0
大數(shù)據(jù)和人工智能「撬動」保險數(shù)字化，從養(yǎng)老保險和財產(chǎn)保險的角度看過去，路徑或許大不相同。
近日，在上海舉行的外灘大會上，長江養(yǎng)老保險股份有限公司總經(jīng)理徐勇和中國大地財產(chǎn)保險股份有限公司總裁陳勇就各自講述了不同保險賽道中的技術(shù)應(yīng)用之道。
徐勇表示，大數(shù)據(jù)在養(yǎng)老金資產(chǎn)管理中的應(yīng)用實踐，主要集中在受托資產(chǎn)配置、投研資訊研究、投資經(jīng)理畫像等場景，對數(shù)字化建設(shè)的探索使得委托人和投資經(jīng)理的定位都更加清晰。
陳勇則分享了大數(shù)據(jù)和AI在保險定價、風(fēng)控、營銷服務(wù)、理賠等重點環(huán)節(jié)的優(yōu)化細(xì)節(jié)，例如在技術(shù)加持下，進(jìn)行網(wǎng)絡(luò)退運險等產(chǎn)品創(chuàng)新。
以下為徐勇和陳勇的全場演講，雷鋒網(wǎng)AI金融評論做了不改變原意的編輯如下：
徐勇：三大場景智能化，打破養(yǎng)老金資管困局
首先介紹一下長江養(yǎng)老：我們是中國太保集團(tuán)旗下的養(yǎng)老金公司，2007年5月份成立，由11家央企和上海地方國資共同發(fā)起設(shè)立，定位是專注養(yǎng)老金保險主業(yè)，聚焦長期資金管理，服務(wù)三支柱的社會保障體系。目前已涵蓋政府養(yǎng)老金、單位養(yǎng)老金、個人養(yǎng)老金三大領(lǐng)域，擁有養(yǎng)老金管理領(lǐng)域全牌照。截至2020年7月，其管理資產(chǎn)規(guī)模已突破1萬億。
長江養(yǎng)老目前擬定了1+2+3+N的戰(zhàn)略，以客戶為中心，通過數(shù)據(jù)和留存兩輪驅(qū)動，建設(shè)面向客戶、合作伙伴和員工的數(shù)字化終端，并打造受托、投研、風(fēng)控、運營等多方面的數(shù)字化能力。
近年來，我們結(jié)合業(yè)務(wù)場景在大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術(shù)應(yīng)用方面不斷探索和創(chuàng)新，涵蓋了智能支配、智能投研、智能風(fēng)控、精準(zhǔn)營銷、智能客戶等場景，加快生成以數(shù)字化科技驅(qū)動為主的養(yǎng)老金管理模式發(fā)展的新模式，助推養(yǎng)老資產(chǎn)管理能夠?qū)崿F(xiàn)高質(zhì)量的持續(xù)健康發(fā)展。
2020年，我們持續(xù)推進(jìn)進(jìn)一步加強(qiáng)數(shù)字化科技對業(yè)務(wù)的賦能，重點是在受托資產(chǎn)配置、投研資訊研究、投資經(jīng)理畫像和績效考核等領(lǐng)域來進(jìn)一步加大探索和運用，建設(shè)了智能受托、智能投研、智能績效管理多個平臺。這次我們也來分享在長江養(yǎng)老探索數(shù)字化建設(shè)的過程中，具體的三個應(yīng)用場景。
這個應(yīng)用有它特殊的背景，因為年金基金是我們國家社會養(yǎng)老保障體系重要組成部分，在這個管理模式當(dāng)中，作為受托人的我們，處在核心的管理位置，承擔(dān)了為受托人實現(xiàn)基金安全運營和保值增值的重大責(zé)任。
但現(xiàn)階段，國內(nèi)養(yǎng)老金資管行業(yè)普遍存在一些痛點：委托人對自己的管理目標(biāo)其實不清晰，或者說他難以用量化手段來進(jìn)行清晰描述。比如受托人對委托人的風(fēng)險，收益的特征怎么樣加以量化，更清晰地來運用到管理工作上去。
又比如不同的委托人，資產(chǎn)配置需求應(yīng)該是多樣化，過去的方法和手段面對現(xiàn)在的委托人，個性化需求不斷增強(qiáng)和豐富的前景下，很難匹配；投保人的風(fēng)格也比較難量化和精準(zhǔn)識別——管理投保人也是我們受托人的工作責(zé)任之一。
同時，國內(nèi)養(yǎng)老金資管行業(yè)規(guī)模快速增長，專業(yè)化管理要求和科技發(fā)展，這三種驅(qū)動因素相互疊加成一種巨大發(fā)展的推動力量。在行業(yè)高速發(fā)展的背景下，如何解決這樣一些痛點，客觀上成為行業(yè)關(guān)注焦點。
為此，我們結(jié)合自身受托業(yè)務(wù)的場景，探索將大數(shù)據(jù)和人工智能技術(shù)引入資產(chǎn)配置領(lǐng)域，通過人工智能的模型構(gòu)建，大數(shù)據(jù)的回撤和專家經(jīng)驗相結(jié)合的方法，在第一期的研發(fā)當(dāng)中成功驗證了新型支配模型的有效性。整體風(fēng)險收益的特征表現(xiàn)良好，證明我們可以通過大數(shù)據(jù)和算法模型精準(zhǔn)的量化和匹配委托人的資產(chǎn)配置需求，并結(jié)合市場數(shù)據(jù)進(jìn)行動態(tài)調(diào)整，已經(jīng)獲得一定的超額投資收益。
我們知道，資本市場瞬息萬變，投資者需要通過對各類新聞海量信息進(jìn)行收集、處理和分析，預(yù)測未來市場的走向，做出投資決策，因此咨詢信息對投資者風(fēng)控有至關(guān)重要的價值，包括輔助投資者快速捕捉熱點事件和甄別投資機(jī)會，準(zhǔn)確洞察企業(yè)關(guān)聯(lián)關(guān)系，及時獲取風(fēng)險預(yù)警等多方面的體現(xiàn)。
但是在信息大爆炸的時代，咨詢數(shù)據(jù)的價值提取客觀上存在諸多的難點，比如數(shù)據(jù)來源分析，需要我們通過大量的時間和精力和資源去收集瀏覽和查詢。
其次，信息數(shù)據(jù)反映的事件往往是缺乏分類，重要的事件信息經(jīng)常被淹沒在信息海洋當(dāng)中，錯看、漏看可能會導(dǎo)致我們不能夠及時識別風(fēng)險，出現(xiàn)踩雷。
第三，全網(wǎng)數(shù)據(jù)量巨大，缺乏對信息整體概覽，使我們很難有效識別資產(chǎn)風(fēng)險的分布狀況。
第四，多個信息背后往往存在事件關(guān)聯(lián)，在信息智能化整個水平不夠高的水平，往往憑投資者的經(jīng)驗去識別不同事件背后的關(guān)聯(lián)性，會難以發(fā)現(xiàn)潛在的企業(yè)關(guān)聯(lián)的風(fēng)險。
我們結(jié)合大數(shù)據(jù)和人工智能技術(shù)給出了智能投研的解決方案，主要包括四個方面：
第一，我們建設(shè)了數(shù)據(jù)分析和訓(xùn)練平臺，通過人工智能的算法可以對揭露的信息進(jìn)行識別，快速篩選投資機(jī)會和風(fēng)險信息。
第二，把內(nèi)部和外部海量資訊數(shù)據(jù)接入這個平臺，通過這個平臺可以對各類數(shù)據(jù)做全天候24小時的監(jiān)控，通過分類去從過濾，得到我們所關(guān)注的高價值信息。
第三，長江養(yǎng)老將以上的數(shù)據(jù)和算法平臺與我們的投資與分工的業(yè)務(wù)系統(tǒng)進(jìn)行整合，結(jié)合場景可視化來展現(xiàn)全網(wǎng)整體的資訊情況，輔助投資人員通過全局視野實現(xiàn)投資熱點整體的掌控。
在整個系統(tǒng)建設(shè)過程當(dāng)中通過大數(shù)據(jù)的處理建立企業(yè)知識圖譜，知識風(fēng)險穿透發(fā)現(xiàn)潛在的企業(yè)關(guān)聯(lián)信息。這張圖就是我們整體的平臺架構(gòu)，從下而上包括了數(shù)據(jù)層、技術(shù)服務(wù)層和咨詢應(yīng)用層，整個架構(gòu)融合了大數(shù)據(jù)、人工智能、自然語言處理和知識圖譜等多個技術(shù)，并和長江養(yǎng)老具體的投研風(fēng)控的業(yè)務(wù)場景來緊密結(jié)合。
基于這樣一個平臺，我們構(gòu)建了金融大數(shù)據(jù)平臺來全面采集海量數(shù)據(jù)，實現(xiàn)資訊自動精準(zhǔn)分類，并可視化展現(xiàn)各類投資熱點，助力公司的投研風(fēng)控團(tuán)隊，全面準(zhǔn)確快捷獲取資訊信息，甄別投資機(jī)會和識別風(fēng)險事件。整體上，我們感覺依靠AI加數(shù)據(jù)的科技驅(qū)動，確實有效提升了科研的風(fēng)控能力。
作為一家養(yǎng)老金資管公司，在當(dāng)前市場態(tài)勢下，我們一直思考一個問題：如何沉淀和固化優(yōu)秀投資經(jīng)理的能力。
這也是行業(yè)面臨的普遍性的挑戰(zhàn)。我們認(rèn)為對優(yōu)秀投資經(jīng)理的能力固化和沉淀，包括了如何評估投資經(jīng)理的投研和風(fēng)控能力，包括如何洞察投資經(jīng)理的投資風(fēng)格，包括如何對不同投資經(jīng)理進(jìn)行績效考核和排名。這些問題也是養(yǎng)老金投資機(jī)構(gòu)遇到的難題，很長時間沒有有效的手段去加以解決。
我們的管理方案，是對投資經(jīng)理既往數(shù)據(jù)進(jìn)行挖掘和分析的績效評估量化，根據(jù)對投資經(jīng)理歷史數(shù)據(jù)，包括對管理規(guī)模7天收益基準(zhǔn)持倉的分析計算，從多個方面描述投資經(jīng)理特點。
例如投資風(fēng)格偏好，也可能是大盤加持，也可能是中盤，也可能小盤成長，行業(yè)的配置也可能白酒、家電、TMT軍工等各方面，當(dāng)然也有個股選擇以及擇時能力、風(fēng)控能力和歷史業(yè)績這樣一些因素。
通過多維度對投資經(jīng)理的標(biāo)簽化，較為客觀準(zhǔn)確的來刻畫投資經(jīng)理的個人經(jīng)驗、投資能力和歷史業(yè)績。
整體上通過對海量投資數(shù)據(jù)的采集、處理和分析運用，實現(xiàn)對投資經(jīng)理歷史業(yè)績的歸因和投資風(fēng)格的洞察，幫助公司精準(zhǔn)有效篩選投資經(jīng)理以及匹配管理的產(chǎn)品，并進(jìn)行多維度的績效考核排名，實現(xiàn)體系化和規(guī)?；耐顿Y管理能力的提升。
我們也發(fā)現(xiàn)，當(dāng)投資績效系統(tǒng)2.0版本上線以后，不管是公司經(jīng)營管理的分管投研的領(lǐng)導(dǎo)，還是投資部，包括所有投資經(jīng)理都非常頻繁使用。
