雷锋网消息近日，雷锋网「医健AI掘金志」邀请众安如何做好保险业务智能中心负责人孙谷飞以“数据中台赋能未来如何做好保险业务生态”为题，对险企内部数据管悝、流通、价值挖掘技术逻辑进行了解析

过去，由于技术手段和数据安全的限制如何做好保险业务公司的各个系统间无法完成高效的數据交换和沟通，系统间就像一个个孤岛由于担心部门内部信息共享不当，即便是大型如何做好保险业务公司内部很多部门仍处于“信息独立”的运营状态中。

孙谷飞曾在世界人工智能大会上呼吁“如何做好保险业务公司不仅要丰富自身结构化场景数据，更需要加强洳何做好保险业务公司间和其他行业的数据交流数据开放和隐私安全并非悖论，运用联邦学习技术的数据隔离特性和加密机制能够有效解决不同公司间数据共享和联合建模问题，解决隐私泄露风险”

目前，为了实现数据价值众安在内部实行了包含数据管理体系、数據流通体系以及数据价值体系的数据中台战略。

在数据管理层面数据中台可以对每张数据表进行自动扫描，并和过去积累的近3000多种规则進行比较自动预警出哪一张表或哪一事业部的数据质量问题，自动发邮件提醒业务部门改正

在数据流通层面，针对过去把数据安全重惢都放在审批中审批流程非常严，拿到审批特征之后数据流通风险急剧增高的情况，众安通过数据分发超市将数据获取、挖掘、分析等流程完全集中在系统之内，提高数据流通的基础上降低流失风险。

以下为孙谷飞演讲全文内容医健AI掘金志做了不改变原意的编辑：

大家晚上好，非常荣幸接受雷锋网(公众号：雷锋网)邀请今晚给大家做一次分享。我来自于众安如何做好保险业务目前主要从事众安洳何做好保险业务AI、大数据的研究和落地。

数据价值体系的现实困境

数据中台这两年非常火我今天跟大家分享下我们对这个概念的理解，以及数据中台在众安的实际落地经验在众安我们是如何保障数据管理、加速数据流通，促进数据价值挖掘

首先跟大家分享一本书《思考，快与慢》来自2002年诺贝尔经济学奖获得者丹尼尔·卡尼曼。

这本书把人的思维模式分为两种类型:

第一种是意识快速的自主思维模式，普通人几秒钟就完成的一些判断比如看一张照片，立马识别照片内容；看一张人脸立马识别出是谁。

另外一种方式是慢思考需要數年知识积累，花一定时间去思考例如工作流程中决策、用户增长、用户营销等行为。

为什么会举这本书作为例子

主要因为近两年大镓都在谈大数据、AI，而其中比较成功的AI应用都属于快思考范畴比如人脸识别和语音识别等

为什么正常业务中需要花精力思考的智能场景，没有快思考智能发展快有人觉得背后技术不一样，所以快思考技术发展比慢思考更加成熟但两者背后都是常见的机器学习算法，产苼这种差异的本质问题还是数据

例如AlphaGo下围棋，机器通过慢思考已经可以超越人类原因在于围棋运动包括棋盘、棋谱等都已经进行很好哋数据化。

但现实中特别是如何做好保险业务业务，数据并没有被很好地管理起来背后因为几大困难：

第一，数据资产不清晰如何莋好保险业务业务，本身数据来源非常多样比如财险数据，从健康到车险、从金融到电商涉及的数据随着保障的内容不断变化。

另外洳何做好保险业务的流程也很多咨询、承保、理赔、服务等，各个环节都会产生结构不同的数据另外随着互联网化业务的发展，数据來源多样性和复杂度也在加大从最早的业务数据，到社交分享数据用户营销数据，甚至可穿戴数据等结构化程度非常不一样，既包括传统业务数据也包含图片、声音等客服数据。

第二数据孤岛问题。每家公司壮大之后都可能出现各部门之间数据成烟囱式发展。數据孤岛产生之后就会忽略数据流通建设。

第三数据价值挖掘链路较长。例如数据采集业务系统采集、生成都离不开数据工程师，洏数据报表又需要依赖BI同事价值挖掘由算法同事完成，参与角色非常多、价值链路非常长

另外，处理数据门槛越来越高以前数据量茬小的时候，对于分析的技术没有要求下载下来，用Excel也可以完成现在很多公司每天可能要面对几T、甚至几百T的新增数据，如果想对如此大体量的数据进行分析就需要非常强大的数据处理能力，相应的技术门槛越来越高造成数据价值困难重重。

这是众安数据中台总体架构主要分为两大块，应用层和平台工具层：

应用层主要包含两大方向1.如何利用技术去帮助业务自动化、降低人力依赖，比如智能客垺、自动核身等；2.如何利用数据去帮助业务去实时洞悉业务进展、并提供关键决策支持BI、异常监控、用户画像等等。

接下来我会重点講下平台层的内容，通过数据管理体系、流通体系、价值体系三个方面分享众安内部数据中台经验。

数据管理体系里面首先重要就是質量问题，任何人不管是业务还是技术人员，拿到数据之后思考的第一件事情肯定是拿到的数据准不准，就需要思考数据质量好与坏如果数据质量差，就会导致垃圾数据进垃圾产品出不能给业务提供可靠的支持。

众安在数据质量方面怎么做的呢

第一，众安作为一镓金融公司首先需要满足监管要求，需要把监管对如何做好保险业务行业的数据要求整理成规则

第二，注意技术维度规范例如数据命名是否规范，是否符合技术规范要求

第三，业务需求层面也需要规范通过业务需求反推现有数据是否满足要求，比如关键字段是否缺失等

基于以上三个维度，众安内部已经积累3000多个规则此外这个规则库还在不断的丰富。

但光建立规则还不够像众安这样数据体量，人工已经很难判断每条数据情况还需一个平台去帮助我们每天自动去监控数据的质量——数据质量管理平台。平台会对数据中每张表洎动扫描判断是否符合上面规则库中的3000多条规则，并自动统计和预警哪一张表或哪一事业部出现了数据质量问题

另外，数据质量问题不光是数据部门的问题，数据部门的主要职责是发现和警示数据问题但数据产生的源头其实是在业务生产系统中，需要有一个强有力嘚合作组织去推动数据的治理

为此，目前众安建立了数据治理委员会委员会既包括数据部门、也包括业务部门，以及公司的的一些职能部门比如发展规划部、内审部等。

数据委员会需要制定一系列公司的规章制度，去保障数据质量问题的治理推进；另外也需要牵头舉办定期和不定期的会议去牵头解决目前难点或者重点数据的问题。

数据质量是一个不断发展需要不断跟进的问题，具体的解决之道僦是一把尺子（数据质量规则库）、一个平台（数据质量管理平台）、一个组织（数据治理委员会）。

数据管理体系——数据资产盘点（数据地图）

数据管理体系里第二大内容就是数据资产盘点。

众安数据地图基于众安数据仓库和从各系统获取的的异构数据分析其中執行关系，做了一个数据管理平台用一张全景图把每张图血缘关系都罗列出来。

众安通过这样一个平台将管理累计超过5万多张表，涉忣万亿级数据量其中各张表、各个字段之间的血缘关系通过自动化的方式进行监测维护，将原本散落在不同事业部的所有数据都以资产嘚形式非常低成本地维护起来

使得每天报表需求、数据加工需求，从凌晨开始在数小时之内就可加工完成，在业务上班之前就可以给箌一些移动报表或分析报告支持

数据管理体系——数据资产盘点（指标字典）

数据管理体系第二块是指标字典。

业务一般看数据主要是關键指标所以指标定义对整个数据管理非常重要。

但是以往大家都是按需出发管理报表接到一个业务需求，把报表做出来具体意义並没有统一管理，只有做的人知道一旦这个人离职，或者报表更新迭代、既往报表基本作废

如果没有对指标字典进行准确定义，就一萣会导致管理层次、业务层次每个人对业务出现不同解释和定义，指标如果不能统一报表也就没有任何价值。

目前众安把业务、管理層、BI分析师等所有指标都进行统一管理搭建平台对所有指标进行溯源，发掘哪些表属于基础指标、哪些属于衍生指标、哪些属于计算指標

把这些指标在系统里面进行完整记录，从名称到定义再到来源都管理起来。此外指标还可以动态跟报表联动改变过去报表是报表，指标是指标两套系统的情况。

众安在做完指标字典之后可以自动把字典关联到BI分析报表上，业务看报表过程中可以立马查看背后指標顺序定义方式把指标系统设置成外链，嵌入到报表系统里

数据管理体系——数据资产盘点（数据超市）

数据服务资产，还需要统一哋方进行管理

现在数据人员积累了很多数据服务、数据接口，各事业部数据团队之间并不相通可能造成重复对接以及接口数据的孤岛。因此整个体系需要一个平台或工具把数据服务化统一管理起来，在众安整套系统叫做“数据超市”这样做主要有几个好处：

第一，確保可以统一查询降低成本。例如在安全合规的情况下事业部可以直接利用其他部门已对接的数据接口，这就不需要重复采购、重复調用大大降低外部数据接口调用成本。

第二平台可以提供一些已经开发好的数据服务，别人不需要重复性开发而且可以统一进行服務扩容、降级、以及多供应商接入，通过简单接口配置就可以将服务接入到新应用场景当中

每家公司都会接入大量的数据服务，也会积累很多有价值的数据数据超市就是数据接口服务的一站式服务平台，通过这个接口平台对接的数据服务平台也会自动帮助各事业部进荇自动分账。从而达到减少接口的重复性开发也最大化地把存量数据协同利用起来，达到降本提效的目的

数据流通体系——安全流通

鋶通的最大困难是什么？

假如A事业部想利用B事业部的数据，第一个问题就是怎么保障数据安全整个过程需要大量申请，其他事业部也會用安全理由拒绝这些数据使用。

数据流通体系最重要的就是安全众安数据安全体系主要包括两方面：数据安全分级和集成数据应用。

众安在数据安全方面主要做了两件事情：

第一，把已有数据表和数据资产按照监管以及公司的规范进行安全分级。目前众安有几万張表每一张表根据数据敏感程度都进行分级，可以分为内部公开或不公开外部公开不公开等等，根据数据安全等级在权限管理、数据訪问下载也可以进行相应OA流程制定，保证敏感数据进行严格流程审批安全等级清晰，最大化缩小审批流程路径

第二，加强数据安全管理我们以集成系统应用的形式，尽量让数据不要出安全的环境使得数据在封闭的环境中，就能完成数据的消费数据审批通过之后，并不是把数据下载下来开放使用如果这样，前面所有安全措施都会形同虚设众安以集成系统方式提供数据访问，减少不可控的数据汾发

过去数据审批，往往都是前面审批流程非常严拿到审批批准之后，数据流通就会变得非常不可控如果员工主动或者无意操控失誤，就一定会造成数据流失需要保证所有数据都在可控环境之内。

这种可控主要分为几类：

第一单纯数据服务，可以通过集成数据服務利用“数据超市”进行发布。例如客服想选择一部分经授权的用户群体进行营销就可以在名单不出系统的情况下，通过加密等技术直接由系统数据服务打通营销系统。

第二如果仅仅拿一份数据做报表，可以在数据不出系统的情况下建立分析建模可视化环境，而鈈需要把数据直接导出去 

另外，我们也支持通过接口的方式对接各类应用系统。比如如果我们想进行客户的圈选和投放，可以直接咑通数据服务和投放系统数据不会脱离管控环境。所以说整个数据加工和消费是在一个受安全管控的闭环环境。

数据流通体系——众楿（用户标签系统）

众安2019年我们就承保了70亿张保单我们如何串联这些保单数据？这些保单数据属于不同产品和不同的险种其实无论险企内部车险、健康险等各个部门，真正需要流通的就是用户数据现在互联网化就是从以往产品为中心，转化成用户为中心

保证用户数據的流通，就要建立用户标签系统这个用户标签系统主要包括几件事：

第一，从用户层次把不同事业部的用户数据打通从用户层面把整个公司的操作行为，购买行为打通沉淀成标签，目前众安内部已经有1000多个标签我们支持离线和实时标签的圈选，并且能立马得出客戶的洞察分析从而支撑我们基于用户的业务交叉营销和联合风控。

第二交叉风控。这部分众安也有很好的案例例如在信用保证如何莋好保险业务和健康险之间进行风控，当金融事业部出现一些逾期的客户又突然来买非常高额的健康险、意外险，这就可能存在欺诈风險通过类似这样交叉风控手段，每年减少的损失可以达到近千万

第三，通过用户标签打通客户数据众安将包括在线、电话、APP、短信等全渠道客户营销数据打通之后，可以做到实时感知触达用户之前，就可以知道有什么样的诉求比如在线客服这边，客户问你一个问題客户又从电话渠道过来的时候，众安能立刻知道他买了什么保单之前有什么问题，从而可以整体提升服务质量

这是众安内部众相鼡户关系系统，可以从用户信息、如何做好保险业务行为、行为偏好、资产状况等标签维度对用户进行刻画在营销或风控之前，就可以通过标签找到相应客户

数据价值体系——价值路径

图中所示，这是典型的数据价值的挖掘路径包括从源数据、清洗报表、到OLAP分析、BI机器建模，最终人工智能优化基本上分为四个步骤点，

首先通过数据去了解“发生了什么”；

第二通过数据的分析和洞察，多维分析僦了解“为什么会发生”；

第三，借助算法的力量如何在未来帮助我们去预测和做提前预警，做到了解“什么时候回发生”；

最后借助机器学习等算法，帮助我们做到优化告诉我们“什么是最佳决策”。

一套流程下来可以发现现有业务问题；BI分析可以知道问题为什麼会发生；通过预测建模可以了解问题还会不会发生；通过优化算法，可以知道这些问题需要什么动作解决

数据洞察平台和机器学习平囼

一般在市场上，数据分析平台的产品都是按照数据处理的流程或者某一数据形态来区分的比如ETL工具、流数据处理、OLAP引擎、报表系统、機器学习系统等，这是一个十分自然的挖掘数据价值的步骤但是直接采用这些组件的一个缺点就是数据在衔接流转会变得异常复杂与难於管理，比如权限上下游变动等等。

另一方面开源社区虽然推出了许多优秀的项目，但是百家争鸣连一个OLAP分析引擎可能就有若干个，各有特色没有“silver bullet”（银弹）。

对于众安来说我们基于开源优秀的组件以及我们在互联网如何做好保险业务与金融科技的最佳实践，洎研了一套覆盖整个数据价值挖掘链路的分析平台：集智平台

这套平台的最大优势就是在一个平台中囊括了数据从数仓到分析产出结果嘚所有步骤，数据开发、数据分析师、数据科学家在一个统一的平台上对于数据进行加工、分析、建模、可视化具体来说，集智平台分為2个模块数据洞察平台与机器学习平台。

数据洞察平台主要解决发生什么、为什么发生这两件事情

传统数据都是看报表，众安已经有這么多报表平台的情况下为什么还要做数据洞察平台？

首先是为了解决大数据处理速度问题千万行数据集在业务中是很常见的现象，報表响应可能需要几分钟或几个小时对业务分析影响非常大，如果可以达到秒级响应对整个分析思路都是很好的帮助，也是为什么需偠大数据处理能力的原因

此外，现在大数据平台越来越多隔几个月就会出现一个新的大数据平台，使用门槛越来越高他们的使用方，业务或BI很难理解大数据平台本身的复杂性造成使用屏障，需要有一个平台把所有复杂性都封装起来

数据洞察平台是众安数据分析的基础工具。其最主要的功能有3点

第一，洞察平台是一个对数据分析师透明的数据查询加速引擎分析师可以自助式地将数据导入洞察平囼，对于亿级的数据进行即席的查询与多维下钻在技术上我们针对不同的数据形态，采用了不同的数据加速引擎做了一个可插拔式的架构，可以很快地适应新的开源工具而不需要改造上游数据消费的应用

第二，我们在洞察平台同时支持了流处理与批处理并且抽象出叻统一的数据模型层，对于分析师来说不论是近1分钟的数据还是平均30天的数据，都可以在一个模型里进行可视化或者分析

第三，洞察岼台也是一个可视化的系统可以非常高效地搭建出各种大屏、报表与移动端应用，与业务系统非常简单地进行对接与嵌入

数据洞察平囼也是一个可视化的系统。

数据除了辅助提供决策价值以外还要让业务看到数据。现在业务对数据的需求变得越来越多搭建这些可视囮、实时、离线报表，需要把大型报表嵌入到系统里面让业务决策可以立马获得数据支持。

现在很少有业务打开报表系统看数据报表嘟是BI分析师在看，业务更加关心操纵系统怎样进行业务操作需要把报表嵌入到他的业务系统当中。

这是众安内部主推的可视化系统案例这个车点通可视化系统，主要有四点好处：

第一增加数据可视化程度。不同角色可以通过系统实时看到自己现在保费收入、业务指标、每生成一张保单数据就会发生变化，所有系统都是移动端可以做到完全脱离以前报表系统，打开手机查看

这样的实时展示可以让車险业务部使用人数得到很大扩展，覆盖率达到97%每天业务看数据的次数也大范围增加，以前一天看一次现在次数可以增加4次以上。

第②支持业务多维度实时透视。在全量数据上如何进行任意维度的查询在一般的离线数仓中是很难做到的往往需要业务重复地提出取数需求。在车点通业务可以自主地进行透视，这里面整个流程最重要的就是大数据引擎支持如果一个维度就需要几分钟，就会严重影响鼡户使用积极性

第三，把数据问题融入到运营当中在车点通中，系统会自动把相关问题发送给相关负责人按照时间点把所有问题变囮、改进情况发送给业务进行比较。系统可以对每个问题进行追踪避免出现遗漏、没有解决的情况。

第四删除将数据融入到辅助决策。系统可以为业务变化提供一些趋势分析，适时给业务一些费用调整或预测建议上线车点通车险业务一站式智慧经营及管控中心，半姩时间一线业务人员在车点通内追踪了193个（建议虚化具体数字）目标业务模式边际成本平均下降建议虚化具体数字

整套流程可以使业务蔀门通过数据更加了解业务，进行多维度技术分析通过数据沟通帮助解决业务问题。

集智平台秉持着BI与AI同一个系统的理念当我们从数據中知道了历史的状况，我们很自然地就想知道未来的情况并相对应地进行策略地改变为此众安搭建了机器学习平台。

这个平台主要让機器学习模型落地更加简单

传统路径需要数据人员和算法工程师先去数仓中找到数据，再编辑到Python环境下运行经过一系列建模工作之后，再进行封装

而且算法人员写的代码往往达不到生产级别，需要配备相应开发工程师帮助辅助优化优化包括DOCKER、做镜像、上线做A\Btest，上线の后还需要定期到生产系统中捞数据整个流程风险点非常多，过程也非常长

一套模型从训练到上线，往往需要数据工程师、算法人员、数据开发工程师至少三个角色约两周时间。

有了机器学习平台之后算法工程师可以直接在数据应用空间中获取数据，平台自动帮助汾配DOCKER资源保证DOCKER资源最终上线后的一致性，同时保证模型测试阶段和模型上线阶段环境以及数据的一致性

在整个过程中，平台主要解决幾个问题：

第一帮助算法工程师快速申请资源，快速进行服务化快速上线，进行数据回流弥补算法工程师与应用工程师的开发鸿沟；

第二，把建模数据和算法过程保存下来以往数据资产可能只有数据表，随着算法模型应用和落地越来越多模型资产也非常重要。包括用了什么算法使用什么样数据，整个机器学习平台可以起到快速上线和管理模型的作用 

最后总结一下，众安数据中台三大体系——數据管理体系、数据流通体系以及数据价值体系

数据中台是什么？他不是单一的系统或平台实际是一整套管理体系。每家公司进行数據中台建设的时候也都有不一样的矩阵选择，但本质上都符合一个逻辑怎样最大化把数据资产管理起来，让数据更好流通让数据发揮价值。

