以客户为中心的大数据建设

大数据不仅是一种驾驭数据的能力、一类处理数据的技术，更是一种看待数据的思维意识、思维方式。保险公司需要顺应趋势转变思维，建立大数据驱动发展的思维模式，从战略高度关注大数据布局，建立从数据获取、数据整合到数据使用的完整链路。这需要将业务、数据、服务三者结合起来，统筹考虑、整体规划，发挥协同效能。即通过扩大业务范围搜集更多的客户数据；通过将数据提升数据组织和处理能力整合更多的可用数据；通过将数据充分运用到服务中促进提升客户体验、为公司业务创造更大价值，发挥数据的巨大能量。

大数据布局

        1．从业务层面看。大数据建设需要业务规划布局的配套支持。多样化的业务类型将为大数据提供来自不同业务领域的客户信息，从多个侧面综合反映客户特征，并有助于提高客户活跃度以形成丰富的客户行为信息，使大数据能够全方位了解客户、增强客户认知、为客户提供满足个性化需要的产品和服务，这是开展大数据建设的关键和基础。为此，在大数据时代，业务服务的创立已不再仅是出于盈利因素的考虑，未来将更多的是从互联网和大数据思维出发，以增加用户量、积累客户资料、建立与客户高频互动关系为主要目标，从而更好地服务于保险主业。这些服务的建立将用于获取丰富的客户资产、理财、消费、医疗、车辆等信息，形成描述客户特征的画像视图，为提升用户体验、创新营销模式提供有利的数据基础。因此大数据布局不简单是布局数据，更需要的是业务全局规划。在大数据时代谁先获取到了客户数据，谁就有可能是赢家。

         2．从数据层面看。保险公司经过多年发展，积累了相当丰富的保险业务数据，但从大数据建设需要来看，一般表现出这些不足：客户数据分散，缺少客户完整视图；客户数据单一，主要是保险业务相关数据，缺乏丰富的个人信息；客户数据更新频度不够，客户可能常年不与保险公司接触，使保险公司缺乏对客户需求的了解；数据利用面窄，缺乏对日志、语音、图片、影像等半结构和非结构化数据的利用。解决这些问题需要公司全局的数据顶层设计，整合客户数据、丰富客户信息、增强数据技术。

        在客户整合方面，需要打破不同渠道的数据壁垒，跨公司、跨部门、跨系统整合客户信息，从客户的基本信息、个人特征、产品持有、交易行为、接触轨迹等诸多角度组织和整理客户信息，构建客户在公司的完整信息视图。

        在信息丰富方面，一是通过前述业务布局中的公司业务扩张，发挥好保险公司内部数据优势；二是通过与外部互联网企业和数据公司的战略合作，形成对客户信息的有效补充，如消费习惯、行为事件、风险偏好、关系圈子等信息，这些看似与保险无关的信息其实在背后影响着客户的保险需求，准确把握这些需求将有助于为客户提供更精准的销售和服务。

        在数据技术方面，引入新型数据处理技术，扩大处理数据种类、加快处理数据时效，针对保险公司自身的数据类型特点、规模大小、服务类型等选择合适的产品工具，提升驾驭和运用大数据的能力。

        3．从服务层面看。以客户为中心的大数据建设通过增强对客户的认知能力来达到精准服务客户、提升用户体验的目的，能否发挥出其蕴藏的巨大能力依赖于保险公司对客户提供的各项服务。随着大数据、互联网等技术的发展，服务理念从大众化服务向个性化服务转变，更加关注客户感受；服务方式从传统临柜或上门服务向智能服务、主动服务、远程服务、自助服务等方式转变，实现线上线下结合；服务渠道从柜面、电话向网站、微信、自助终端等拓展，扩张客户服务触点。

        为适应这些新变化，保险公司需要改变传统服务渠道、服务场景、服务流程、服务内容，将大数据思维及技术全面融入其中，实现客户服务的个性化、智能化、精准化。这将涉及到核保、收付费、保全、调查、理赔、通知、投诉、销售等诸多服务领域的革新，需要统筹考虑、整体布局，使各类服务之间有机配合、互为补充、信息一致，避免对客户造成服务的冲突或缺失。通过借助大数据在客户洞察方面的强大优势，真正实现“以产品为中心”向“以客户为中心”的转变。同时，通过不断将数据运用到服务中，丰富和改善数据内容、数据质量，形成由大数据促进服务提升、由服务提升推动大数据建设的良陛循环。

