大数据在保险行业的应用实践

-回复 -浏览
楼主 2019-09-22 22:42:18
举报 只看此人 收藏本贴 楼主
数据分析师考试

大数据在保险行业的应用实践

DT时代的到来,使得金融业对数据的依赖越发加强,众多的金融环节都需要通过对数据的收集和分析后完成。银行业每创收100万美元,平均就会产生820GB的数据!

数据来源:SINIA,NextGen Storage,BDG等,2015年

纵观海外,已有三分之一的银行在组织流程中嵌入了匹配大数据的工作方式,识别出更多的商业机会。他们在多年的实践和不断试错后,运用成熟的分析手段,持续地获得有价值的商业洞察!而国内商业银行经过信息化的建设也积累了大量的数据(有数据称>100TB),这些数据一方面在经历整合清洗的过程(以提高数据质量,保证可用性),一方面也在进行着统计分析。

而在数据分析上,大量的数据产生的有效分析结果却非常有限,犹如人体血液中血细胞不足一样,商业银行们也都或多或少患有“数据贫血症”!面对这样的情况,近十年来,银行大多数采用的传统解决方案是“以项目的节奏先建数据仓库、再投入人力运维数据仓库开发报表”。前者主要是对数据的数理,也是不可避免的。但后者的方式导致了很多效率和效果的问题,比如下图中业务人员和科技人员的“对话”!

银行的客户,无论是一线客户经理,还是总行运营部门,亦或科技中心领导,对这个图反应的问题都会有强烈共鸣。这些问题主要导致了3个管理缺陷:

1、不够迅速:社会上多个朋友多条路,企业里多个流程多堵墙!当业务部门的任何需求都要提交到冷冰冰的流程系统,还要去关注、催促、期待,恐怕有相当多的“小需求”都会被自行浇灭掉了!

2、不够灵活:无论什么样的BI前端软件,按照“需求分析”做出来的成品,一旦交付都存在难以调整、修改、变更的问题,哪怕增加个参数、增加个计算字段、换个图形都无法绕开“流程”!

3、难以共享:经历过这样的过程,有哪个业务用户愿意把这样的成果“分享”出来呢?


我们分析问题不难看出,传统的集中开发报表模式是无法适应DT时代的“数据化运营“需求的,以前的“数据”被赋予了生产力属性,变成了银行中重要的“生产资料”!在这样的时代、管理背景下,“自助分析”就被提上了日程!

数据的自助分析如同自助餐厅的模式一样,有人专注于准备美味的数据和舒适的消费环境,更多的人可以尽情选用、组合、品尝“美食”!我们仔细观察一下这样的自助餐厅,会受到很多启发,简单来说至少有5个方面的工作需要考虑:

-选餐导引:好点的自助餐厅一般都会包含凉菜区、热菜区、海鲜区、饮料区、水果区等等。如果没有人工或者标识牌的导引,顾客就会产生很多不必要的走动,不仅影响运行效率而且破坏了就餐环境。对自助化数据分析道理也是一样的,首先应向用户(就餐者)提供清晰的元数据服务,说清楚“这里有什么数据”和“它是什么样的数据”,否则也会引起同样混乱的后果!

-丰富食材:古人云“巧妇难为无米之炊”,无论是否自助化,原材料(数据)的质量是最基本的保障。在BI的行业内,也有这样的训诫——“garbage in garbage out”,就在提醒我们要始终保持对数据质量(完整、准确、及时)的关注!

-加工服务:原材料很多时候不能直接享用,比如要进行选取、清洗、烹饪等工序,这就好比BI行业里的ETL工作。一般来说,会有非常专业的厨师各自负责食材加工,只是有些加工的过程(蒸、炒等)是在后厨完成的,有些加工过程(切、煮等)是在用户面前“交付“的。类似的,提供自助化数据分析,也不可避免的会需要数据加工处理的环节,其中有的处理复杂,也有的处理简单,单纯想开放原始数据进行数据分析的说法和想法,都有点过于理想了!

-便捷工具:自助餐的工具包括辅料和餐具,辅料比如油盐辣椒芥末等,餐具比如刀、叉、勺、筷、盘、碗等。对自助化数据分析来说,查询数据、分析数据、设计格式化报表、制作可视化报告、编制分析报告等功能是否具备且简单易用,就是BI前端工具的核心竞争力了!

-舒适环境:有了丰富的、高质量的数据,也有了专业的加工过程,用户也可以快速找到可口的“食物”并进行自助的调味和享用,剩下的就需要规划好就餐的环境了。比如如何排队、如何等待、如何收拾、如何反馈等等。这里每个细节,都可以映射到自助化数据分析的平台功能上来

数据分析师 数据分析

我要推荐
转发到