数据引擎，助力保险数字化转型_招商信诺

发布时间：2019-07-04      游览量：3680

• oracle数据库管理工具有哪些大数据平台查询的数据源

引言：6月19号，Smartbi V9新品发布会成功举办，多位嘉宾为我们带来的精彩演讲在现场引起了热烈反响，小麦从上周开始选取一些整理成文，与未能到场的麦粉们一起分享。现在分享的是招商信诺信息科技部总经理胡崇威所作《数据引擎，助力保险数字化转型》的演讲。

刚才听到吴总和杜总对Smartbi新产品做了很多的诠释，那我从比较早期或者说合作比较深入的用户角度，在保险数字化转型这个比较大的命题里面，我们是怎么去做整体规划的？Smartbi是怎么深度结合来发挥它的作用和价值？希望通过这样的经验分享可以给大家带来一些启发。

保险数字化发展历程

我们先看一下整个大的背景，招商信诺的发展历程和保险行业近10年的科技发展有些不谋而合之处，比如说我们前期的互联网化，到2016年开始整个金融科技，包括细分到保险科技的爆发式增长。保险行业的爆发跟一些科技手段的成熟相结合可以做很多的事情，比如大数据、人工智能等等。

数字化战略

根据这样的趋势，我们会做一个数字化转型的战略，核心就是数字化客户体验和数字化驱动业务。包括从自动化到数据化，再到智能化。自动化其实就是平台的建设，数据化是必须要有一个企业级的数据平台，以及和企业级数据平台相匹配的分析工具和分析能力做为支撑，然后我们才能演进到最终的智能化，用智能化的手段来提供数字化客户体验和数字化驱动业务。我相信这个逻辑比较好理解，那我们具体怎么做的？

企业级中台架构

我们看一下后台有很多系统，各个金融企业都大同小异，前台包括服务、交易等各种应用平台，中台就包括业务中台、数据中台和智能中台，我着重讲一下数据中台。数据中台相当于刚才吴总讲的技术中台加数据中台的部分，负责处理数据、存储数据，整个数据处理体系是依托于数据中台。数据是由交易行为产生，通过数据服务体系形成客户视图，搭建BI平台形成分析决策能力。

企业级数据中台

我们现在看一下整个数据中台的建设和Smartbi的整合。蓝色框部分就是数据中台，数据中台无非就是做这些事情。除了传统数仓OLAP之外，我们还有大数据平台部分，这部分我们用了TBDS，就是Hadoop为底层的架构。数据有了，数据算力也有了，那我们怎么去应用到AI上面呢？一开始我们用了Smartbi的自助工具，在Smartbi Mining还没发布之前，得益于吴总的大力支持，我们就去学习和使用这个产品。客户洞察、营销自动化和营销效果预测我们是用了Smartbi Mining来做的。Smartbi可以完美支持大数据平台TBDS，无论是简单的报表，还是复杂的客户洞察营销场景，用Smartbi都可以轻松实现，后面会有案例的展示给大家看一下。

助力招商信诺数字化转型快速落地

回过来讲，整个中台架构，需要对数据资产进行集中的管理，其它还包括大数据、数据挖掘、AI算法等能力，Smartbi Mining代表我们的智能产品，拖拉拽的建设和部署、可视化的操作都有助于我们把数据分析能力交到用户手里，也得到了用户的认同。虽然门槛有点高，但是通过一定的培训，还是能够快速掌握的。通过这种方式，IT人员就可以更加专注去做中台能力的搭建。目前，Smartbi在我们内部有三个应用场景，一方面是传统的报表，需要进行超多维的数据处理；另外一方面是实时及高速计算，结合Hadoop进行秒级运算；最后是数据可视化，用叙事的方式将数据灵活呈现。

数据叙事场景

这是一个实际的场景，我们对整个流程包括参保、理赔、客户服务等各个节点的数据整合在一起，通过数据叙事的方式，利用Smartbi去实现各个关键触点的动态展现，然后实时呈现每一个节点有多少个用户，点进去还可以看到细分的数据，为客户体验工作提供数据支持。这也是客户反映非常好，我们想深入去做的一个场景。

客户统一视图

另外一个场景是客户统一视图，我们做了很多客户的画像，利用Smartbi可以将画像保存为个人模板，数据可实时更新，实现跨个人、跨团队、跨部门的知识分享。同时，还可以实现EXCEL透视分析，可选择的图表类型非常丰富。更关键的是，支持单次亿级客户清单数据加工，支持跨库、跨表运算。

客户画像场景

这个界面虽然看起来比较简单，但它的数据是Smartbi通过大数据平台实时计算出来的。我们可以通过性别、年龄等不同的维度去分析不同的客户画像，在Smartbi里面通过可视化的界面都是可以轻松实现的。

营销自动化

这个是我们的全流程客户营销体系，基于刚才介绍的客户画像，全面融合Smartbi Mining，建成完整的客户营销活动系统，实现流程全封闭，数据不落地。全流程覆盖客群筛选，客群拆分，活动跟踪等节点，最后以短信、邮件、公众号、语音机器人等多种渠道去触达客户。

利用Smartbi Mining实现的好处第一是低门槛，界面式无代码化数据操作，无需IT参与即可进行数据提取、筛选；第二是可视化，利用画布式模型化活动设计，实现灵活的拖拉拽操作，活动数据流调理清晰，完美辅助精准营销设计，深入挖掘客户价值。

营销自动化之精准营销案例

最后我再举一个精准营销的场景。在Smartbi Mining里面，首先我们通过数据源选取准备营销的客户，再基于配置好的条件对客户进行细分。这些操作通过拖动相应的功能图标，再进行简单的参数配置就可以实现的。接下来就是根据不同的客群进行不同的内容沟通，这就需要结合客户的历史数据通过模型算法来计算了，再往下要判断客户有没有在短信里面点过什么链接，或者留下什么信息，这些数据返回以后下面的节点会做出判断，然后自动去跟踪营销的执行结果。精准营销是目前我们应用Smart Mining最多的场景，后续我们还会去探索更多的场景，让Smartbi Mining的应用更深入、更广泛，从而进一步推动我们的数字化转型。