□华为保险行业解决方案首席专家 郑俊

中国保险行业在经过十多年的快速发展之后，在保险深度、保险密度等关键指标数据上，都有了显著提升。但随着人口结构变化、增量放缓，市场逐渐饱和，同质化竞争趋势明显，保险行业进入增长瓶颈期。面对扑面而来的数字世界，通过数字化转型寻找增长新动能成为险企的共识。

架构是发动机，数据是燃料

虽然业界对数字化转型的理解和阐述各有差异，但其从数字化转型工作的切入点来看，主要从两个领域着手：一是保险核心系统的分布式架构转型。通过将原先一体化、固化的功能模块，进行微服务化的解耦，再根据不同的业务场景，进行服务功能的灵活组合。微服务化的保险核心可以显著提高业务敏捷性，在产品开发和上线、营销策略、承包理赔等各个环节都可以快速组装和调用公共功能实现。二是数据价值挖掘。通过汇总内外部数据，基于数据分析开发差异化的产品，实现多维度的客户画像和精准营销，并在风控、承保等环节实现基于数据和AI能力的自动化、智能化。

目前，保险核心系统的分布式架构转型已经走出相对清晰的道路，但在数据价值挖掘领域，虽然这项工作一直在做，但总体看来，尚有提升空间。

保险核心系统架构转型和数据价值挖掘这两部分工作在数字化转型中缺一不可，互为倚重。如果把保险公司的数字化进程比喻成一辆前进中的汽车，架构转型就是发动机和变速箱，提供了结构上的优化，保证了快速前进（业务敏捷）的基本能力；数据则是燃料，通过数据价值挖掘产生了业务发展的驱动力。所以，数据价值挖掘能力将会成为保险公司数字化转型成败的关键。

险企数据治理存在的问题

数据分散，应用碎片化

由于信息化建设是持续演进的，数据不可避免地分散在不同的系统中，虽然也有经营分析、反欺诈等数据需求，但大多是基于某些特定场景的，进行统一数据平台建设的公司相对还比较少，基本是头部体量较大的公司。统一数据平台的建设成本不低，而价值变现周期相对较长，其成本收益比是很多相对注重短期效益的中小保险公司必须要考虑的。

缺少高质量数据

对数据比较重视的公司，已经开始建设统一数据平台，实现公司内外部的各种数据进行汇总，开始进行数据治理体系的建设。通过统一数据平台建设，可以满足各业务场景的数据分析需求，实现数据共享和价值最大化。但存在比较显著的问题是，自身积累的数据量较少（数据维度单一），无法支撑全场景多维度的数据分析。比如客户画像，我们可能缺少其社交和日常活动数据；比如产品设计，可能缺少标的物的风险数据等。对于外部数据的引入同时也要满足隐私合规要求，目前整个行业的“数据共享生态”建设也有待完善。

缺少数据价值变现体系

与此同时，数据“怎么用”是一个问题。海量的数据在手里，就像一堆金沙，但如何从中提炼出金子，行业内有些探索和尝试，但尚未形成比较清晰的体系化的方法，没有形成非常有参考性的“最佳实践”。有从客户维度展开的“客户旅程”分析，有从产品维度的风险概率分析，有从风险维度考虑的反欺诈和风控，有从业务增长角度考虑的精准营销等等，但如何构建一个完整的数据价值体系，还处于摸索之中，保险公司也在广泛吸纳互联网、快消等各行业的经验。

缺少数据价值变现出口

各种数据价值挖掘的最终目的是要实现价值变现，实现业绩增长。价值变现需要触达客户，实现产品销售。在现有的渠道体系之外，保险公司也需要更便于进行价值变现的数字化触达方式，例如直播、5G短消息等，也包括越来越多的智能物联网终端，包括各种家电、智能汽车、智能穿戴、智能健身设备等，实现特定保险产品在特定场景下的精准送达。

构建内外兼修的数据价值体系

构建内外兼修的数据价值体系，一方面要提升自己在数据价值挖掘方面的内功和基础能力，包括数据平台建设和数据治理体系完善；另一方面要善于引入外面资源，包括外部数据用于丰富数据维度，完善数据模型，同时构建数据价值变现的出口。

内部要构建统一数据平台，完善数据治理体系；外部要引入特征数据优化模型，联合运营拓宽触达渠道。针对当前存在的数据维度单一、数量质量不足、缺少数据价值变现出口等问题，保险企业应在合规基础上，更善于合理外部资源，提升自己在数据领域的价值挖掘能力。