雷鋒網(wǎng)消息，近日，雷鋒網(wǎng)「醫(yī)健AI掘金志」邀請眾安保險智能中心負責(zé)人孫谷飛，以“數(shù)據(jù)中臺賦能未來保險生態(tài)”為題，對險企內(nèi)部數(shù)據(jù)管理、流通、價值挖掘技術(shù)邏輯進行了解析。

過去，由于技術(shù)手段和數(shù)據(jù)安全的限制，保險公司的各個系統(tǒng)間無法完成高效的數(shù)據(jù)交換和溝通，系統(tǒng)間就像一個個孤島。由于擔(dān)心部門內(nèi)部信息共享不當(dāng)，即便是大型保險公司，內(nèi)部很多部門仍處于“信息獨立”的運營狀態(tài)中。

孫谷飛曾在世界人工智能大會上呼吁，“保險公司不僅要豐富自身結(jié)構(gòu)化場景數(shù)據(jù)，更需要加強保險公司間和其他行業(yè)的數(shù)據(jù)交流。數(shù)據(jù)開放和隱私安全并非悖論，運用聯(lián)邦學(xué)習(xí)技術(shù)的數(shù)據(jù)隔離特性和加密機制，能夠有效解決不同公司間數(shù)據(jù)共享和聯(lián)合建模問題，解決隱私泄露風(fēng)險?！?/p>

目前，為了實現(xiàn)數(shù)據(jù)價值，眾安在內(nèi)部實行了包含數(shù)據(jù)管理體系、數(shù)據(jù)流通體系以及數(shù)據(jù)價值體系的數(shù)據(jù)中臺戰(zhàn)略。

在數(shù)據(jù)管理層面，數(shù)據(jù)中臺可以對每張數(shù)據(jù)表進行自動掃描，并和過去積累的近3000多種規(guī)則進行比較，自動預(yù)警出哪一張表或哪一事業(yè)部的數(shù)據(jù)質(zhì)量問題，自動發(fā)郵件提醒業(yè)務(wù)部門改正。

在數(shù)據(jù)流通層面，針對過去把數(shù)據(jù)安全重心都放在審批中，審批流程非常嚴，拿到審批特征之后，數(shù)據(jù)流通風(fēng)險急劇增高的情況，眾安通過數(shù)據(jù)分發(fā)超市，將數(shù)據(jù)獲取、挖掘、分析等流程完全集中在系統(tǒng)之內(nèi)，提高數(shù)據(jù)流通的基礎(chǔ)上，降低流失風(fēng)險。

以下為孫谷飛演講全文內(nèi)容，醫(yī)健AI掘金志做了不改變原意的編輯：

大家晚上好，非常榮幸接受雷鋒網(wǎng)邀請，今晚給大家做一次分享。我來自于眾安保險，目前主要從事眾安保險AI、大數(shù)據(jù)的研究和落地。

數(shù)據(jù)價值體系的現(xiàn)實困境

數(shù)據(jù)中臺這兩年非?；?，我今天跟大家分享下我們對這個概念的理解，以及數(shù)據(jù)中臺在眾安的實際落地經(jīng)驗，在眾安我們是如何保障數(shù)據(jù)管理、加速數(shù)據(jù)流通，促進數(shù)據(jù)價值挖掘。

首先跟大家分享一本書《思考，快與慢》，來自2002年諾貝爾經(jīng)濟學(xué)獎獲得者丹尼爾·卡尼曼。

這本書把人的思維模式分為兩種類型:

第一種是意識快速的自主思維模式，普通人幾秒鐘就完成的一些判斷，比如看一張照片，立馬識別照片內(nèi)容；看一張人臉，立馬識別出是誰。

另外一種方式是慢思考，需要數(shù)年知識積累，花一定時間去思考。例如工作流程中決策、用戶增長、用戶營銷等行為。

為什么會舉這本書作為例子？

主要因為近兩年大家都在談大數(shù)據(jù)、AI，而其中比較成功的AI應(yīng)用都屬于快思考范疇，比如人臉識別和語音識別等

為什么正常業(yè)務(wù)中需要花精力思考的智能場景，沒有快思考智能發(fā)展快？有人覺得背后技術(shù)不一樣，所以快思考技術(shù)發(fā)展比慢思考更加成熟，但兩者背后都是常見的機器學(xué)習(xí)算法，產(chǎn)生這種差異的本質(zhì)問題還是數(shù)據(jù)。

