2022保險行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型

保險行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型2023業(yè)務(wù)分析保險數(shù)字化轉(zhuǎn)型經(jīng)歷的幾個階段信息化傳統(tǒng)煙囪式架構(gòu)響應(yīng)慢成本高

數(shù)字化鏈接渠道互通業(yè)務(wù)中臺傳統(tǒng)核心業(yè)務(wù)中臺傳統(tǒng)核心

數(shù)據(jù)化數(shù)據(jù)采集沉淀數(shù)據(jù)沉淀數(shù)據(jù)清洗

智能化數(shù)據(jù)分析整理

生態(tài)化互鏈互通融合客戶生態(tài)泛金融生態(tài)生態(tài)互鏈IT模式的變遷數(shù)字化業(yè)務(wù)模式數(shù)字化業(yè)務(wù)模式傳統(tǒng)業(yè)務(wù)模式封閉、單向、缺乏復(fù)用基于企業(yè)內(nèi)部資源云原生應(yīng)用應(yīng)用采用微服務(wù)架構(gòu)使用分布式數(shù)據(jù)庫采用DevOps開發(fā)模式云原生應(yīng)用應(yīng)用采用微服務(wù)架構(gòu)使用分布式數(shù)據(jù)庫采用DevOps開發(fā)模式單體應(yīng)用集中式應(yīng)用大型數(shù)據(jù)庫（OracleRAC，etc）? （應(yīng)用 包括少量遺留的單體應(yīng)）模式 ? 混合數(shù)據(jù)庫（Mysql等支新型應(yīng)大數(shù)據(jù)3.0模式構(gòu)建數(shù)據(jù)交換與共享服務(wù)融合大數(shù)據(jù)與AI能力提供數(shù)據(jù)資產(chǎn)與服務(wù)層大數(shù)據(jù)3.0模式構(gòu)建數(shù)據(jù)交換與共享服務(wù)融合大數(shù)據(jù)與AI能力提供數(shù)據(jù)資產(chǎn)與服務(wù)層數(shù)據(jù)統(tǒng)一模式構(gòu)建大數(shù)據(jù)和AI據(jù)和計算資源獨(dú)立數(shù)據(jù)庫大型數(shù)據(jù)庫（OracleRAC，etc）求為主，數(shù)據(jù)孤島化數(shù)據(jù)模式云原生階段AI云原生階段AI臺采用分布式存儲基礎(chǔ)云階段采用IaaS采用分布式存儲虛擬化階段物理機(jī)+虛擬機(jī)+SAN煙囪式架構(gòu)模式傳統(tǒng)IT模式

基礎(chǔ)云IT模式

云原生IT模式數(shù)據(jù)應(yīng)用演進(jìn)過程此階段業(yè)務(wù)系統(tǒng)單一，經(jīng)營模式直接，需求為交易的事務(wù)處理（OLTP），強(qiáng)調(diào)高并發(fā)、單條數(shù)據(jù)簡單提取和展示，通過數(shù)據(jù)庫（DataBase）實現(xiàn)。支撐交易隨著經(jīng)營管理模式轉(zhuǎn)變，逐漸產(chǎn)生了新的通過停機(jī)分析報表此階段業(yè)務(wù)系統(tǒng)單一，經(jīng)營模式直接，需求為交易的事務(wù)處理（OLTP），強(qiáng)調(diào)高并發(fā)、單條數(shù)據(jù)簡單提取和展示，通過數(shù)據(jù)庫（DataBase）實現(xiàn)。支撐交易隨著經(jīng)營管理模式轉(zhuǎn)變，逐漸產(chǎn)生了新的通過停機(jī)分析報表（OLAP）提供數(shù)據(jù)服務(wù)。輔助決策挖掘數(shù)據(jù)價值通過工具和標(biāo)準(zhǔn)最大化利用數(shù)據(jù)資產(chǎn)，為前臺業(yè)務(wù)提供快速靈活的數(shù)據(jù)服務(wù)，通過數(shù)據(jù)來支撐企業(yè)的運(yùn)營。快速支撐靈活多變的業(yè)務(wù)應(yīng)用初級應(yīng)用階段 統(tǒng)計分析階段 大數(shù)據(jù)智能分析階段 數(shù)字化運(yùn)營階段傳統(tǒng)數(shù)據(jù)倉庫的局限性–數(shù)據(jù)倉庫≠數(shù)據(jù)中臺抽取ETL抽取ETL外部數(shù)據(jù)

數(shù)據(jù)倉庫/分析平臺

如何統(tǒng)一數(shù)據(jù)采集、存儲、計算與服務(wù)？如何兼顧歷史數(shù)據(jù)、實時數(shù)據(jù)，離線批處理業(yè)務(wù)，實時處理業(yè)務(wù)統(tǒng)一數(shù)據(jù)指標(biāo)，業(yè)務(wù)部門如何保證數(shù)口徑一致？數(shù)據(jù)資產(chǎn)如何管理與復(fù)用？數(shù)據(jù)與模型共享和服務(wù)如何統(tǒng)一提供？數(shù)據(jù)和應(yīng)用分離，如何監(jiān)控與管理應(yīng)用如何保證數(shù)據(jù)安全？數(shù)據(jù)如何快速適應(yīng)業(yè)務(wù)變化的需要？數(shù)據(jù)中臺定義與建設(shè)目標(biāo)數(shù)據(jù)中臺是整合和治理跨集群、跨平臺數(shù)據(jù)，將數(shù)據(jù)封裝成服務(wù)，提供給前臺，進(jìn)而創(chuàng)造業(yè)務(wù)價值痛點(diǎn)與問題:數(shù)據(jù)多份存儲、能力重復(fù)建設(shè)；、體驗不一致、1、資源共享能力

數(shù)據(jù)中臺建設(shè)目標(biāo)實現(xiàn)數(shù)據(jù)的統(tǒng)一采集、存儲和加工，制定標(biāo)統(tǒng)一的數(shù)據(jù)規(guī)范，對數(shù)據(jù)資產(chǎn)進(jìn)行統(tǒng)一管理提供自助式的數(shù)據(jù)分析、AI建模開發(fā)與共享的鏈路。實現(xiàn)應(yīng)用的敏捷開發(fā)與微服務(wù)轉(zhuǎn)型，提供容器化的應(yīng)用平臺在“中臺”模式下，前端業(yè)務(wù)部門可以調(diào)用景。2、開放服務(wù)能力由數(shù)據(jù)中臺提供平臺共享能力，減少數(shù)據(jù)的下發(fā)和本地化存儲；可以提供BI工具、大數(shù)據(jù)開發(fā)服務(wù)、AI建模工具、中間件等服響；應(yīng)用間保證完整的安全管控機(jī)制。3、數(shù)據(jù)資產(chǎn)管理能力據(jù)資產(chǎn)，通過數(shù)據(jù)資產(chǎn)管理與配套工具開放數(shù)據(jù)的使用。

務(wù)。提供開放應(yīng)用和工具、計算、存儲服務(wù)，能夠?qū)崿F(xiàn)即開即用，提供數(shù)據(jù)資產(chǎn)的查詢、獲取與分析應(yīng)用服務(wù)。4、自助分析能力對數(shù)據(jù)資產(chǎn)提供地圖式搜索，工具層面的全流程串聯(lián)，更快速獲取數(shù)據(jù)、使用數(shù)據(jù)。數(shù)字化中臺數(shù)字化轉(zhuǎn)型：“大中臺、小前臺”，確保業(yè)務(wù)敏捷、數(shù)據(jù)驅(qū)動數(shù)字化中臺業(yè)務(wù)中臺數(shù)據(jù)中臺業(yè)務(wù)中臺數(shù)據(jù)中臺機(jī)器學(xué)習(xí)風(fēng)險管控機(jī)器學(xué)習(xí)風(fēng)險管控H5 PC 公眾平臺 App 開放Api 用戶行為 屬性分析H5PC公眾平臺App開放Api用戶行為屬性分析智能引擎智能引擎中臺核心 規(guī)則平臺 支付平臺 產(chǎn)品工廠 運(yùn)營門戶 數(shù)據(jù)模型 人群分析 行業(yè)分析中臺核心規(guī)則平臺支付平臺產(chǎn)品工廠運(yùn)營門戶數(shù)據(jù)模型人群分析行業(yè)分析財務(wù)客服財務(wù)客服傳統(tǒng)核心系統(tǒng)理賠保全契約大數(shù)據(jù)業(yè)務(wù)創(chuàng)新規(guī)劃方向大數(shù)據(jù)應(yīng)用方向

功能要點(diǎn)營銷直銷超市交叉營銷利用大數(shù)據(jù)深入洞察用戶流程優(yōu)化理賠快速通道投保核保效率提升數(shù)據(jù)支撐產(chǎn)品設(shè)計與個性化服務(wù)產(chǎn)品運(yùn)營差異化定價個性化產(chǎn)品構(gòu)建數(shù)據(jù)驅(qū)動的智能業(yè)務(wù)運(yùn)營管理業(yè)務(wù)管理支持監(jiān)管合規(guī)創(chuàng)新形成監(jiān)管合規(guī)審計管理體系統(tǒng)創(chuàng)新資管風(fēng)險控制實時反欺詐數(shù)據(jù)驅(qū)動的全面風(fēng)險管理體系察、用戶關(guān)系網(wǎng)分析、理賠欺詐識別等創(chuàng)新業(yè)務(wù)場景戰(zhàn)略決策支持推動高管智能決策引擎建設(shè)整體規(guī)劃數(shù)據(jù)中臺整體規(guī)劃監(jiān)管報送、業(yè)務(wù)經(jīng)營分析可視化儀表盤、決策支持風(fēng)險全面監(jiān)控管理監(jiān)管報送、業(yè)務(wù)經(jīng)營分析可視化儀表盤、決策支持風(fēng)險全面監(jiān)控管理銷渠道整合、互聯(lián)網(wǎng)生態(tài)企業(yè)內(nèi)精細(xì)化管理、創(chuàng)新服務(wù)應(yīng)用基于駕駛行為定價精準(zhǔn)營銷、交叉銷售潛在用戶獲取汽車后市場服務(wù)理賠風(fēng)險管理汽車行業(yè)數(shù)據(jù)應(yīng)用健康管理服務(wù)醫(yī)療健康保險營銷醫(yī)療責(zé)任險營銷基于健康行為定價欺詐風(fēng)險管理健康行業(yè)數(shù)據(jù)應(yīng)用金融資產(chǎn)套利、對沖與保險保險用戶金融產(chǎn)品組合推薦跨行業(yè)投資及資產(chǎn)管理模型優(yōu)化金融行業(yè)數(shù)據(jù)應(yīng)用應(yīng)用層分析層數(shù)據(jù)層應(yīng)用層分析層數(shù)據(jù)層（移動BI、Dashboard）自助查詢企業(yè)級數(shù)據(jù)倉庫用戶大數(shù)據(jù)平臺企業(yè)級數(shù)據(jù)倉庫用戶大數(shù)據(jù)平臺跨行業(yè)大數(shù)據(jù)平臺包含已有及潛在用戶的人信息存儲業(yè)務(wù)相關(guān)的交易、財銷等信息

報表（固定、靈活報表）即席查詢（指標(biāo)、維度自由組合）

OLAP（多維度分析、EPM）數(shù)據(jù)挖掘（統(tǒng)計建模、機(jī)器學(xué)習(xí)）

數(shù)據(jù)共享（對內(nèi)、對外）（流式分析）汽車大數(shù)據(jù)平臺健康大數(shù)據(jù)平臺金融大數(shù)據(jù)平臺包含駕駛行為、汽理、服務(wù)等信息包含醫(yī)療機(jī)構(gòu)、醫(yī)案等信息金融產(chǎn)品，市場輿情等信息數(shù)據(jù)中臺整體規(guī)劃使用部門權(quán)限管理用戶管理數(shù)據(jù)中臺建設(shè)步驟用戶畫像精準(zhǔn)營銷智能推薦

1建設(shè)

數(shù)據(jù)標(biāo)準(zhǔn)管理數(shù)據(jù)質(zhì)量管理元數(shù)據(jù)管理數(shù)據(jù)安全管理構(gòu)建和優(yōu)化業(yè)務(wù)主題域數(shù)據(jù)模型構(gòu)建和優(yōu)化公共匯總層數(shù)據(jù)模型統(tǒng)一大數(shù)據(jù)平臺概覽Studio–數(shù)據(jù)開發(fā)、管理、建模與分析工具Studio–數(shù)據(jù)開發(fā)、管理、建模與分析工具WaterdropSQL開發(fā)工具TransporterETL工具Workflow工作流調(diào)度Governor元數(shù)據(jù)管理RubikOLAP模型設(shè)計PilotBI報表開發(fā)Milano日志分析Zeppelin數(shù)據(jù)建模Inceptor統(tǒng)一Guardian身 AnalyticalGuardian份 分析型數(shù)據(jù)庫認(rèn)

SlipstreamRealtimeStreaming實時計算引擎

HyperbaseOperationalDatabaseNewSQL數(shù)據(jù)庫

SearchSQLonSearchEngine大規(guī)模搜索引擎

Discover裝DataScience 安裝withR&Python Manager數(shù)據(jù)科學(xué)與探索平臺 Manager署證 DistributionforApacheHadoop2.7.3andSpark2.2 、SqoopKafkaZookeeperHDFSYARN與 運(yùn)SqoopKafkaZookeeperHDFSYARN安 維Flume全 、Flume管 監(jiān)OperatingSystem(EmbeddedEdition)BasedonDocker&Kubernetes控 控OperatingSystem(EmbeddedEdition)BasedonDocker&KubernetesProprietary ApacheProjects場景介紹應(yīng)用場景用戶管理 風(fēng)險防控精準(zhǔn)營銷 運(yùn)營管理 智能用戶管理體系 用戶360畫像，建立零售用用戶360畫像，建立零售用戶標(biāo)簽及業(yè)務(wù)策略體系 用戶精益管理與價值細(xì)分

用戶結(jié)構(gòu)分析營業(yè)機(jī)構(gòu)效能分析服務(wù)數(shù)據(jù)分析日志分析….金融產(chǎn)品智能推薦千人千面用戶結(jié)構(gòu)分析營業(yè)機(jī)構(gòu)效能分析服務(wù)數(shù)據(jù)分析日志分析….金融產(chǎn)品智能推薦千人千面事件營銷….

智能風(fēng)險防控體系

信用保證風(fēng)控貸后預(yù)警風(fēng)控反洗錢流動性預(yù)警….信用保證風(fēng)控貸后預(yù)警風(fēng)控反洗錢流動性預(yù)警….用戶流失預(yù)警用戶關(guān)系挖掘…… 案例場景：用戶營銷管理 運(yùn)營策略分析每個群體的特征，從拉新、留存、活躍、付費(fèi)等角度出發(fā)，制定運(yùn)營活動。34 目標(biāo)用戶根據(jù)運(yùn)營活動的節(jié)奏及策略，按需提供目標(biāo)用戶。運(yùn)營策略分析每個群體的特征，從拉新、留存、活躍、付費(fèi)等角度出發(fā)，制定運(yùn)營活動。34 目標(biāo)用戶根據(jù)運(yùn)營活動的節(jié)奏及策略，按需提供目標(biāo)用戶。效果評估從運(yùn)營活動方案、轉(zhuǎn)化發(fā)，評估活動效果。5打造運(yùn)營閉環(huán)！用戶分群用戶生命周期：關(guān)注、授權(quán)、活躍、交易、沉默等；用戶微群：畢業(yè)族、顧家型、母嬰、車主、精算型等；基本特征：如年齡、性別、地域等，訪問次數(shù)、時長、保費(fèi)等綜合標(biāo)簽：用戶價值、品牌認(rèn)知度、偏好等。1用戶運(yùn)營總體思路標(biāo)簽建設(shè)1用戶運(yùn)營總體思路標(biāo)簽建設(shè)2目標(biāo)目標(biāo)量化準(zhǔn)確及時用戶營銷管理服務(wù)流程用戶生命周期營銷用戶價值用戶生命周期用戶群體 用戶生命周期用戶群體

用戶成長

用戶成熟

用戶衰退

用戶流失潛在用戶 新用戶 穩(wěn)定用戶 衰退用戶 流失用戶潛在用戶新用戶穩(wěn)定用戶衰退用戶流失用戶贏回價值用戶提升用戶價值提升用戶粘性發(fā)現(xiàn)并獲取潛在用戶業(yè)務(wù)目標(biāo)提升用戶價值提升用戶粘性贏回價值用戶提升用戶價值提升用戶粘性發(fā)現(xiàn)并獲取潛在用戶業(yè)務(wù)目標(biāo)提升用戶價值提升用戶粘性延長生命周期激發(fā)用戶需求提升用戶體驗拉新差異化服務(wù)價值用戶贏回失聯(lián)用戶召回激發(fā)用戶需求提升用戶體驗拉新差異化服務(wù)價值用戶贏回失聯(lián)用戶召回營銷策略價值用戶挽留數(shù)據(jù)驅(qū)動失聯(lián)用戶分析用戶細(xì)分、用戶價值分析、行為分析營銷響應(yīng)分析、產(chǎn)品推薦數(shù)據(jù)驅(qū)動失聯(lián)用戶分析睡眠用戶喚醒用戶價值提升高價值用戶挖掘產(chǎn)品復(fù)購分析睡眠用戶喚醒用戶價值提升高價值用戶挖掘潛客識別模型銷售額預(yù)測驅(qū)動偏好分析潛客識別模型

用戶流失預(yù)警微信公眾號-今日保條-收集整理業(yè)務(wù)模型風(fēng)控業(yè)務(wù)模型客戶信息客戶價值模型保額預(yù)測模型保單信息理賠信息理賠預(yù)測模型MORE…核心出單業(yè)務(wù)模型風(fēng)控業(yè)務(wù)模型客戶信息客戶價值模型保額預(yù)測模型保單信息理賠信息理賠預(yù)測模型MORE…核心出單 ?財產(chǎn)理賠 ?信用大數(shù)據(jù)平臺抽取清洗轉(zhuǎn)化加載客戶關(guān)懷服務(wù)精品優(yōu)客推薦理賠轉(zhuǎn)增值服務(wù)Step3/4/…數(shù)據(jù)源層數(shù)據(jù)轉(zhuǎn)化層數(shù)據(jù)源層數(shù)據(jù)轉(zhuǎn)化層數(shù)據(jù)存儲層數(shù)據(jù)分析層應(yīng)用層互聯(lián)網(wǎng)自定義數(shù)據(jù)源補(bǔ)充信息定制化開發(fā)MORE… 1 互聯(lián)網(wǎng)自定義數(shù)據(jù)源補(bǔ)充信息定制化開發(fā)MORE… 2 數(shù)據(jù)采集與整合同業(yè)信息同業(yè)信息關(guān)聯(lián)信息聯(lián)系信息關(guān)系信息關(guān)聯(lián)信息聯(lián)系信息關(guān)系信息理賠信息社交信息保額信息偏好信息管理信息評價信息風(fēng)險信息基本信息用戶內(nèi)部信息互聯(lián)網(wǎng)信息其它行業(yè)信息用戶全景視圖用戶內(nèi)部信息互聯(lián)網(wǎng)信息其它行業(yè)信息用戶全景視圖數(shù)據(jù)分析平臺基礎(chǔ)/多維分析能力數(shù)據(jù)共享能力數(shù)據(jù)清洗數(shù)據(jù)分析平臺基礎(chǔ)/多維分析能力數(shù)據(jù)共享能力數(shù)據(jù)清洗流數(shù)據(jù)實時處理Sqoop數(shù)據(jù)傳遞文件導(dǎo)入Flume日志收集 件系統(tǒng)（HDFS） 數(shù)據(jù)倉庫數(shù)據(jù)處理邏輯數(shù)據(jù)建模模型算法自助分析能力實時分析能力數(shù)據(jù)挖掘能力統(tǒng)一管理配置調(diào)度監(jiān)控業(yè)務(wù)分析應(yīng)用分析條件交叉查詢結(jié)構(gòu)化數(shù)據(jù)（業(yè)務(wù)數(shù)據(jù)、網(wǎng)站數(shù)據(jù)） 半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)專題分析報表查詢kafkaStorm/SparkstreamingHBaseSQLRouterSparkSQLHiveSQLRouterSparkSQLHive基于X86分布式數(shù)據(jù)庫 預(yù)處理計算MPP結(jié)構(gòu)化計算引擎 引擎M/RHBase回歸算法邏輯回歸基于實例的算法自組織映射算法學(xué)習(xí)矢量量化K緊鄰算法基于核的算法支持向量機(jī)(SVM)徑向基函數(shù)線性判別分析人工神經(jīng)網(wǎng)絡(luò)感知器神經(jīng)絡(luò)反向傳遞自組織映射聚類算法k-Means算法期望最大化算法標(biāo)簽傳遞降低維度算法主成份分析多維尺度投影追蹤正則化方法LASSO彈性網(wǎng)絡(luò)集成算法堆疊泛化梯度推進(jìn)機(jī)隨機(jī)森林貝葉斯方法BayesianBeliefNetwork決策樹學(xué)習(xí)分類及回歸樹ID3C4.5隨機(jī)森林梯度推進(jìn)機(jī)深度學(xué)習(xí)受限波爾茲曼機(jī)(RBM)卷積網(wǎng)絡(luò)圖像識別堆棧式自動編碼器制數(shù)據(jù)集成與清洗特征工程建模與訓(xùn)練選擇模型確立58 用戶畫像58 用戶畫像=業(yè)務(wù)知識+形式化表達(dá)+數(shù)據(jù)集成+數(shù)據(jù)建模+查詢與可視化標(biāo)簽?zāi)Ｐ蛌s語義模型標(biāo)簽?zāi)Ｐ停骸脩麸L(fēng)險等級用戶違約概率………用戶風(fēng)險等級用戶違約概率興趣愛好投訴分類/次數(shù)用戶資金往來用戶近期需求滿意度渠道訪問頻度/時長用戶歷史交易用戶流失概率機(jī)器學(xué)習(xí)渠道偏好分析建模產(chǎn)品購買數(shù)量/頻度統(tǒng)計分析用戶渠道訪問消費(fèi)偏好關(guān)聯(lián)關(guān)系賬戶歷史趨勢用戶持有產(chǎn)品用戶分群產(chǎn)品購買偏好資金往來趨勢用戶收支數(shù)據(jù)人口屬性人口屬性人口屬性用戶基本數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽事實標(biāo)簽原始資料品牌偏好分層用戶微觀畫像……男潛在需求當(dāng)前需求需求特征年性齡別X時間維度家庭背景性格特征職業(yè)信息地理信息基本信息人口屬性支付偏好關(guān)系偏好便利性偏好交易行為偏好購物愛好資產(chǎn)屬性資產(chǎn)負(fù)債資產(chǎn)屬性資產(chǎn)負(fù)債資產(chǎn)變化…營銷屬性營風(fēng)險偏好銷敏感度興趣愛好社交興趣運(yùn)動興趣旅行興趣美食興趣閱讀興趣用戶全方位立體畫像打通線上與線下，跨場景的客戶識別在每一個重要的“微時刻”影響客戶決策重建用戶決策路徑，讓用戶自然地轉(zhuǎn)化為客戶在覆蓋用戶基礎(chǔ)信息和網(wǎng)絡(luò)行為的基礎(chǔ)上，進(jìn)一步補(bǔ)充用戶線下行為軌跡，多維、立體、智能地識別用戶，結(jié)合場景和內(nèi)容

海外旅行

網(wǎng)球大師杯觸達(dá)客戶，CTR（客戶轉(zhuǎn)化率）比一般平臺提升50%以上。用戶基礎(chǔ)屬性

性別、年齡、常駐地

家19:00-8:00上海普陀長壽路

上海國際車展目標(biāo)受眾姓名：XX性別：男年齡段：35~45歲媒體類型：體育/旅游/興趣：網(wǎng)球迷/汽車迷/旅游…地域：上海App安裝：今日頭條微信/快手/網(wǎng)易新聞…住址：長壽路商圈：南京西路商圈..工作地點(diǎn)：陸家嘴

瀏覽新聞、財經(jīng)資訊使用銀行、理財類

工作日9:00-18:00浦東陸家嘴商旅客上海-北京-廣州

周末靜安寺/南京西路商圈工作軌跡基于大數(shù)據(jù)AI平臺的精準(zhǔn)營銷精準(zhǔn)營銷系統(tǒng)（）用戶畫像系統(tǒng)統(tǒng)一產(chǎn)品視圖統(tǒng)一用戶營銷視圖

千人千面合作渠道

網(wǎng)點(diǎn)

銷售呼叫中心

推薦系統(tǒng)應(yīng)用與場景營銷策劃與售前用戶分群潛客發(fā)現(xiàn)千人千面售中智能推薦系統(tǒng)（智能推薦引擎）智能服務(wù)轉(zhuǎn)銷售系統(tǒng)售后營銷效果評估

放

廣告郵件營銷

郵件 微數(shù)據(jù)中臺

網(wǎng)上保險手機(jī)保險短信營銷

事件營銷智能場景匹配產(chǎn)品個性化推介營銷策略庫自然屬性 交易屬性產(chǎn)品個性化推介營銷策略庫產(chǎn) 客戶偏好分析 負(fù)品 債屬 客戶價值分層 屬性 客戶購買可能性預(yù)測 性客戶貢獻(xiàn)度分析資 產(chǎn) 周期性營銷方案屬 周期性營銷方案

應(yīng)用差異化定價方案交叉型銷售方案系差異化定價方案交叉型銷售方案模型新產(chǎn)品設(shè)計方案模型新產(chǎn)品設(shè)計方案性 行為屬

性價值屬性數(shù)據(jù)清洗與抽樣異常值處理變量分析模型分析模型集成模型自學(xué)習(xí)數(shù)據(jù)清洗與抽樣異常值處理變量分析模型分析模型集成通過引入建立在機(jī)器學(xué)習(xí)基礎(chǔ)上的自然語言處理（NLP）、變量分析、知識圖譜等技術(shù)從海量數(shù)據(jù)中預(yù)測客戶的產(chǎn)品偏好和購買概率。通過引入建立在機(jī)器學(xué)習(xí)基礎(chǔ)上的自然語言處理（NLP）、變量分析、知識圖譜等技術(shù)從海量數(shù)據(jù)中預(yù)測客戶的產(chǎn)品偏好和購買概率。營銷策略庫客戶屬性分析客戶標(biāo)簽建設(shè)客戶群體劃分專屬服務(wù)個性化產(chǎn)品差異化定價客戶屬性分析客戶標(biāo)簽建設(shè)客戶群體劃分專屬服務(wù)個性化產(chǎn)品差異化定價接觸策略服務(wù)藍(lán)圖場景設(shè)計觸點(diǎn)營銷事件營銷關(guān)鍵日營銷CPCT適配引擎服務(wù)提升精準(zhǔn)營銷價值提升建全特 面交叉銷售產(chǎn)品優(yōu)化產(chǎn)品創(chuàng)新征 智交叉銷售產(chǎn)品優(yōu)化產(chǎn)品創(chuàng)新產(chǎn)品 分 能析、 適 銷配 適渠道協(xié)同執(zhí)行有效品牌推廣關(guān) 配渠道協(xié)同執(zhí)行有效品牌推廣渠道 系 輔研 究 決產(chǎn)品推廣產(chǎn)品推廣時機(jī) 統(tǒng)場景式批量營銷事件中心

標(biāo)簽平臺客戶標(biāo)簽管理 客戶群管理 客戶標(biāo)簽管理 客戶群管理 客戶群導(dǎo)出 名單管理事件標(biāo)準(zhǔn)化 事件分發(fā)事件分發(fā) 事件隊列

客戶校驗營銷策略中心

目標(biāo)用戶篩選營銷數(shù)據(jù)池事件隊列

前臺短信網(wǎng)銀手機(jī)采集接觸平臺前臺短信網(wǎng)銀手機(jī)

策略策略執(zhí)行 引擎 策略執(zhí)行 引擎 任務(wù)調(diào)度

渠 產(chǎn) 運(yùn) 目營道 品 位 標(biāo)營戶資 規(guī) 用 客戶源 則 語 群事件響應(yīng)

內(nèi)容推送

接觸控制

渠道推送全渠道埋點(diǎn)、用戶行為與流量分析渠道埋點(diǎn)系統(tǒng)線下渠道：網(wǎng)點(diǎn)電話渠道：IVR，人工語音，短信App、M用戶運(yùn)營流量運(yùn)營數(shù)字化運(yùn)營金融用戶運(yùn)營流量運(yùn)營數(shù)字化運(yùn)營金融產(chǎn)品運(yùn)營互聯(lián)網(wǎng)商品指標(biāo)：瀏覽、購買轉(zhuǎn)化、復(fù)購、交叉銷售

應(yīng)用與場景用戶體驗分析與優(yōu)化數(shù)字化運(yùn)營渠道流量的質(zhì)量與ROI分析用戶識別用戶指標(biāo)：活躍、購買、投訴流量、渠道指標(biāo)：激活、注冊、購買轉(zhuǎn)換、用戶指標(biāo)：活躍、購買、投訴流量、渠道指標(biāo)：激活、注冊、購買轉(zhuǎn)換、基于市場行為的獲客拉新，市場渠道投放評估提升用戶活躍度場景描述：基于會員基本信息&（）品，提升會員價值。效果和優(yōu)點(diǎn)：V6Times3TimesV6Times3TimesR活躍用戶F3Months不活躍沉睡6MonthsFR篩選低價值活躍用戶基于用戶價值分群不活躍智能推薦猜你喜歡APP微信個性化推薦機(jī)票酒店線路組合產(chǎn)品 案例場景：用戶統(tǒng)一視圖 應(yīng)用案例：用戶統(tǒng)一視圖oneID(用戶唯一編號)身份證姓名手機(jī)號人口統(tǒng)計學(xué)屬性住址學(xué)歷收入職業(yè)

持有保單購買渠道，渠道偏好各險種連續(xù)購買時長最近一次未未續(xù)期保單時間，險種累計風(fēng)險保費(fèi)，已賺保費(fèi)客服接觸頻率，服務(wù)評價用戶價值貢獻(xiàn)度用戶忠誠度47應(yīng)用案例：用戶統(tǒng)一視圖–傳統(tǒng)方案*以車險為例，假設(shè)加工后供給客服平臺使用抽取電銷 存量抽增量更新網(wǎng)銷 抽取報價 抽取

統(tǒng)一數(shù)據(jù)字典

很多公司不一定有A數(shù)據(jù)清洗及業(yè)務(wù)邏輯用戶統(tǒng)一視圖數(shù)據(jù)庫數(shù)據(jù)清洗及業(yè)務(wù)邏輯

轉(zhuǎn)儲 CRM應(yīng)用1承保 抽取批改 理賠 抽取支付 抽取抽取客服

庫部分直接使用DB存儲過程，難以維護(hù)；系統(tǒng)瓶頸取決于數(shù)據(jù)庫IO和計算性能； 轉(zhuǎn)儲 項目B 數(shù)據(jù)清洗及業(yè)務(wù)邏輯**統(tǒng)一視圖 轉(zhuǎn)儲數(shù)據(jù)清洗及業(yè)務(wù)邏輯數(shù)據(jù)庫

應(yīng)用2。。。應(yīng)用n48應(yīng)用案例：用戶統(tǒng)一視圖–傳統(tǒng)方案傳統(tǒng)方案的問題：管理分散：不同供應(yīng)商實施，數(shù)據(jù)治理規(guī)范無法樹立；建設(shè)周期長：不同的數(shù)據(jù)分析項目，可能要立不同的項目；建設(shè)成本高：重復(fù)建設(shè)，數(shù)據(jù)抽取每個廠商開發(fā)工具，組件都不同，無法重用；性能問題差：嚴(yán)重依賴數(shù)據(jù)庫的處理性能，批處理任務(wù)執(zhí)行時間長；數(shù)據(jù)安全問題：數(shù)據(jù)訪問記錄及操作無法記錄日志，無法審計；49應(yīng)用案例：用戶統(tǒng)一視圖–數(shù)據(jù)中臺方案*以車險為例，假設(shè)加工后供給客服平臺使用抽取

從項目A到任務(wù)A：確定業(yè)務(wù)邏輯，開發(fā)分布式計算任務(wù)，所有任務(wù)可監(jiān)控大數(shù)據(jù)平臺電銷 *存量抽取*增量更新抽取網(wǎng)銷抽取報價

計算處理層 數(shù)據(jù)清洗數(shù)據(jù)清洗

CRM抽取 承保抽取批改抽取公共維度寬表ODS基礎(chǔ)數(shù)據(jù)DMB明細(xì)寬表公共維度寬表ODS基礎(chǔ)數(shù)據(jù)DMB明細(xì)寬表DWA公共聚合抽取支付

數(shù)據(jù)衍生數(shù)據(jù)衍生數(shù)據(jù)匯總數(shù)據(jù)匯總實時計算內(nèi)部分層加工分布式批處理任務(wù)

數(shù)據(jù)交換

應(yīng)用1應(yīng)用2。。。應(yīng)用n數(shù)據(jù)集市抽取 數(shù)據(jù)集市客服

HDFS50應(yīng)用案例：用戶統(tǒng)一視圖–傳統(tǒng)方案VS數(shù)據(jù)中臺對比指標(biāo)傳統(tǒng)方案數(shù)據(jù)中臺開發(fā)周期外包：項目運(yùn)作，加實際開發(fā)>3月；自研：>1月(數(shù)據(jù)抽取，數(shù)據(jù)清洗，關(guān)聯(lián)，邏輯開發(fā)，驗證，監(jiān)控)<1周數(shù)據(jù)抽取已經(jīng)完成，確認(rèn)業(yè)務(wù)需求后，重用質(zhì)量驗證及清洗，直接開發(fā)邏輯業(yè)務(wù)計算性能(以1000萬用戶量算)普通oracle機(jī)器：全量任務(wù)全量更新>1周批處理：<2小時分布式環(huán)境，普通spark批處理任務(wù)，監(jiān)控任務(wù)執(zhí)行資源，增加計算資源可以顯著提升效果流計算：<1秒(單個)基于流計算單個用戶指標(biāo)日常運(yùn)營監(jiān)控任務(wù)報警及補(bǔ)救需要專人check任務(wù)失敗自動短信通知，重試方案均可配置問題解決直接指派到開發(fā)人員51應(yīng)用案例：用戶統(tǒng)一視圖–傳統(tǒng)方案VS數(shù)據(jù)中臺項目傳統(tǒng)方案數(shù)據(jù)中臺數(shù)據(jù)治理管理分散，不同供應(yīng)商實施，數(shù)據(jù)治理規(guī)范無法樹立集中統(tǒng)一管理，支持從數(shù)據(jù)規(guī)范，元數(shù)據(jù)管理，數(shù)據(jù)血緣，質(zhì)量監(jiān)控，價值評估的數(shù)據(jù)全生命周期管理建設(shè)成本大量數(shù)據(jù)重復(fù)存儲，數(shù)據(jù)庫存儲成本高，且只能處理結(jié)構(gòu)化數(shù)據(jù)；驗證邏輯重復(fù)開發(fā)，重用困難；彈性擴(kuò)容基本無法支持，浪費(fèi)資源；需要強(qiáng)大的數(shù)據(jù)規(guī)劃治理資源支撐；份copy，分布式存儲支持線性擴(kuò)容，普通pc-server，成本節(jié)約；數(shù)據(jù)治理、業(yè)務(wù)邏輯任務(wù)可以重用；處理性能業(yè)務(wù)邏輯開發(fā)依賴特定數(shù)據(jù)庫部分直接使用DB存儲過程，系統(tǒng)瓶頸取決于數(shù)據(jù)庫IO和計算性能；算法層面：分部式處理，有大量成熟算法可以用；處理性能；數(shù)據(jù)安全數(shù)據(jù)訪問記錄及操作無法記錄日志，無法審計；所有數(shù)據(jù)操作均在可視化IDE日志均可保存并可審計；一目了然，減少溝通成本；*數(shù)據(jù)中臺需要大數(shù)據(jù)相關(guān)開發(fā)技能，和傳統(tǒng)數(shù)據(jù)庫開發(fā)技能不一樣 案 應(yīng)用案例:銀保智能精準(zhǔn)產(chǎn)品推薦概述通過對已購買保險（高價值+保障型）用戶的特征篩選和提取，運(yùn)用統(tǒng)計分析與機(jī)器學(xué)習(xí)算法，進(jìn)行大數(shù)據(jù)建模，從未購買保險的數(shù)百萬用戶中預(yù)測出購買保險概率最大的潛在用戶名單，推送給營銷部門實現(xiàn)精準(zhǔn)營銷。需求定位：在現(xiàn)有保險用戶(購買高端產(chǎn)品的用戶+購買保障產(chǎn)品的用戶)中進(jìn)行特征分析,通過模型算法在所有非保險用戶中推薦最可能購買保險產(chǎn)品(高端產(chǎn)品+保障產(chǎn)品)的用戶名單。購買保障型產(chǎn)品：4XX2人購買高價值產(chǎn)品：4XX人購買資金管理類產(chǎn)品：1XXXX人需求定位：在現(xiàn)有保險用戶(購買高端產(chǎn)品的用戶+購買保障產(chǎn)品的用戶)中進(jìn)行特征分析,通過模型算法在所有非保險用戶中推薦最可能購買保險產(chǎn)品(高端產(chǎn)品+保障產(chǎn)品)的用戶名單。購買保障型產(chǎn)品：4XX2人購買高價值產(chǎn)品：4XX人購買資金管理類產(chǎn)品：1XXXX人未購買保險用戶數(shù)1XXX萬左右訓(xùn)練用戶總數(shù)據(jù)已購保險用戶數(shù)：X.XX萬左右去除3個月去除3個月AUM為0用戶數(shù)后：XXX萬左右預(yù)測智能精準(zhǔn)產(chǎn)品推薦:數(shù)據(jù)準(zhǔn)備-用戶標(biāo)簽基礎(chǔ)類標(biāo)簽基礎(chǔ)類標(biāo)簽其它類標(biāo)簽簽約類標(biāo)簽用戶標(biāo)簽共268個持有產(chǎn)品類標(biāo)簽行為類標(biāo)簽資產(chǎn)負(fù)債類標(biāo)簽數(shù)據(jù)分離測試集評估模型投票訓(xùn)練集評估智能精準(zhǔn)產(chǎn)品推薦:數(shù)據(jù)建模-總體流程數(shù)據(jù)分離測試集評估模型投票訓(xùn)練集評估數(shù)據(jù)抽數(shù)據(jù)抽樣數(shù)據(jù)探索模型應(yīng)用數(shù)據(jù)填充、轉(zhuǎn)換數(shù)據(jù)打標(biāo)簽數(shù)據(jù)標(biāo)準(zhǔn)化特征檢驗隨機(jī)森林支持向量機(jī)特征選擇梯度提升決策樹智能精準(zhǔn)產(chǎn)品推薦:數(shù)據(jù)清洗-特征選擇

數(shù)據(jù)分箱 ?極端樹和等選?數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)清洗

相關(guān)性分析

?最終放入模型的變量智能精準(zhǔn)產(chǎn)品推薦:數(shù)據(jù)清洗-數(shù)據(jù)填充已買保險樣本息失況 未買保險樣本息失況描述：按各標(biāo)準(zhǔn)化算法進(jìn)行數(shù)值填充或替換或刪除缺失比例較大特征用法：輸入：Variable：特征變量數(shù)據(jù)格式CSV參數(shù)：Missing_values：缺失值（或數(shù)字）范圍（默認(rèn)）：”NaN”Strategy：填充策略缺失比例較大特征刪除該特征數(shù)值型特定數(shù)值或均值填充類別型特定類別填充輸出：NEW_Variable：填充后的特征變量應(yīng)用場景：Feature_engineering（對樣本數(shù)據(jù)進(jìn)行填充）智能精準(zhǔn)產(chǎn)品推薦:特征提取-特征初步選擇初選特征重要度分布概況初選特征重要度分布概況簽約率一卡通開通時長近三月轉(zhuǎn)賬轉(zhuǎn)入次數(shù)年齡本月存款金額是否購買基金貸款業(yè)務(wù)開通時長存款業(yè)務(wù)開通時長貸款余額……簽約率活期存款金額本月存款金額婚姻狀況貸款業(yè)務(wù)開通時長存款業(yè)務(wù)開通時長貸款余額……集成極端樹篩選特征重性 GBDT篩選特征要性 遞歸特征消除篩選特征要性智能精準(zhǔn)產(chǎn)品推薦:特征提取-不同方法對比評估購買保險與未購買保險樣本轉(zhuǎn)賬次數(shù)與轉(zhuǎn)賬金額分布 購買保險與未購買保險樣本年齡分布描述：根據(jù)特征在正負(fù)樣本中的分布，共選擇78個具有代表性、區(qū)分能力強(qiáng)的特征：特征選擇：維度屬性基本屬性性別、年齡、婚姻狀況等簽約屬性簽約網(wǎng)銀、手機(jī)銀行等行為屬性近三個月存取款與轉(zhuǎn)賬等資產(chǎn)屬性本月資產(chǎn)等級、本月活期存款等產(chǎn)品購買屬性理財產(chǎn)品與基金產(chǎn)品等產(chǎn)品生命周期屬性信用卡、網(wǎng)銀開通時長等應(yīng)用場景：Feature_selection（特征初步選擇）智能精準(zhǔn)產(chǎn)品推薦:模型選擇與評估邏輯回歸訓(xùn)練集準(zhǔn)確率：90.24%測試集準(zhǔn)確率：88.63%邏輯回歸AUC分?jǐn)?shù)：0.83隨機(jī)森林訓(xùn)練集準(zhǔn)確率：98.50隨機(jī)森林測試集準(zhǔn)確率：92.29AUC分?jǐn)?shù)：0.94Bagging訓(xùn)練集準(zhǔn)確率：90.91%測試集準(zhǔn)確率：91.08%Bagging合作內(nèi)容模型選擇AUC分?jǐn)?shù)：0.88合作內(nèi)容模型選擇AdaBoost86.60%AdaBoostAUC分?jǐn)?shù)：0.837投票模型訓(xùn)練集準(zhǔn)確率：91.45%測試集準(zhǔn)確率：93.63%投票模型AUC分?jǐn)?shù)：0.939團(tuán)隊能力建設(shè)GBDTAUC分?jǐn)?shù)：0.96團(tuán)隊能力建設(shè)GBDT命中率：預(yù)測命中數(shù)/實際購買用戶數(shù)據(jù)。取8月31日前購買（高價值+保障型命中率：預(yù)測命中數(shù)/實際購買用戶數(shù)據(jù)。取8月31日前購買（高價值+保障型988個，模型命中率為90789月購實際購買用戶數(shù)命中數(shù)命中數(shù)命中率98108890%智能精準(zhǔn)產(chǎn)品推薦:交付物-名單樣式用戶號用戶姓名購買概率性別年齡職業(yè)……C000001張xx0.99男35公務(wù)員C000002李xx0.98女38醫(yī)生C000003趙xx0.95男26-C000004孫xx0.92女34-C000005周xx0.92男35金融C000006吳xx0.92女44教師C000007鄭xx0.92女65醫(yī)生C000008王xx0.92男34工程師C000009馮xx0.92女42-………………C000011張xx0.92女33教師C000012陳xx0.92男23醫(yī)生C000013楚xx0.92女45工程師C000014魏xx0.92男33-C000015侯xx0.66男22工程師C000016蔣xx0.56女19IT智能精準(zhǔn)產(chǎn)品推薦:成果匯報-預(yù)測成果截止截止保險人員4XX的約5000象進(jìn)行營銷。總用戶數(shù)不推薦用戶數(shù)推薦用戶數(shù)0.00~1.000.00~0.500.50~0.800.80~0.900.90~0.950.95~14XX萬人4YY萬人2Z.ZZ萬人4.UU萬人1.VV萬人0.5萬人4XX萬人4YY萬人3T.TT萬人智能精準(zhǔn)產(chǎn)品推薦:預(yù)測成果-校驗AB測試方案無預(yù)測名單商圈相似網(wǎng)點(diǎn)營銷能力相似團(tuán)隊預(yù)測名單通過選取營銷能力相似的團(tuán)隊，以及在相同網(wǎng)點(diǎn)或者商圈相似地區(qū)進(jìn)行營銷的兩個團(tuán)隊，A隊不給預(yù)測名單、B隊給予預(yù)測名單進(jìn)行營銷，3個月反饋成效。B團(tuán)隊商圈相似網(wǎng)點(diǎn)營銷能力相似團(tuán)隊 A團(tuán)隊無預(yù)測名單商圈相似網(wǎng)點(diǎn)營銷能力相似團(tuán)隊預(yù)測名單通過選取營銷能力相似的團(tuán)隊，以及在相同網(wǎng)點(diǎn)或者商圈相似地區(qū)進(jìn)行營銷的兩個團(tuán)隊，A隊不給預(yù)測名單、B隊給予預(yù)測名單進(jìn)行營銷，3個月反饋成效。B團(tuán)隊商圈相似網(wǎng)點(diǎn)營銷能力相似團(tuán)隊 表 大數(shù)據(jù)報表平臺部門報表精算團(tuán)險精算團(tuán)險客服辦公室銀保部運(yùn)營健康險部門報表周期報表名稱精算月報月度定量指標(biāo)精算季報季度定量指標(biāo)精算月報保險公司互聯(lián)網(wǎng)保險統(tǒng)計表銀保月報-銀保月報銀保營業(yè)部機(jī)構(gòu)業(yè)績統(tǒng)計表-人員KPI銀保月報銀保營業(yè)部機(jī)構(gòu)業(yè)績統(tǒng)計表-渠道KPI銀保月報銀保營業(yè)部機(jī)構(gòu)業(yè)績統(tǒng)計表-機(jī)構(gòu)KPI銀保旬報農(nóng)總行旬報銀保旬報農(nóng)總行旬報期繳銀保旬報建行旬報銀保月報建行月報團(tuán)險日報團(tuán)險每日清單團(tuán)險日報個險每日清單團(tuán)險月報分營業(yè)部報表團(tuán)險月報分渠道報表團(tuán)險月報分產(chǎn)品報表互聯(lián)網(wǎng)日報互聯(lián)網(wǎng)渠道報表-分渠道互聯(lián)網(wǎng)日報互聯(lián)網(wǎng)渠道報表-分產(chǎn)品互聯(lián)網(wǎng)日報互聯(lián)網(wǎng)渠道報表-每日業(yè)績辦公室日報業(yè)務(wù)清單辦公室日報業(yè)務(wù)日報辦公室日報上海人壽保險經(jīng)營日報-辦公室日報上海人壽保險經(jīng)營日報-產(chǎn)品日報辦公室日報上海人壽保險經(jīng)營日報-辦公室日報上海人壽保險經(jīng)營日報-辦公室日報渠道業(yè)務(wù)經(jīng)營日報表（總分日報）辦公室日報管理駕駛艙辦公室日報大屏（互聯(lián)網(wǎng)、銀保）部門報表周期報表名稱健康險日報健康險事業(yè)部業(yè)務(wù)數(shù)據(jù)報告健康險日報健康險業(yè)績報表（分渠道）健康險日報健康險業(yè)績報表（分產(chǎn)品）健康險日報健康險業(yè)績報表（經(jīng)代）健康險日報人員業(yè)務(wù)統(tǒng)計運(yùn)營團(tuán)險周報團(tuán)體承保明細(xì)清單運(yùn)營團(tuán)險周報團(tuán)體保全明細(xì)清單運(yùn)營團(tuán)險日報團(tuán)體保單管理報告運(yùn)營核保月報核保報表清單運(yùn)營核保月報核保時效報表運(yùn)營契約日報手工單回執(zhí)未回收清單運(yùn)營契約日報銀保通投保資料未回收清單運(yùn)營契約日報銀保通投保資料已回收清單運(yùn)營保全日報保全時效報表清單運(yùn)營保全月報保全作業(yè)質(zhì)量統(tǒng)計表運(yùn)營保全日報銀保通全材料回收清單運(yùn)營保全日報銀保通全材料回收統(tǒng)計表運(yùn)營保全月報保全數(shù)據(jù)統(tǒng)計運(yùn)營保全旬報滿期給付與退保旬報運(yùn)營保全月報滿期給付與退保月報運(yùn)營保全季報滿期給付與退保季報運(yùn)營支持旬報公司經(jīng)營狀況旬報客服部月報繼續(xù)率報表（機(jī)構(gòu)）客服部月報銀保用戶經(jīng)理繼續(xù)率報表客服部月報代理公司繼續(xù)率報表客服部月報網(wǎng)銷首年度保單繼續(xù)率報表客服部月報險種繼續(xù)率報表客服部月報指定號碼清單需求客服部月報用戶分層等級信息查詢用戶分層根據(jù)用戶累計保費(fèi)進(jìn)行分層為用戶畫像奠定基礎(chǔ)模型，對外系統(tǒng)提供標(biāo)準(zhǔn)查詢接口功能實現(xiàn)：同功能實現(xiàn)：同金，黃金，普通五個級別示頁面和導(dǎo)出功能對外服務(wù)：提供了標(biāo)準(zhǔn)的webservice內(nèi)網(wǎng)接口、外網(wǎng)接口息和保單明細(xì)信息信，呼叫中心，官網(wǎng)部門業(yè)務(wù)報表大屏監(jiān)控大屏監(jiān)控駕駛艙 05 案例演示經(jīng)典案例丨財產(chǎn)保險模型遷移CLASSICCASE車險定價模型等車險定價模型等基礎(chǔ)環(huán)境構(gòu)建、原有數(shù)據(jù)平臺打GPU① 原有SAS模型，用Python進(jìn)行重構(gòu)，遷移至大數(shù)據(jù)平臺并進(jìn)行效果驗證;② 模型對外服務(wù)：得到模型后，由相應(yīng)接口對外服務(wù)；③ 模型效果檢測：檢測指標(biāo)支持AUC、KS等；文兩種方式對外服務(wù)。

價值提升：①金融大腦：構(gòu)建企業(yè)級金融大腦，以金融大腦為核心，整合業(yè)務(wù)團(tuán)隊業(yè)務(wù)能力，數(shù)據(jù)科學(xué)團(tuán)隊洞察能力，IT團(tuán)隊技術(shù)能力，形成企業(yè)智慧化能力，賦能金融服務(wù)。② 金保融智：將金融大腦中智慧模型產(chǎn)生的數(shù)據(jù)，輸送到各個保險業(yè)務(wù)系統(tǒng)，形成眾多以數(shù)據(jù)支撐的智能化業(yè)務(wù)應(yīng)用。如：產(chǎn)品個推、智慧理賠等。③數(shù)據(jù)科學(xué)普惠：利用金融大腦中的自動化機(jī)器學(xué)習(xí)，大幅降低數(shù)據(jù)科學(xué)應(yīng)用門檻，讓數(shù)據(jù)科學(xué)走進(jìn)業(yè)務(wù)部門，走向業(yè)務(wù)崗位，批量孕育業(yè)務(wù)數(shù)據(jù)科學(xué)家，極大提升企業(yè)整體智慧度。④ 智慧解放：開放才能發(fā)展，金融大腦融合眾多當(dāng)前及未來先進(jìn)挖掘技術(shù)，同時兼容傳統(tǒng)分析能力，解除傳統(tǒng)分析系統(tǒng)對數(shù)據(jù)分析和挖掘人員束縛，充分釋放數(shù)據(jù)科學(xué)家能量，加大人類大腦向金融大腦輸送能量的帶寬。⑤ DT管理支撐：企業(yè)級DT能力建設(shè)過程中，技術(shù)能力建設(shè)與管理流程建設(shè)不可分割，金融大腦同時覆蓋技術(shù)能力建設(shè)與配套管理流程建設(shè)輔助支撐，實現(xiàn)模型運(yùn)營流程與模型管理流程規(guī)范化，為金融大腦發(fā)揮能量提供更好的保障。經(jīng)典案例丨財產(chǎn)保險公司大數(shù)據(jù)分析平臺CLASSICCASE基于機(jī)器學(xué)習(xí)，數(shù)據(jù)驅(qū)動，反饋周期短多源數(shù)據(jù)結(jié)合，用戶畫像，行為分析，高維數(shù)據(jù)計算基于機(jī)器學(xué)習(xí)，數(shù)據(jù)驅(qū)動，反饋周期短多源數(shù)據(jù)結(jié)合，用戶畫像，行為分析，高維數(shù)據(jù)計算則制定復(fù)雜內(nèi)部數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)、平面思路事件場景化分析VS事件匯總分析決策全量數(shù)據(jù)分析抽樣數(shù)據(jù)建模數(shù)據(jù)分析能力提升模型設(shè)計與管理白