客觀上投資經(jīng)理有自己的價值和風(fēng)格，但是他有時候其實也未必自己能夠很準(zhǔn)確把握和描述來表達(dá)他自己的偏好，所以他借助這樣一個系統(tǒng)其實也很大幫助他自己更好的來規(guī)劃歸因、總結(jié)和提升自己的投資問題，同時來豐富和優(yōu)化自己的投資風(fēng)格。
陳勇：產(chǎn)品+營銷+流程+理賠的大數(shù)據(jù)創(chuàng)新應(yīng)用
數(shù)字經(jīng)濟(jì)時代的變化正在重塑我們的保險行業(yè)，我們認(rèn)為主要有以下四個方面：以客戶為中心，線上化的遷移，數(shù)字化的驅(qū)動，智能化的經(jīng)營。
新的趨勢將以客戶為中心逐步在打造線上化、數(shù)字化和智能化，通過科技驅(qū)動經(jīng)營。在新形勢下，新挑戰(zhàn)下，中國大地保險數(shù)字化應(yīng)用主要聚焦在以下四個方面：
產(chǎn)品端，利用大數(shù)據(jù)進(jìn)行產(chǎn)品的智能的設(shè)計，精準(zhǔn)的定價以及風(fēng)控。
營銷端，主要是基于客戶大數(shù)據(jù)客戶畫像，實現(xiàn)智能銷售與服務(wù)。
應(yīng)用端，利用人工智能等科技提升公司的應(yīng)用效率。
理賠端，理賠端是通過智能理賠提升客戶體驗和欺詐風(fēng)險的識別能力。
通過大數(shù)據(jù)進(jìn)行產(chǎn)品創(chuàng)新，我們有三架馬車并駕齊驅(qū)：
第一，與多家保險公司廣泛合作，借助相關(guān)領(lǐng)域的專業(yè)優(yōu)勢，研發(fā)我們的創(chuàng)新產(chǎn)品。
第二，通過大數(shù)據(jù)分析建模，實現(xiàn)精準(zhǔn)的定價。
第三，引入各類的風(fēng)險溯及，比如說像銀行征信，健康醫(yī)療、社?；ヂ?lián)網(wǎng)金融等多類溯及進(jìn)行智能化的風(fēng)控。
網(wǎng)絡(luò)退運險，是我們典型的大數(shù)據(jù)創(chuàng)新產(chǎn)品。2019年公司承保網(wǎng)絡(luò)退運數(shù)訂單數(shù)達(dá)到13億筆，日承保的峰值超過1億筆。這得益于三大能力：
第一，通過大數(shù)據(jù)來記錄和處理客戶、商家、帳戶終端設(shè)備退貨物流，覆蓋業(yè)務(wù)全生命周期海量溯及軌跡，實現(xiàn)了承保、理賠全流程的線上化的管控。
第二，通過機(jī)器學(xué)習(xí)，不斷完善C端客戶的用戶畫像，實現(xiàn)了千人千面的定價；同時對B端客戶，建立了商家逆選擇的風(fēng)險模型，實現(xiàn)B端產(chǎn)品動態(tài)化的調(diào)節(jié)定價。
第三，建立自動核保核賠引擎，異常客戶的名單庫，高風(fēng)險客群等智能風(fēng)險的模型，實現(xiàn)全方位的智能風(fēng)控。
通過大數(shù)據(jù)分析，我們最大限度的來滿足客戶的需求，通過客戶畫像、客戶的偏好、客戶的行為分析以及價值貢獻(xiàn)實現(xiàn)客戶需求的精準(zhǔn)推送。
在客戶洞察方面，我們建立了客戶畫像平臺，基于一千家客戶的特征，構(gòu)建了200個以上的標(biāo)簽，分析客戶支撐我們的銷售承保理賠等多項服務(wù)。
從實踐來看，精準(zhǔn)的客戶畫像能夠有效提升銷售能力，為存量車險客戶實現(xiàn)1+N多產(chǎn)品的交叉銷售。
我們通過大數(shù)據(jù)構(gòu)建了精準(zhǔn)的推薦模型取得了良好的效果，例如通過車+財、車+人、車+X等在存量客戶中挖掘出具有高需求的人群，并進(jìn)行精準(zhǔn)的投放，這個銷售成功率和短線恢復(fù)率分別提升了60%和20%。
在客戶服務(wù)方面，大數(shù)據(jù)建模能夠支持精準(zhǔn)的服務(wù)，提升客戶的黏性，識別客戶的服務(wù)偏好內(nèi)容，互動偏好的時間，進(jìn)行精準(zhǔn)投放，客戶的活躍力平均提高了20%。
近兩年我們不斷的擴(kuò)大RPA技術(shù)在業(yè)務(wù)流程中的應(yīng)用，實現(xiàn)業(yè)務(wù)流程自動化和智能化，主要是這三個場景：車險查詢檢索等前端；理賠對帳等財務(wù)共享中心；薪資審核發(fā)放等人力資源。
目前我們上線的機(jī)器人有30個，處理了97個流程，每月節(jié)約了人力超越了5千個小時，通過機(jī)器人大量減少了我們?nèi)肆Φ耐度搿?/p>
機(jī)器人也廣泛用于多個業(yè)務(wù)場景，比如客戶咨詢，通過機(jī)器人為客戶咨詢提供的服務(wù)累計超過400萬次。通過機(jī)器人的運用彌補(bǔ)人力不足，客戶服務(wù)也實現(xiàn)了標(biāo)準(zhǔn)化，提升了客戶的體驗感。
我們還搭建了圖像智能中臺，通過技術(shù)賦能業(yè)務(wù)的發(fā)展，比如說引入了OCR技術(shù)，提高了錄單的效率，錄單的時間現(xiàn)在縮短到2秒，利用圖像識別技術(shù)也減少了我們在人工分類以及檢查的工作量。采用人臉識別和生命技術(shù)，解決了客戶的身份認(rèn)證等等問題。
通過對理賠數(shù)據(jù)的監(jiān)控，利用各種模型工具智能化實施，進(jìn)行自動預(yù)警，業(yè)務(wù)干預(yù)，提供業(yè)務(wù)協(xié)調(diào)、調(diào)度、歸因分析進(jìn)行業(yè)務(wù)決策和指揮。
我們搭建了基于客戶畫像的智慧理賠系統(tǒng)，支持客戶自主理賠，首先應(yīng)用大數(shù)據(jù)、人工智能等技術(shù)對案件進(jìn)行智能的分類，提升了對低風(fēng)險的小額案件可以實現(xiàn)一件報案，一件索賠，一件視頻，一件理賠。
理賠手續(xù)也隨之簡化，從報案到拿到賠款的全流程可以縮短至25分鐘，做到讓數(shù)據(jù)多跑路，讓客戶少跑路、不跑路。
大數(shù)據(jù)的應(yīng)用也有助于提升理賠端，特別是智能反欺詐的能力，我們做了諸多探索，也取得了一定的成效。
首先自建了人傷的數(shù)據(jù)庫，整合了車險和意健險（人身意外傷害險和健康險的綜合）的人傷信息，含十大智庫，數(shù)據(jù)覆蓋面達(dá)到85%以上。
其次，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的反欺詐系統(tǒng)，對模型高評分的案件進(jìn)行實時的風(fēng)險提醒，欺詐案件有效檢出率超過20%。
另外，利用社交網(wǎng)絡(luò)關(guān)聯(lián)的技術(shù)，我們自建了SNA反欺詐模型，進(jìn)行團(tuán)伙欺詐風(fēng)險的識別，到目前為止所識別欺詐團(tuán)伙累計超過300個。
大數(shù)據(jù)的保險應(yīng)用，未來還有很多場景有待于繼續(xù)挖掘、細(xì)化和升級，像是基于客群的細(xì)分，產(chǎn)品的升級，基于客戶個人的需求精準(zhǔn)服務(wù)，基于客戶銷售人員的精準(zhǔn)畫像，對傳統(tǒng)渠道的賦能。
（雷鋒網(wǎng)）
雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
