保险索赔

可考虑组建由多个部门联合参与的大数据研究 团队
更新时间:2019-11-23 19:25 浏览:116 关闭窗口 打印此页

  保险公司如何提升大数据分析应用能力?_金融/投资_经管营销_专业资料。保险公司提升大数据分析应用能力,应从“1234”入手: 一、充分认识到保险业大数据能力建设的重要性 我们正在迎来一个数据爆炸的时代: 各类设备和互动产生的数据量正以年均大于 50%的速度增长,预计在

  保险公司提升大数据分析应用能力,应从“1234”入手: 一、充分认识到保险业大数据能力建设的重要性 我们正在迎来一个数据爆炸的时代: 各类设备和互动产生的数据量正以年均大于 50%的速度增长,预计在 2020 年可能会达到 44ZB(44 万亿 GB)。据贝恩咨 询的调查显示,拥有优秀大数据能力的企业,它的财务表现排在行业前 25 分位 的可能性是竞争对手的 2 倍、做出正确决策的可能性高出竞争对手 3 倍、决策 速度比竞争对手快 5 倍。 可见, 大数据对于企业乃至整个社会的重要性不言而喻。 近年来, 数据和流量是互联网迅猛发展带给保险业的最大变化。充分挖掘数据蕴 含的价值,有利于改善客户保险服务的同质化、黑箱化问题,例如应用到风险评 估和定价、交叉销售、防止客户流失、欺诈检测、索赔预防和缓解等领域,从而 提升客户体验、降低成本、提升效率和数据使用。 未来,保险业将从资本驱动向数据分析能力驱动方向发展,得数据者得天下。 二、保险公司大数据能力建设需关注的两个要素 一是大数据应用从数据获取、 挖掘到运用是一个复杂的、 跨部门、 跨领域的过程。 需要各类专业人员共同协作完成, 可考虑组建由多个部门联合参与的大数据研究 团队,专门研究大数据带来的销售创新和服务创新,提供大数据应用服务。 二是大数据应用需要公司整体布局,建立数据生态,形成闭环。保险公司需要顺 应趋势转变思维, 建立大数据驱动发展的思维模式, 从战略高度关注大数据布局, 建立从数据获取、数据整合到数据使用的完整链路,这需要业务、数据、服务三 者的协同配合,通过扩大业务范围搜集更多的客户数据;通过提升数据组织和处 理能力整合更多的可用数据;通过充分运用到服务中促进提升客户体验、为公司 业务创造更大价值, 发挥数据的巨大能量。 因此, 大数据布局需要将业务、 数据、 服务三者结合起来统筹考虑、整体规划,打造数据生态圈。 三、保险公司大数据能力建设的三项内容 包括:数据获取、数据使用和数据治理。 第一,数据获取。数据获取渠道包括:客户(消费者);内部共享;行业平台; 第三方平台。 保险公司应努力增加与客户的触点和互动频率,提升自身产品质量 与客服体验,以利于从客户处获得更多真实、完整的个性化数据信息。 作为建立大数据能力的基础,企业应像对待其他重要资产一样,发现、评估和管 理好并不断扩充数据资产。 第二,数据使用。在获取大数据来源及明晰商业应用场景的前提下,数据分析及 建模可从理论角度选择最优的大数据分析方法、算法与工具,从而创新商业应用 场景,发现新的增长点。 第三,数据治理。加强数据存储与整合是其中关键。只有高质量的数据才能为企 业带来价值。面对数据来源广、信息种类杂、质量参差不齐的情况,需要在建设 大数据的同时关注数据治理,一是建立数据规范化标准、数据分类标准、数据定 义标准、质量衡量标准等;二是建立用于监控数据从获取、存储、分析、到运用 的质量监控体系;三是建立数据问题从检查、反馈到修改的质量改进流程,使问 题能够得到及时发现和根本解决。 比如某国资保险公司的一个经典案例—如何搭建可视化的大数据分析平台? 四、 保险公司大数据机构建设的四个方面: 职能定位、 组织架构、人员构成及运营模式 从国际经验看,一般都通过成立保险公司大数据中心(BDC,big datacenter) 来提升大数据管理应用能力。大数据处理中心的出现保证了征求信息的准确性, 提高了数据处理的效率。 第一,大数据中心的功能定位 国际上,BDC 的核心作用主要体现在三方面: 管理数据平台: 提供大数据管理平台,主要包括提供与保险公司相契合的大数据 基础框架;筛选有效数据,对数据进行分析和归类管理;选择适当的软件、硬件 等设备的供应商,安装各项数据平台所需的基础设施。 研发最新技术:为了推动大数据分析能力向更高水平发展,BDC 需要对最新、 最高标准的大数据理论进行研究;提供合适的分析方法、算法与工具等数据分析 和建模方面的建议; 并对当前的行业发展前景和市场需求进行价值判断,将商业 概念转化为统计分析和数据开发。 辅助规划运营:在整体运营和前景规划方面,BDC 会在综合分析数据后,为公 司的市场推广提供发展建议, 包括与其他部门及商务伙伴进行接洽、提高各部门 的主动性, 拓展公司的商业版图。 同时, BDC 也会从司法角度提供可行性建议, 检查保险公司的各项运营是否符合本土法律法规、内部规章制度、客户合同等各 项标准。 第二,大数据中心的组织架构 BCG 研究发现, 国际上的 BDC 的运营模式主要有以下四种: “百花齐放” 模式、 卓越中心模式、混合模式及分散模式。其中: “百花齐放” 模式: 由公司各部门下属事业部独立负责该部门的平台管理和数据 分析, 数据的集中程度低, 没有统一的数据存储, 对数据的管理和专业支持有限。 卓越中心模式: 在公司各部门外专设一个大数据中心,统一进行平台管理和数据 分析,对数据进行标准化的处理,控制了数据的重复,是能力集中程度最高的模 式。 混合模式: 大数据中心在负责数据管理的同时,与各部门下属的事业部协同进行 数据分析,大数据中心受高管(如 CIO、CTO)管理,确保管理平台的有力性和 来自 CEO 的支持,同时大数据中心与各事业部联系紧密。 分散模式: 由各事业部独立负责该部门的数据分析,其所用数据汇总至大数据中 心, 由大数据中心进行平台管理和数据共享,公司的每个部门都可以从大数据中 心的数据库中依规则调用相关数据以分析问题。 该模式是目前成熟度最高的模型。 第三,CDO 可根据需求组建专业化的数据团队。包括:数据科学家(团队中的 核心人物)、数据可视化专员、数据变革专员、数据工程师等。 第四,实现数据→分析→洞察→决策支撑的产品化、常态化。为将大数据高效应 用于企业的日常运营, 需要不断将数据分析能力转化为内部应用产品,并将数据 分析工作常态化。对于数据分析产品化,可通过大数据应用战略规划、大数据应 用场景设计、 分析大数据以获取洞察这一过程的牵引,不断推动大数据应用产品 的设计、开发与应用,最终实现数据分析产品的可持续运营。而对于分析工作常 态化, 需要持续维护数据分析产品并监测实际使用效果,为业务与职能部门提供 数据分析支持,并对其日常使用中的问题及时进行解答。

友情链接:

公司地址:

监督热线: