 别的数据,会给计算 框 架带来严峻的考验。 ? 边界清晰的问题定义 Needs 目前机器还不具备主动、自 发定义任务的能力,因此 , 清晰、明确的任务目标 就是 人工智能得以有效应 用最为 关键的先决条件。 存在 问题 ? 采取 措施 ? ? ? ? ? 构建高维度机器学习框 架,确保在大数据的 场 景下,计算能力随数 据 量增加呈线性增长 ,实 现系统时间成本 与计算 成本的可控。 ? ? 优化、明确业务问题需要企业 业务专家的深度参与: 一方面从业务出发,需要在业 务专家和技术专家共同对企 业 资源进行评估与组织,最 终将 商业目标转化为机器可 理解的 数据挖掘目标; 二是从技术出发,将公司的运 营指标和人工智能适用的指 标 进行结合。 ? Page 7 模

  智慧保险大数据分析平台整体解决方案_解决方案_计划/解决方案_实用文档。智慧保险 大数据分析平台解决方案 前言 为了获得更高的市场份额,保险企业开始借助AI技术、信息技术来优化客户体 验,更借着商业模式的创新与简化,创造更大的竞争优势。保险企业正计划通过使 用AI技术

友情链接:

公司地址:

监督热线: