0
| 本文作者： 周蕾 | 2020-10-12 09:48 |
大數(shù)據(jù)和人工智能「撬動(dòng)」保險(xiǎn)數(shù)字化，從養(yǎng)老保險(xiǎn)和財(cái)產(chǎn)保險(xiǎn)的角度看過(guò)去，路徑或許大不相同。
近日，在上海舉行的外灘大會(huì)上，長(zhǎng)江養(yǎng)老保險(xiǎn)股份有限公司總經(jīng)理徐勇和中國(guó)大地財(cái)產(chǎn)保險(xiǎn)股份有限公司總裁陳勇就各自講述了不同保險(xiǎn)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(shí)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(chǎng)景，對(duì)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(xiǎn)定價(jià)、風(fēng)控、營(yíng)銷服務(wù)、理賠等重點(diǎn)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(yùn)險(xiǎn)等產(chǎn)品創(chuàng)新。
以下為徐勇和陳勇的全場(chǎng)演講，雷鋒網(wǎng)AI金融評(píng)論做了不改變?cè)獾木庉嬋缦拢?/strong>
徐勇：三大場(chǎng)景智能化，打破養(yǎng)老金資管困局
首先介紹一下長(zhǎng)江養(yǎng)老：我們是中國(guó)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(guó)資共同發(fā)起設(shè)立，定位是專注養(yǎng)老金保險(xiǎn)主業(yè)，聚焦長(zhǎng)期資金管理，服務(wù)三支柱的社會(huì)保障體系。目前已涵蓋政府養(yǎng)老金、單位養(yǎng)老金、個(gè)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(wàn)億。
長(zhǎng)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(guò)數(shù)據(jù)和留存兩輪驅(qū)動(dòng)，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(yùn)營(yíng)等多方面的數(shù)字化能力。
近年來(lái)，我們結(jié)合業(yè)務(wù)場(chǎng)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(yíng)銷、智能客戶等場(chǎng)景，加快生成以數(shù)字化科技驅(qū)動(dòng)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(duì)業(yè)務(wù)的賦能，重點(diǎn)是在受托資產(chǎn)配置、投研資訊研究、投資經(jīng)理畫像和績(jī)效考核等領(lǐng)域來(lái)進(jìn)一步加大探索和運(yùn)用，建設(shè)了智能受托、智能投研、智能績(jī)效管理多個(gè)平臺(tái)。這次我們也來(lái)分享在長(zhǎng)江養(yǎng)老探索數(shù)字化建設(shè)的過(guò)程中，具體的三個(gè)應(yīng)用場(chǎng)景。
這個(gè)應(yīng)用有它特殊的背景，因?yàn)槟杲鸹鹗俏覀儑?guó)家社會(huì)養(yǎng)老保障體系重要組成部分，在這個(gè)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(shí)現(xiàn)基金安全運(yùn)營(yíng)和保值增值的重大責(zé)任。
但現(xiàn)階段，國(guó)內(nèi)養(yǎng)老金資管行業(yè)普遍存在一些痛點(diǎn)：委托人對(duì)自己的管理目標(biāo)其實(shí)不清晰，或者說(shuō)他難以用量化手段來(lái)進(jìn)行清晰描述。比如受托人對(duì)委托人的風(fēng)險(xiǎn)，收益的特征怎么樣加以量化，更清晰地來(lái)運(yùn)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(guò)去的方法和手段面對(duì)現(xiàn)在的委托人，個(gè)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(shí)別——管理投保人也是我們受托人的工作責(zé)任之一。
同時(shí)，國(guó)內(nèi)養(yǎng)老金資管行業(yè)規(guī)?？焖僭鲩L(zhǎng)，專業(yè)化管理要求和科技發(fā)展，這三種驅(qū)動(dòng)因素相互疊加成一種巨大發(fā)展的推動(dòng)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(diǎn)，客觀上成為行業(yè)關(guān)注焦點(diǎn)。
為此，我們結(jié)合自身受托業(yè)務(wù)的場(chǎng)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(guò)人工智能的模型構(gòu)建，大數(shù)據(jù)的回撤和專家經(jīng)驗(yàn)相結(jié)合的方法，在第一期的研發(fā)當(dāng)中成功驗(yàn)證了新型支配模型的有效性。整體風(fēng)險(xiǎn)收益的特征表現(xiàn)良好，證明我們可以通過(guò)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(chǎng)數(shù)據(jù)進(jìn)行動(dòng)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(chǎng)瞬息萬(wàn)變，投資者需要通過(guò)對(duì)各類新聞海量信息進(jìn)行收集、處理和分析，預(yù)測(cè)未來(lái)市場(chǎng)的走向，做出投資決策，因此咨詢信息對(duì)投資者風(fēng)控有至關(guān)重要的價(jià)值，包括輔助投資者快速捕捉熱點(diǎn)事件和甄別投資機(jī)會(huì)，準(zhǔn)確洞察企業(yè)關(guān)聯(lián)關(guān)系，及時(shí)獲取風(fēng)險(xiǎn)預(yù)警等多方面的體現(xiàn)。
但是在信息大爆炸的時(shí)代，咨詢數(shù)據(jù)的價(jià)值提取客觀上存在諸多的難點(diǎn)，比如數(shù)據(jù)來(lái)源分析，需要我們通過(guò)大量的時(shí)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(cuò)看、漏看可能會(huì)導(dǎo)致我們不能夠及時(shí)識(shí)別風(fēng)險(xiǎn)，出現(xiàn)踩雷。
第三，全網(wǎng)數(shù)據(jù)量巨大，缺乏對(duì)信息整體概覽，使我們很難有效識(shí)別資產(chǎn)風(fēng)險(xiǎn)的分布狀況。
第四，多個(gè)信息背后往往存在事件關(guān)聯(lián)，在信息智能化整個(gè)水平不夠高的水平，往往憑投資者的經(jīng)驗(yàn)去識(shí)別不同事件背后的關(guān)聯(lián)性，會(huì)難以發(fā)現(xiàn)潛在的企業(yè)關(guān)聯(lián)的風(fēng)險(xiǎn)。
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(gè)方面：
第一，我們建設(shè)了數(shù)據(jù)分析和訓(xùn)練平臺(tái)，通過(guò)人工智能的算法可以對(duì)揭露的信息進(jìn)行識(shí)別，快速篩選投資機(jī)會(huì)和風(fēng)險(xiǎn)信息。
第二，把內(nèi)部和外部海量資訊數(shù)據(jù)接入這個(gè)平臺(tái)，通過(guò)這個(gè)平臺(tái)可以對(duì)各類數(shù)據(jù)做全天候24小時(shí)的監(jiān)控，通過(guò)分類去從過(guò)濾，得到我們所關(guān)注的高價(jià)值信息。
第三，長(zhǎng)江養(yǎng)老將以上的數(shù)據(jù)和算法平臺(tái)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(chǎng)景可視化來(lái)展現(xiàn)全網(wǎng)整體的資訊情況，輔助投資人員通過(guò)全局視野實(shí)現(xiàn)投資熱點(diǎn)整體的掌控。
在整個(gè)系統(tǒng)建設(shè)過(guò)程當(dāng)中通過(guò)大數(shù)據(jù)的處理建立企業(yè)知識(shí)圖譜，知識(shí)風(fēng)險(xiǎn)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(tái)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(gè)架構(gòu)融合了大數(shù)據(jù)、人工智能、自然語(yǔ)言處理和知識(shí)圖譜等多個(gè)技術(shù)，并和長(zhǎng)江養(yǎng)老具體的投研風(fēng)控的業(yè)務(wù)場(chǎng)景來(lái)緊密結(jié)合。
基于這樣一個(gè)平臺(tái)，我們構(gòu)建了金融大數(shù)據(jù)平臺(tái)來(lái)全面采集海量數(shù)據(jù)，實(shí)現(xiàn)資訊自動(dòng)精準(zhǔn)分類，并可視化展現(xiàn)各類投資熱點(diǎn)，助力公司的投研風(fēng)控團(tuán)隊(duì)，全面準(zhǔn)確快捷獲取資訊信息，甄別投資機(jī)會(huì)和識(shí)別風(fēng)險(xiǎn)事件。整體上，我們感覺依靠AI加數(shù)據(jù)的科技驅(qū)動(dòng)，確實(shí)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(chǎng)態(tài)勢(shì)下，我們一直思考一個(gè)問(wèn)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(duì)優(yōu)秀投資經(jīng)理的能力固化和沉淀，包括了如何評(píng)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(duì)不同投資經(jīng)理進(jìn)行績(jī)效考核和排名。這些問(wèn)題也是養(yǎng)老金投資機(jī)構(gòu)遇到的難題，很長(zhǎng)時(shí)間沒有有效的手段去加以解決。
我們的管理方案，是對(duì)投資經(jīng)理既往數(shù)據(jù)進(jìn)行挖掘和分析的績(jī)效評(píng)估量化，根據(jù)對(duì)投資經(jīng)理歷史數(shù)據(jù)，包括對(duì)管理規(guī)模7天收益基準(zhǔn)持倉(cāng)的分析計(jì)算，從多個(gè)方面描述投資經(jīng)理特點(diǎn)。
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(zhǎng)，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(gè)股選擇以及擇時(shí)能力、風(fēng)控能力和歷史業(yè)績(jī)這樣一些因素。
通過(guò)多維度對(duì)投資經(jīng)理的標(biāo)簽化，較為客觀準(zhǔn)確的來(lái)刻畫投資經(jīng)理的個(gè)人經(jīng)驗(yàn)、投資能力和歷史業(yè)績(jī)。
整體上通過(guò)對(duì)海量投資數(shù)據(jù)的采集、處理和分析運(yùn)用，實(shí)現(xiàn)對(duì)投資經(jīng)理歷史業(yè)績(jī)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(jī)效考核排名，實(shí)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(jī)效系統(tǒng)2.0版本上線以后，不管是公司經(jīng)營(yíng)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(jià)值和風(fēng)格，但是他有時(shí)候其實(shí)也未必自己能夠很準(zhǔn)確把握和描述來(lái)表達(dá)他自己的偏好，所以他借助這樣一個(gè)系統(tǒng)其實(shí)也很大幫助他自己更好的來(lái)規(guī)劃歸因、總結(jié)和提升自己的投資問(wèn)題，同時(shí)來(lái)豐富和優(yōu)化自己的投資風(fēng)格。
陳勇：產(chǎn)品+營(yíng)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(shí)代的變化正在重塑我們的保險(xiǎn)行業(yè)，我們認(rèn)為主要有以下四個(gè)方面：以客戶為中心，線上化的遷移，數(shù)字化的驅(qū)動(dòng)，智能化的經(jīng)營(yíng)。
新的趨勢(shì)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(guò)科技驅(qū)動(dòng)經(jīng)營(yíng)。在新形勢(shì)下，新挑戰(zhàn)下，中國(guó)大地保險(xiǎn)數(shù)字化應(yīng)用主要聚焦在以下四個(gè)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(jì)，精準(zhǔn)的定價(jià)以及風(fēng)控。
營(yíng)銷端，主要是基于客戶大數(shù)據(jù)客戶畫像，實(shí)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(guò)智能理賠提升客戶體驗(yàn)和欺詐風(fēng)險(xiǎn)的識(shí)別能力。
通過(guò)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(xiǎn)公司廣泛合作，借助相關(guān)領(lǐng)域的專業(yè)優(yōu)勢(shì)，研發(fā)我們的創(chuàng)新產(chǎn)品。
第二，通過(guò)大數(shù)據(jù)分析建模，實(shí)現(xiàn)精準(zhǔn)的定價(jià)。
第三，引入各類的風(fēng)險(xiǎn)溯及，比如說(shuō)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(yùn)險(xiǎn)，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(yùn)數(shù)訂單數(shù)達(dá)到13億筆，日承保的峰值超過(guò)1億筆。這得益于三大能力：
第一，通過(guò)大數(shù)據(jù)來(lái)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(shí)現(xiàn)了承保、理賠全流程的線上化的管控。
第二，通過(guò)機(jī)器學(xué)習(xí)，不斷完善C端客戶的用戶畫像，實(shí)現(xiàn)了千人千面的定價(jià)；同時(shí)對(duì)B端客戶，建立了商家逆選擇的風(fēng)險(xiǎn)模型，實(shí)現(xiàn)B端產(chǎn)品動(dòng)態(tài)化的調(diào)節(jié)定價(jià)。
第三，建立自動(dòng)核保核賠引擎，異?？蛻舻拿麊螏?kù)，高風(fēng)險(xiǎn)客群等智能風(fēng)險(xiǎn)的模型，實(shí)現(xiàn)全方位的智能風(fēng)控。
通過(guò)大數(shù)據(jù)分析，我們最大限度的來(lái)滿足客戶的需求，通過(guò)客戶畫像、客戶的偏好、客戶的行為分析以及價(jià)值貢獻(xiàn)實(shí)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(tái)，基于一千家客戶的特征，構(gòu)建了200個(gè)以上的標(biāo)簽，分析客戶支撐我們的銷售承保理賠等多項(xiàng)服務(wù)。
從實(shí)踐來(lái)看，精準(zhǔn)的客戶畫像能夠有效提升銷售能力，為存量車險(xiǎn)客戶實(shí)現(xiàn)1+N多產(chǎn)品的交叉銷售。
我們通過(guò)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(guò)車+財(cái)、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(gè)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(shí)別客戶的服務(wù)偏好內(nèi)容，互動(dòng)偏好的時(shí)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(shí)現(xiàn)業(yè)務(wù)流程自動(dòng)化和智能化，主要是這三個(gè)場(chǎng)景：車險(xiǎn)查詢檢索等前端；理賠對(duì)帳等財(cái)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(gè)，處理了97個(gè)流程，每月節(jié)約了人力超越了5千個(gè)小時(shí)，通過(guò)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(gè)業(yè)務(wù)場(chǎng)景，比如客戶咨詢，通過(guò)機(jī)器人為客戶咨詢提供的服務(wù)累計(jì)超過(guò)400萬(wàn)次。通過(guò)機(jī)器人的運(yùn)用彌補(bǔ)人力不足，客戶服務(wù)也實(shí)現(xiàn)了標(biāo)準(zhǔn)化，提升了客戶的體驗(yàn)感。
我們還搭建了圖像智能中臺(tái)，通過(guò)技術(shù)賦能業(yè)務(wù)的發(fā)展，比如說(shuō)引入了OCR技術(shù)，提高了錄單的效率，錄單的時(shí)間現(xiàn)在縮短到2秒，利用圖像識(shí)別技術(shù)也減少了我們?cè)谌斯し诸愐约皺z查的工作量。采用人臉識(shí)別和生命技術(shù)，解決了客戶的身份認(rèn)證等等問(wèn)題。
通過(guò)對(duì)理賠數(shù)據(jù)的監(jiān)控，利用各種模型工具智能化實(shí)施，進(jìn)行自動(dòng)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(duì)案件進(jìn)行智能的分類，提升了對(duì)低風(fēng)險(xiǎn)的小額案件可以實(shí)現(xiàn)一件報(bào)案，一件索賠，一件視頻，一件理賠。
理賠手續(xù)也隨之簡(jiǎn)化，從報(bào)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(kù)，整合了車險(xiǎn)和意健險(xiǎn)（人身意外傷害險(xiǎn)和健康險(xiǎn)的綜合）的人傷信息，含十大智庫(kù)，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(duì)模型高評(píng)分的案件進(jìn)行實(shí)時(shí)的風(fēng)險(xiǎn)提醒，欺詐案件有效檢出率超過(guò)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(xiǎn)的識(shí)別，到目前為止所識(shí)別欺詐團(tuán)伙累計(jì)超過(guò)300個(gè)。
大數(shù)據(jù)的保險(xiǎn)應(yīng)用，未來(lái)還有很多場(chǎng)景有待于繼續(xù)挖掘、細(xì)化和升級(jí)，像是基于客群的細(xì)分，產(chǎn)品的升級(jí)，基于客戶個(gè)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(duì)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。
