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

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

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。

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

l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，支持一次开发跨屏体验。

l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。

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

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。

n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。

n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。

n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

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。

在泰康管理的过程中，我们从2014年就开始培养、教育业务人员进行自助分析。目前先把比较代表的报表需求拿到，然后进行综合分析，找到规律，归纳数据分析的模型出来，最后用比较好的技术手段去实现。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

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

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

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

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。