例如AlphaGo下圍棋，機器通過慢思考已經(jīng)可以超越人類，原因在于圍棋運動包括棋盤、棋譜等都已經(jīng)進行很好地數(shù)據(jù)化。

但現(xiàn)實中，特別是保險業(yè)務(wù)，數(shù)據(jù)并沒有被很好地管理起來，背后因為幾大困難：

第一，數(shù)據(jù)資產(chǎn)不清晰。保險業(yè)務(wù)，本身數(shù)據(jù)來源非常多樣，比如財險數(shù)據(jù)，從健康到車險、從金融到電商，涉及的數(shù)據(jù)隨著保障的內(nèi)容不斷變化。

另外保險的流程也很多，咨詢、承保、理賠、服務(wù)等，各個環(huán)節(jié)都會產(chǎn)生結(jié)構(gòu)不同的數(shù)據(jù)。另外隨著互聯(lián)網(wǎng)化業(yè)務(wù)的發(fā)展，數(shù)據(jù)來源多樣性和復(fù)雜度也在加大，從最早的業(yè)務(wù)數(shù)據(jù)，到社交分享數(shù)據(jù)，用戶營銷數(shù)據(jù)，甚至可穿戴數(shù)據(jù)等，結(jié)構(gòu)化程度非常不一樣，既包括傳統(tǒng)業(yè)務(wù)數(shù)據(jù)，也包含圖片、聲音等客服數(shù)據(jù)。

第二，數(shù)據(jù)孤島問題。每家公司壯大之后，都可能出現(xiàn)各部門之間數(shù)據(jù)成煙囪式發(fā)展。數(shù)據(jù)孤島產(chǎn)生之后，就會忽略數(shù)據(jù)流通建設(shè)。

第三，數(shù)據(jù)價值挖掘鏈路較長。例如數(shù)據(jù)采集，業(yè)務(wù)系統(tǒng)采集、生成都離不開數(shù)據(jù)工程師，而數(shù)據(jù)報表又需要依賴BI同事，價值挖掘由算法同事完成，參與角色非常多、價值鏈路非常長。

另外，處理數(shù)據(jù)門檻越來越高，以前數(shù)據(jù)量在小的時候，對于分析的技術(shù)沒有要求，下載下來，用Excel也可以完成?，F(xiàn)在很多公司每天可能要面對幾T、甚至幾百T的新增數(shù)據(jù)，如果想對如此大體量的數(shù)據(jù)進行分析，就需要非常強大的數(shù)據(jù)處理能力，相應(yīng)的技術(shù)門檻越來越高，造成數(shù)據(jù)價值困難重重。

眾安的數(shù)據(jù)中臺

這是眾安數(shù)據(jù)中臺總體架構(gòu)，主要分為兩大塊，應(yīng)用層和平臺工具層：

應(yīng)用層主要包含兩大方向，1.如何利用技術(shù)去幫助業(yè)務(wù)自動化、降低人力依賴，比如智能客服、自動核身等；2.如何利用數(shù)據(jù)去幫助業(yè)務(wù)去實時洞悉業(yè)務(wù)進展、并提供關(guān)鍵決策支持，BI、異常監(jiān)控、用戶畫像等等。

接下來，我會重點講下平臺層的內(nèi)容，通過數(shù)據(jù)管理體系、流通體系、價值體系三個方面，分享眾安內(nèi)部數(shù)據(jù)中臺經(jīng)驗。

 

數(shù)據(jù)管理體系里面，首先重要就是質(zhì)量問題，任何人，不管是業(yè)務(wù)還是技術(shù)人員，拿到數(shù)據(jù)之后思考的第一件事情，肯定是拿到的數(shù)據(jù)準不準，就需要思考數(shù)據(jù)質(zhì)量好與壞，如果數(shù)據(jù)質(zhì)量差，就會導(dǎo)致垃圾數(shù)據(jù)進垃圾產(chǎn)品出，不能給業(yè)務(wù)提供可靠的支持。

眾安在數(shù)據(jù)質(zhì)量方面怎么做的呢？

第一，眾安作為一家金融公司，首先需要滿足監(jiān)管要求，需要把監(jiān)管對保險行業(yè)的數(shù)據(jù)要求整理成規(guī)則。

第二，注意技術(shù)維度規(guī)范，例如數(shù)據(jù)命名是否規(guī)范，是否符合技術(shù)規(guī)范要求。

第三，業(yè)務(wù)需求層面也需要規(guī)范，通過業(yè)務(wù)需求反推現(xiàn)有數(shù)據(jù)是否滿足要求，比如關(guān)鍵字段是否缺失等。

基于以上三個維度，眾安內(nèi)部已經(jīng)積累3000多個規(guī)則，此外這個規(guī)則庫還在不斷的豐富。

但光建立規(guī)則還不夠，像眾安這樣數(shù)據(jù)體量，人工已經(jīng)很難判斷每條數(shù)據(jù)情況，還需一個平臺去幫助我們每天自動去監(jiān)控數(shù)據(jù)的質(zhì)量——數(shù)據(jù)質(zhì)量管理平臺。平臺會對數(shù)據(jù)中每張表自動掃描，判斷是否符合上面規(guī)則庫中的3000多條規(guī)則，并自動統(tǒng)計和預(yù)警哪一張表或哪一事業(yè)部出現(xiàn)了數(shù)據(jù)質(zhì)量問題。

另外，數(shù)據(jù)質(zhì)量問題，不光是數(shù)據(jù)部門的問題，數(shù)據(jù)部門的主要職責(zé)是發(fā)現(xiàn)和警示數(shù)據(jù)問題，但數(shù)據(jù)產(chǎn)生的源頭其實是在業(yè)務(wù)生產(chǎn)系統(tǒng)中，需要有一個強有力的合作組織去推動數(shù)據(jù)的治理。

為此，目前眾安建立了數(shù)據(jù)治理委員會，委員會既包括數(shù)據(jù)部門、也包括業(yè)務(wù)部門，以及公司的的一些職能部門，比如發(fā)展規(guī)劃部、內(nèi)審部等。。

數(shù)據(jù)委員會需要制定一系列公司的規(guī)章制度，去保障數(shù)據(jù)質(zhì)量問題的治理推進；另外也需要牽頭舉辦定期和不定期的會議，去牽頭解決目前難點或者重點數(shù)據(jù)的問題。

數(shù)據(jù)質(zhì)量是一個不斷發(fā)展，需要不斷跟進的問題，具體的解決之道就是，一把尺子（數(shù)據(jù)質(zhì)量規(guī)則庫）、一個平臺（數(shù)據(jù)質(zhì)量管理平臺）、一個組織（數(shù)據(jù)治理委員會）。

數(shù)據(jù)管理體系——數(shù)據(jù)資產(chǎn)盤點（數(shù)據(jù)地圖）

數(shù)據(jù)管理體系里，第二大內(nèi)容就是數(shù)據(jù)資產(chǎn)盤點。

眾安數(shù)據(jù)地圖基于眾安數(shù)據(jù)倉庫和從各系統(tǒng)獲取的的異構(gòu)數(shù)據(jù)，分析其中執(zhí)行關(guān)系，做了一個數(shù)據(jù)管理平臺，用一張全景圖把每張圖血緣關(guān)系都羅列出來。

眾安通過這樣一個平臺，將管理累計超過5萬多張表，涉及萬億級數(shù)據(jù)量。其中各張表、各個字段之間的血緣關(guān)系通過自動化的方式進行監(jiān)測維護，將原本散落在不同事業(yè)部的所有數(shù)據(jù)都以資產(chǎn)的形式非常低成本地維護起來。

使得每天報表需求、數(shù)據(jù)加工需求，從凌晨開始，在數(shù)小時之內(nèi)就可加工完成，在業(yè)務(wù)上班之前就可以給到一些移動報表或分析報告支持。

數(shù)據(jù)管理體系——數(shù)據(jù)資產(chǎn)盤點（指標字典）

數(shù)據(jù)管理體系第二塊是指標字典。

業(yè)務(wù)一般看數(shù)據(jù)主要是關(guān)鍵指標，所以指標定義對整個數(shù)據(jù)管理非常重要。

但是以往大家都是按需出發(fā)管理報表，接到一個業(yè)務(wù)需求，把報表做出來，具體意義并沒有統(tǒng)一管理，只有做的人知道，一旦這個人離職，或者報表更新迭代、既往報表基本作廢。

如果沒有對指標字典進行準確定義，就一定會導(dǎo)致管理層次、業(yè)務(wù)層次，每個人對業(yè)務(wù)出現(xiàn)不同解釋和定義，指標如果不能統(tǒng)一，報表也就沒有任何價值。

目前眾安把業(yè)務(wù)、管理層、BI分析師等所有指標都進行統(tǒng)一管理，搭建平臺對所有指標進行溯源，發(fā)掘哪些表屬于基礎(chǔ)指標、哪些屬于衍生指標、哪些屬于計算指標。

把這些指標在系統(tǒng)里面進行完整記錄，從名稱到定義，再到來源都管理起來。此外指標還可以動態(tài)跟報表聯(lián)動，改變過去報表是報表，指標是指標，兩套系統(tǒng)的情況。

眾安在做完指標字典之后，可以自動把字典關(guān)聯(lián)到BI分析報表上，業(yè)務(wù)看報表過程中可以立馬查看背后指標順序定義方式，把指標系統(tǒng)設(shè)置成外鏈，嵌入到報表系統(tǒng)里。

數(shù)據(jù)管理體系——數(shù)據(jù)資產(chǎn)盤點（數(shù)據(jù)超市）

數(shù)據(jù)服務(wù)資產(chǎn)，還需要統(tǒng)一地方進行管理。

現(xiàn)在數(shù)據(jù)人員積累了很多數(shù)據(jù)服務(wù)、數(shù)據(jù)接口，各事業(yè)部數(shù)據(jù)團隊之間并不相通，可能造成重復(fù)對接以及接口數(shù)據(jù)的孤島。因此整個體系需要一個平臺或工具，把數(shù)據(jù)服務(wù)化統(tǒng)一管理起來，在眾安，整套系統(tǒng)叫做“數(shù)據(jù)超市”這樣做主要有幾個好處：

第一，確保可以統(tǒng)一查詢，降低成本。例如在安全合規(guī)的情況下，事業(yè)部可以直接利用其他部門已對接的數(shù)據(jù)接口，這就不需要重復(fù)采購、重復(fù)調(diào)用，大大降低外部數(shù)據(jù)接口調(diào)用成本。

第二，平臺可以提供一些已經(jīng)開發(fā)好的數(shù)據(jù)服務(wù)，別人不需要重復(fù)性開發(fā)，而且可以統(tǒng)一進行服務(wù)擴容、降級、以及多供應(yīng)商接入，通過簡單接口配置就可以將服務(wù)接入到新應(yīng)用場景當(dāng)中。

每家公司都會接入大量的數(shù)據(jù)服務(wù)，也會積累很多有價值的數(shù)據(jù)。數(shù)據(jù)超市就是數(shù)據(jù)接口服務(wù)的一站式服務(wù)平臺，通過這個接口平臺對接的數(shù)據(jù)服務(wù)，平臺也會自動幫助各事業(yè)部進行自動分賬。從而達到減少接口的重復(fù)性開發(fā)，也最大化地把存量數(shù)據(jù)協(xié)同利用起來，達到降本提效的目的。

數(shù)據(jù)流通體系——安全流通

 

流通的最大困難是什么？

假如A事業(yè)部，想利用B事業(yè)部的數(shù)據(jù)，第一個問題就是怎么保障數(shù)據(jù)安全，整個過程需要大量申請，其他事業(yè)部也會用安全理由，拒絕這些數(shù)據(jù)使用。

數(shù)據(jù)流通體系最重要的就是安全，眾安數(shù)據(jù)安全體系主要包括兩方面：數(shù)據(jù)安全分級和集成數(shù)據(jù)應(yīng)用。

眾安在數(shù)據(jù)安全方面，主要做了兩件事情：

第一，把已有數(shù)據(jù)表和數(shù)據(jù)資產(chǎn)按照監(jiān)管以及公司的規(guī)范，進行安全分級。目前眾安有幾萬張表，每一張表根據(jù)數(shù)據(jù)敏感程度都進行分級，可以分為內(nèi)部公開或不公開，外部公開不公開等等，根據(jù)數(shù)據(jù)安全等級在權(quán)限管理、數(shù)據(jù)訪問，下載也可以進行相應(yīng)OA流程制定，保證敏感數(shù)據(jù)進行嚴格流程審批，安全等級清晰，最大化縮小審批流程路徑。

第二，加強數(shù)據(jù)安全管理，我們以集成系統(tǒng)應(yīng)用的形式，盡量讓數(shù)據(jù)不要出安全的環(huán)境。使得數(shù)據(jù)在封閉的環(huán)境中，就能完成數(shù)據(jù)的消費。數(shù)據(jù)審批通過之后，并不是把數(shù)據(jù)下載下來開放使用，如果這樣，前面所有安全措施都會形同虛設(shè)，眾安以集成系統(tǒng)方式提供數(shù)據(jù)訪問，減少不可控的數(shù)據(jù)分發(fā)。

過去數(shù)據(jù)審批，往往都是前面審批流程非常嚴，拿到審批批準之后，數(shù)據(jù)流通就會變得非常不可控，如果員工主動或者無意操控失誤，就一定會造成數(shù)據(jù)流失，需要保證所有數(shù)據(jù)都在可控環(huán)境之內(nèi)。

這種可控主要分為幾類：

第一，單純數(shù)據(jù)服務(wù)，可以通過集成數(shù)據(jù)服務(wù)，利用“數(shù)據(jù)超市”進行發(fā)布。例如客服想選擇一部分經(jīng)授權(quán)的用戶群體進行營銷，就可以在名單不出系統(tǒng)的情況下，通過加密等技術(shù)，直接由系統(tǒng)數(shù)據(jù)服務(wù)打通營銷系統(tǒng)。

第二，如果僅僅拿一份數(shù)據(jù)做報表，可以在數(shù)據(jù)不出系統(tǒng)的情況下，建立分析建?？梢暬h(huán)境，而不需要把數(shù)據(jù)直接導(dǎo)出去。 

另外，我們也支持通過接口的方式，對接各類應(yīng)用系統(tǒng)。比如，如果我們想進行客戶的圈選和投放，可以直接打通數(shù)據(jù)服務(wù)和投放系統(tǒng)，數(shù)據(jù)不會脫離管控環(huán)境。所以說，整個數(shù)據(jù)加工和消費是在一個受安全管控的閉環(huán)環(huán)境。

數(shù)據(jù)流通體系——眾相（用戶標簽系統(tǒng)）

 

眾安2019年我們就承保了70億張保單，我們?nèi)绾未?lián)這些保單數(shù)據(jù)？這些保單數(shù)據(jù)屬于不同產(chǎn)品和不同的險種。其實無論險企內(nèi)部車險、健康險等各個部門，真正需要流通的就是用戶數(shù)據(jù)，現(xiàn)在互聯(lián)網(wǎng)化就是從以往產(chǎn)品為中心，轉(zhuǎn)化成用戶為中心。

保證用戶數(shù)據(jù)的流通，就要建立用戶標簽系統(tǒng)，這個用戶標簽系統(tǒng)主要包括幾件事：

第一，從用戶層次把不同事業(yè)部的用戶數(shù)據(jù)打通，從用戶層面把整個公司的操作行為，購買行為打通，沉淀成標簽，目前眾安內(nèi)部已經(jīng)有1000多個標簽。我們支持離線和實時標簽的圈選，并且能立馬得出客戶的洞察分析，從而支撐我們基于用戶的業(yè)務(wù)交叉營銷和聯(lián)合風(fēng)控。

第二，交叉風(fēng)控。這部分眾安也有很好的案例，例如在信用保證保險和健康險之間進行風(fēng)控，當(dāng)金融事業(yè)部出現(xiàn)一些逾期的客戶，又突然來買非常高額的健康險、意外險，這就可能存在欺詐風(fēng)險。通過類似這樣交叉風(fēng)控手段，每年減少的損失可以達到近千萬。

第三，通過用戶標簽打通客戶數(shù)據(jù)，眾安將包括在線、電話、APP、短信等全渠道客戶營銷數(shù)據(jù)打通之后，可以做到實時感知，觸達用戶之前，就可以知道有什么樣的訴求。比如在線客服這邊，客戶問你一個問題，客戶又從電話渠道過來的時候，眾安能立刻知道他買了什么保單，之前有什么問題，從而可以整體提升服務(wù)質(zhì)量。

 

這是眾安內(nèi)部眾相用戶關(guān)系系統(tǒng)，可以從用戶信息、保險行為、行為偏好、資產(chǎn)狀況等標簽維度對用戶進行刻畫，在營銷或風(fēng)控之前，就可以通過標簽找到相應(yīng)客戶。

數(shù)據(jù)價值體系——價值路徑

圖中所示，這是典型的數(shù)據(jù)價值的挖掘路徑，包括從源數(shù)據(jù)、清洗報表、到OLAP分析、BI機器建模，最終人工智能優(yōu)化?；旧戏譃樗膫€步驟點，

首先通過數(shù)據(jù)去了解“發(fā)生了什么”；

第二，通過數(shù)據(jù)的分析和洞察，多維分析，就了解“為什么會發(fā)生”；

第三，借助算法的力量，如何在未來幫助我們?nèi)ヮA(yù)測和做提前預(yù)警，做到了解“什么時候回發(fā)生”；

最后，借助機器學(xué)習(xí)等算法，幫助我們做到優(yōu)化，告訴我們“什么是最佳決策”。

一套流程下來，可以發(fā)現(xiàn)現(xiàn)有業(yè)務(wù)問題；BI分析可以知道問題為什么會發(fā)生；通過預(yù)測建?？梢粤私鈫栴}還會不會發(fā)生；通過優(yōu)化算法，可以知道這些問題需要什么動作解決。

數(shù)據(jù)洞察平臺和機器學(xué)習(xí)平臺

一般在市場上，數(shù)據(jù)分析平臺的產(chǎn)品都是按照數(shù)據(jù)處理的流程或者某一數(shù)據(jù)形態(tài)來區(qū)分的，比如ETL工具、流數(shù)據(jù)處理、OLAP引擎、報表系統(tǒng)、機器學(xué)習(xí)系統(tǒng)等，這是一個十分自然的挖掘數(shù)據(jù)價值的步驟，但是直接采用這些組件的一個缺點就是數(shù)據(jù)在銜接流轉(zhuǎn)會變得異常復(fù)雜與難于管理，比如權(quán)限，上下游變動等等。

另一方面，開源社區(qū)雖然推出了許多優(yōu)秀的項目，但是百家爭鳴，連一個OLAP分析引擎可能就有若干個，各有特色，沒有“silver bullet”（銀彈）。

對于眾安來說，我們基于開源優(yōu)秀的組件以及我們在互聯(lián)網(wǎng)保險與金融科技的最佳實踐，自研了一套覆蓋整個數(shù)據(jù)價值挖掘鏈路的分析平臺：集智平臺。

這套平臺的最大優(yōu)勢就是在一個平臺中囊括了數(shù)據(jù)從數(shù)倉到分析產(chǎn)出結(jié)果的所有步驟，數(shù)據(jù)開發(fā)、數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家在一個統(tǒng)一的平臺上對于數(shù)據(jù)進行加工、分析、建模、可視化。具體來說，集智平臺分為2個模塊，數(shù)據(jù)洞察平臺與機器學(xué)習(xí)平臺。

數(shù)據(jù)洞察平臺

數(shù)據(jù)洞察平臺主要解決發(fā)生什么、為什么發(fā)生這兩件事情。

傳統(tǒng)數(shù)據(jù)都是看報表，眾安已經(jīng)有這么多報表平臺的情況下，為什么還要做數(shù)據(jù)洞察平臺？

首先是為了解決大數(shù)據(jù)處理速度問題，千萬行數(shù)據(jù)集在業(yè)務(wù)中是很常見的現(xiàn)象，報表響應(yīng)可能需要幾分鐘或幾個小時，對業(yè)務(wù)分析影響非常大，如果可以達到秒級響應(yīng)，對整個分析思路都是很好的幫助，也是為什么需要大數(shù)據(jù)處理能力的原因。

此外，現(xiàn)在大數(shù)據(jù)平臺越來越多，隔幾個月就會出現(xiàn)一個新的大數(shù)據(jù)平臺，使用門檻越來越高，他們的使用方，業(yè)務(wù)或BI很難理解大數(shù)據(jù)平臺本身的復(fù)雜性，造成使用屏障，需要有一個平臺把所有復(fù)雜性都封裝起來。

數(shù)據(jù)洞察平臺是眾安數(shù)據(jù)分析的基礎(chǔ)工具。其最主要的功能有3點。

第一，洞察平臺是一個對數(shù)據(jù)分析師透明的數(shù)據(jù)查詢加速引擎，分析師可以自助式地將數(shù)據(jù)導(dǎo)入洞察平臺，對于億級的數(shù)據(jù)進行即席的查詢與多維下鉆，在技術(shù)上我們針對不同的數(shù)據(jù)形態(tài)，采用了不同的數(shù)據(jù)加速引擎，做了一個可插拔式的架構(gòu)，可以很快地適應(yīng)新的開源工具而不需要改造上游數(shù)據(jù)消費的應(yīng)用。

第二，我們在洞察平臺同時支持了流處理與批處理，并且抽象出了統(tǒng)一的數(shù)據(jù)模型層，對于分析師來說，不論是近1分鐘的數(shù)據(jù)還是平均30天的數(shù)據(jù)，都可以在一個模型里進行可視化或者分析。

第三，洞察平臺也是一個可視化的系統(tǒng)，可以非常高效地搭建出各種大屏、報表與移動端應(yīng)用，與業(yè)務(wù)系統(tǒng)非常簡單地進行對接與嵌入。

搭建高效可視化系統(tǒng)

數(shù)據(jù)洞察平臺也是一個可視化的系統(tǒng)。

數(shù)據(jù)除了輔助提供決策價值以外，還要讓業(yè)務(wù)看到數(shù)據(jù)。現(xiàn)在業(yè)務(wù)對數(shù)據(jù)的需求變得越來越多，搭建這些可視化、實時、離線報表，需要把大型報表嵌入到系統(tǒng)里面，讓業(yè)務(wù)決策可以立馬獲得數(shù)據(jù)支持。

現(xiàn)在很少有業(yè)務(wù)打開報表系統(tǒng)看數(shù)據(jù)，報表都是BI分析師在看，業(yè)務(wù)更加關(guān)心操縱系統(tǒng)怎樣進行業(yè)務(wù)操作，需要把報表嵌入到他的業(yè)務(wù)系統(tǒng)當(dāng)中。

這是眾安內(nèi)部主推的可視化系統(tǒng)案例。這個車點通可視化系統(tǒng)，主要有四點好處：

第一，增加數(shù)據(jù)可視化程度。不同角色可以通過系統(tǒng)實時看到自己現(xiàn)在保費收入、業(yè)務(wù)指標、每生成一張保單，數(shù)據(jù)就會發(fā)生變化，所有系統(tǒng)都是移動端，可以做到完全脫離以前報表系統(tǒng)，打開手機查看。

這樣的實時展示可以讓車險業(yè)務(wù)部使用人數(shù)得到很大擴展，覆蓋率達到97%，每天業(yè)務(wù)看數(shù)據(jù)的次數(shù)也大范圍增加，以前一天看一次，現(xiàn)在次數(shù)可以增加4次以上。

第二，支持業(yè)務(wù)多維度實時透視。在全量數(shù)據(jù)上如何進行任意維度的查詢在一般的離線數(shù)倉中是很難做到的，往往需要業(yè)務(wù)重復(fù)地提出取數(shù)需求。在車點通，業(yè)務(wù)可以自主地進行透視，這里面整個流程最重要的就是大數(shù)據(jù)引擎支持，如果一個維度就需要幾分鐘，就會嚴重影響用戶使用積極性。