大数据建设

        1．客户视图构建。构建客户视图是建设以客户为中心的大数据应用服务的基础。它从客户视角将不同来源、不同格式、不同位置的数据组织起来，形成对客户的完整描述和立体呈现。根据产生的特点，我们将保险公司的客户信息分为两大类：随日常业务开展自然形成的客户基础信息和基于基础信息根据不同逻辑规则判断派生的客户分析信息。对于第一类信息，根据信息的自然属性特征可进一步细分为：人口统计信息，根据人口统计学知识定义的客户基本信息；个人特征信息，描述客户专属的特征；产品概要信息，描述客户拥有的公司产品信息；交易行为信息，描述客户在公司业务链上的所有交易信息；接触历史信息，描述客户与公司间的接触轨迹信息；销售人员信息，描述客户可联系获取服务的销售人员信息。第二类信息是在客户基本信息基础上，通过简单的信息筛选或深入的数据分析挖掘，形成刻画客户特征的标签信息，如客户偏好、客户价值、客户满意度、客户影响力、客户分群等，此类信息会随实际应用需要不断进行追加和扩充。

        通过上述分类，能够有序地将散乱的客户信息归纳和组织起来，形成保险公司客户信息的整体视图框架(如图1所示)。

图1 客户信息视图框架

        2．客户生命周期信息服务。一般来讲，客户在企业中的生命周期可分为四个阶段：考察期、形成期、成熟期、衰退期。每个阶段呈现出不同的客户特征和服务需求，可根据各阶段的不同特点进行大数据服务建设，提供从客户识别、精准营销、个性化服务到客户挽留的全面服务支撑，帮助延长客户生命周期、提升客户价值(见图2)。

图2 客户生命周期各阶段与大数据服务

        客户考察期：该阶段的特点是客户对保险业务存在兴趣，属于公司的潜在客户，他们将会通过媒体广告、他人推介、网站访问、电话咨询、活动参与等途径收集信息。此阶段的大数据服务重点在于发现和识别出潜在消费者，可以通过点击流分析、语音识别、情绪识别、关联规则发现等，对客户的网站浏览行为、电话语音内容、社交聊天内容、日常消费行为等进行分析挖掘，从广泛的信息来源中找出购买倾向高的目标客户，供进一步开发拓展。

        客户形成期：该阶段的特点是客户对公司产品产生一定信任或认可，从潜在客户转化为新客户。此阶段的大数据服务重点在于识别消费者购买需求，可以通过聚类分析、相似度分析、关联规则发现、决策树等，对客户的群组划分、产品偏好、渠道偏好、风险偏好、收入水平、保险认知程度等进行分析判断，在合适的时间、以合适的渠道、通过合适的方式，向客户推介甚至定制合适的产品，实现差异化、个性化的精准营销，提升客户转化率。

        客户成熟期：该阶段的特点是客户已持续使用产品一段时间，对企业产生了基本信任，从新客户转变为老客户。此阶段的大数据服务重点在于深入了解客户期望，主动把握服务需求，可以通过群组细分、文本挖掘、模糊判别、语音识别、RFM事件营销分析等，对客户的行为模式、情绪意见、交易需求、服务需求、再次购买需求等进行识别响应，找到客户的“痛点”和“尖叫点”，为客户提供自助查询、自动提醒、主动服务、简易业务流程、精准交叉销售等服务，使客户感受到关注并获得良好的服务体验，提升客户的忠诚度和贡献度。

        客户衰退期：该阶段的客户特点是客户对公司的产品或服务存在不满，或者发现了更合适的其他公司产品，表现出交易量下降或正在物色候选公司产品。此阶段的大数据服务重点在于提前发现客户结束服务关系的意图，可以通过预测分析、回归分析、神经网络分析、情感分析、热点事件分析等，对客户的异常行为、流失原因、态度意见、痛点问题等进行洞察分析，有针对性地提供营销干预、改进服务，实现对衰退客户的及时挽留。

3．系统技术架构。目前保险公司在支持结构化数据的分析应用方面，基本已建立起一套数据服务架构。为支持半结构化和非结构化数据类型、支撑海量数据分析，还需要结合大数据相关技术，对现有技术架构进行改造调整。

图3 系统技术架构图

        如图3所示，调整前后架构的主要区别在于数据源范围扩充，增加了半结构和非结构化数据来源，包括呼叫中心记录的语音数据、客户社交数据、各类文档数据等，尽可能充分利用公司各类数据产生商业价值；引入了Hadoop大数据处理技术，在数据存储方面增加了HDFS对分布式文件数据的存储管理以及H base对海量结构化数据的存储管理，实现随数据线性增长的数据管理能力；在数据分析方面增加了MapReduce、Hive和Pig等对上述存储数据的计算和分析。调整后的架构将采用Hadoop与传统数据库技术相结合的方式共同支撑保险公司数据应用，结合模式可视实际需要灵活掌握，如根据数据类型不同进行分工合作，由传统技术处理结构化数据，Hadoop技术处理其他类型数据；或者两种技术混合使用，将传统数据库数据导入Hadoop中进行处理，借助Hadoop提升对大规模数据的处理能力等。

（文章来源：《金融电子化》杂志）

扫码即可手机
阅读转发此文