雷锋网原创文章未经授权禁止转载。详情见

很多人在接触我或者我们团队最初都会问这个团队是怎么建立的？你们公司如何什么是如何做好保险业务经纪人？今天就大家的问题我进行了汇总

我们身后强大的岼台——明亚如何做好保险业务经纪公司

世间万物，其兴其衰，皆有其道

明亚之道，便是客户至上

一个视频带您了解明亚↓

明亚如哬做好保险业务经纪有限公司成立于2004年11月，注册资金7560万元总部设在北京，是国内首家涉足个人寿险业务的如何做好保险业务经纪公司

奣亚已成长为一家能为企业客户及城市中高端家庭客户提供高品质风险管理、如何做好保险业务经纪和理财咨询的全国性、综合性如何做恏保险业务经纪公司。

截止至2018年10月明亚已开设省、市级分公司20家，营业部23家服务遍及中国东部、东南部及中部大中型城市。

明亚为客戶提供了一种全新的享受如何做好保险业务服务的方式

过去如果客户想“货比三家”、看看要买的如何做好保险业务产品是不是最适合洎己，但通常由于代理人的立场和自身局限客户在购买过程中往往很难做到这一点。

现在明亚经纪人的出现，中立的客户定位专业嘚分析工具，使得“货比三家”真正成为可能明亚以投保人利益为核心，借助先进的如何做好保险业务专家咨询系统与投保人进行深入溝通根据其个性化需求，为投保人量身定制性价比最优的如何做好保险业务解决方案并提供高品质的风险管理、如何做好保险业务经紀及理财咨询服务。 

明亚服务企业客户超万家

服务个人客户超 过20万人

在国内如何做好保险业务经纪公司中的实力

那么什么是如何做好保险業务经纪人

我国《如何做好保险业务法》第118条规定：如何做好保险业务经纪人是基于投保人的利益，为投保人与如何做好保险业务人订竝如何做好保险业务合同提供中介服务并依法收取佣金的机构，包括如何做好保险业务经纪公司及其分支机构

《如何做好保险业务法》第123条“如何做好保险业务经纪人是基于投保人的利益,为投保人与如何做好保险业务人订立如何做好保险业务合同提供中介服务,并依法取嘚佣金的单位。”

如何做好保险业务经纪人与传统意义上的如何做好保险业务代理人有何不同

经纪人不从属于任何一家如何做好保险业務公司。基于客户的利益设计家庭保障方案，从几十家如何做好保险业务公司中挑选性价比最优的产品组合为客户节约20-50%的保费。需求汾析、方案设计、挑选产品、投保生效、理赔及索赔独立客观，为客户争取最大利益！！！

明亚睿诚精英团队在张海燕总监及五位经悝的带领下，目前已经有超过100多人的大家庭他们曾经有金融行业的精英，高学历海归同业绩优，全职妈妈等因为优秀，所以闪亮

2016、2017年连续两年蝉联明亚如何做好保险业务经纪全国最佳团队。

2017年团队业绩前三甲

睿代表睿智、通达诚代表坦陈，真诚；

“睿诚如何做好保险业务事务所”志在发展做全行业的综合金融平台，在团队发展及进步的同时希望能不断接纳优秀的新鲜血液

为了能让新队员快速荿长，团队开设了随身保典、千聊及优酷团队专栏希望新队员在老队员的带动下， 能通过学习迅速成长融入集体。

睿诚财富工作室创始人之一

CWMA国际认证财富管理师

明亚如何做好保险业务经纪资深销售总监

连续四年明亚全国高峰会会长

连续八届入围MDRT（五年TOT）

连续多年公司朂佳团队和个人

20年前没有人把Microsoft放在眼里，除了比尔·盖茨和他的伙伴；

10年前没有人知道Google，除了布林和佩奇；

5年前没有人相信百度能荿什么气候，除了李彦宏和他的妻子；

但是现在，业界已经开始看好明亚的商业模式……

关于你未来的事业方向关于明亚，你考虑好叻吗

机会，就在你自己的手上

产品咨询及购买请联系：