第三，把數(shù)據(jù)問題融入到運營當(dāng)中。在車點通中，系統(tǒng)會自動把相關(guān)問題發(fā)送給相關(guān)負責(zé)人，按照時間點把所有問題變化、改進情況發(fā)送給業(yè)務(wù)進行比較。系統(tǒng)可以對每個問題進行追蹤，避免出現(xiàn)遺漏、沒有解決的情況。

第四，刪除將數(shù)據(jù)融入到輔助決策。系統(tǒng)可以為業(yè)務(wù)變化，提供一些趨勢分析，適時給業(yè)務(wù)一些費用調(diào)整或預(yù)測建議。上線車點通車險業(yè)務(wù)一站式智慧經(jīng)營及管控中心，半年時間一線業(yè)務(wù)人員在車點通內(nèi)追蹤了193個（建議虛化具體數(shù)字）目標業(yè)務(wù)模式，邊際成本平均下降建議虛化具體數(shù)字

整套流程可以使業(yè)務(wù)部門通過數(shù)據(jù)更加了解業(yè)務(wù)，進行多維度技術(shù)分析，通過數(shù)據(jù)溝通幫助解決業(yè)務(wù)問題。

機器學(xué)習(xí)平臺

集智平臺秉持著BI與AI同一個系統(tǒng)的理念，當(dāng)我們從數(shù)據(jù)中知道了歷史的狀況，我們很自然地就想知道未來的情況并相對應(yīng)地進行策略地改變，為此眾安搭建了機器學(xué)習(xí)平臺。

這個平臺主要讓機器學(xué)習(xí)模型落地更加簡單。

傳統(tǒng)路徑需要數(shù)據(jù)人員和算法工程師先去數(shù)倉中找到數(shù)據(jù)，再編輯到Python環(huán)境下運行。經(jīng)過一系列建模工作之后，再進行封裝。

而且算法人員寫的代碼往往達不到生產(chǎn)級別，需要配備相應(yīng)開發(fā)工程師幫助輔助優(yōu)化。優(yōu)化包括DOCKER、做鏡像、上線做A\Btest，上線之后還需要定期到生產(chǎn)系統(tǒng)中撈數(shù)據(jù)，整個流程風(fēng)險點非常多，過程也非常長。

一套模型從訓(xùn)練到上線，往往需要數(shù)據(jù)工程師、算法人員、數(shù)據(jù)開發(fā)工程師至少三個角色，約兩周時間。

有了機器學(xué)習(xí)平臺之后，算法工程師可以直接在數(shù)據(jù)應(yīng)用空間中獲取數(shù)據(jù)，平臺自動幫助分配DOCKER資源，保證DOCKER資源最終上線后的一致性，同時保證模型測試階段和模型上線階段環(huán)境以及數(shù)據(jù)的一致性。

在整個過程中，平臺主要解決幾個問題：

第一，幫助算法工程師快速申請資源，快速進行服務(wù)化，快速上線，進行數(shù)據(jù)回流，彌補算法工程師與應(yīng)用工程師的開發(fā)鴻溝；

第二，把建模數(shù)據(jù)和算法過程保存下來。以往數(shù)據(jù)資產(chǎn)可能只有數(shù)據(jù)表，隨著算法模型應(yīng)用和落地越來越多，模型資產(chǎn)也非常重要。包括用了什么算法，使用什么樣數(shù)據(jù)，整個機器學(xué)習(xí)平臺可以起到快速上線和管理模型的作用。 

最后總結(jié)一下，眾安數(shù)據(jù)中臺三大體系——數(shù)據(jù)管理體系、數(shù)據(jù)流通體系以及數(shù)據(jù)價值體系。

數(shù)據(jù)中臺是什么？他不是單一的系統(tǒng)或平臺，實際是一整套管理體系。每家公司進行數(shù)據(jù)中臺建設(shè)的時候，也都有不一樣的矩陣選擇，但本質(zhì)上都符合一個邏輯，怎樣最大化把數(shù)據(jù)資產(chǎn)管理起來，讓數(shù)據(jù)更好流通，讓數(shù)據(jù)發(fā)揮價值。

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。