在数字化浪潮的推动下，金融科技正在以前所未有的速度重塑保险业生态，寻求创新路径与数字化转型策略来引领金融保险业务的稳健发展是保险业数字化时代的必然选择。本文将分享中国平安人寿数字化转型的探索与实践。
1. 数字化转型背景介绍
2. 转型远景目标、路径、范围以及痛点和方向
3. 落地实践方法和工具
4. 未来展望
一、数字化转型背景介绍
金融保险行业数字化转型是由内外因素共同驱动的，包括内部商业环境与格局的变化，以及外部行业环境与趋势的变化，主要体现在业务数字化、监管要求、行业细分，以及竞争加剧和高质量发展要求等方面。
- 为适应商业格局和环境的变化，企业需要通过数字化转型来提升竞争力和市场份额。
- 互联网和移动设备不断普及，消费者购买习惯、偏好发生了显著变化，更倾向于线上自助服务，迫使金融保险行业加速数字化转型的步伐。
- 新兴科技公司，非传统的金融科技机构进入金融保险市场，加快了数字化转型的进程，使得金融保险行业的竞争更加激烈。这些新参与者拥有更强的数字化能力，对传统机构造成了巨大的挑战，传统的金融保险机构必须加强数字化能力以应对挑战。
- 为了应对并规范金融科技的快速发展，监管机构不断出台更新相关法规，加强合规要求，要求金融保险机构加强数据保护，提高透明度，这进一步加速了行业的数字化转型，由此保险行业步入了向精细化管理要红利的时代。
- 进入新时代，高质量发展成为主题，企业通过数字化转型能够实现生产智能化、管理精细化，从而提高产品与服务的质量，以更好满足市场的需求。更深层次，高质量发展对完善社会保障体系具有更深层次的意义。
在行业间竞争激烈的市场环境下，企业需要通过数字化加速适应市场变化，需要创新服务与产品，实际上是业务模式的变革，势必会遇到新旧模式的碰撞以及如何迭代过渡的问题。因此需要保持开放的心态，通过各种渠道进行反馈以及信息分析，不断地调整和迭代这个路线，以实现平稳着陆。
二、转型远景目标、路径、范围以及痛点和方向
1. 金融保险行业数字化转型远景目标
业务模式的变革实际上是渠道、产品、人、组织、财务、文化以及数据、数字技术上的变革，愿景目标分为服务、赋能和引领三个层次。
- 第一层次是业务的辅助层面，数字服务缺乏独立和自主性，只是等待被分配工作和任务，无法决定企业在业务层面上应该做什么。
- 第二层次是企业的工作方向和职能开展需要数字部门提供数据进行指导，数据组织职能通过对过去所发生事件的原因进行剖析，找到影响全局或者特殊事件的关键因素，帮助经营决策。
- 第三层次是数据组织需要创造业务、思考业务，优化业务，找到最优解，真正做到引领业务。
随着企业从业务服务化向数据业务化转型，企业数据组织实现成本中心向利润中心的转变，当前公司正在处于第二层次和第三层次过渡阶段。
2. 数字化落地路径
数字化转型落地路径分成三个阶段：筑底期、集成期、赋能期。
- 筑底期：主要做数据资产的梳理和规划，有质量保证去辅助业务。
- 集成期：主要做数据驱动业务，重视数据在业务决策的核心作用，通过分析数据来引导业务发展，从而实现更精准的市场定位和产品优化。为了提高数据的可访问性和利用率，2022 年构建了统一的数据门户；并意识到数据治理的重要性，建立了专门的数据治理组织以及流程，确保数据质量、安全与合规。
- 赋能期：通过深入的经营分析和市场洞察，利用大数据和 AI 技术优化决策过程以提升运营的效率和市场响应速度，更好应对市场的竞争和变化。再者强调利用数字化手段加强产品和运营的开发，包括利用数据分析和用户的反馈以不断迭代产品的功能，从而满足市场需求并增强用户体验，进一步提高产品竞争能力以及相应的市场份额。同时专注把海量的数据转成商业智能，为企业创收。
3. 数字化落地覆盖范围：基于数据的技术、业务场景和组织
数字化转型落地范围，将数字技术、业务场景以及组织有机结合起来，实现系统的建设与转型。
数字化转型的推行一定是自上而下的，首先高层要从思想上认可转型，同时给予最大限度的支持。数字化转型如何实现软着陆，需要制定战略统一认知并分解目标，以及评估执行，并在落地时成立数据治理委员会，来建立增强业务和 IT 之间的桥梁以保障实现软着陆。
在具体的落地上，首先是明确数据驱动的业务场景，强调利用数据分析优化商业设计，通过业务效果、成本和收益的数据分析来提升决策质量和业务效率，最终实现业务数据价值的最大化。
其中架构和技术应用是数字化落地的基石，不仅包括数仓一体的数据架构，还涵盖了 Kimball 建模方法论以及实现入湖技术 Hudi 的应用，这些技术和方法可以高效集成和处理数据来提供数据支持。
此外，在整个转型过程中，组织设计与数据治理扮演着比较重要的角色，对此进行了深入分析与建设，建立了数据管理框架，包括工作的职责、规范的制定，以及数据治理的实施，这些措施将保证了数据的安全、准确、可靠。
4. 数字化转型落地的痛点和方向
基于数字化转型落地范围，明确数字化转型落地的方向和载体以框定范围，明确范围后，以痛点为导向来引导建设。在基础设施方面具体的痛点和方向总结归纳为以下六点。
（1）引擎、Presto、Spark、Doris：解决业务对数据时效要求越来越高，业务自助场景越来越多，新技术迭代更新快的问题。
（2）降本增效：解决任务越来越多、存储越来越大，复用度低、大量资源浪费，以及使用数据成本高的问题。
（3）开发运营一体化：满足监管安全要求，改变先污染后治理的模式，解决治理缺标准、缺运营数据、缺工具的问题。
（4）经分平台：实现业务管理精细化，向数字化经营转型，进行多视角多维度经营考核。
（5）DataOps 工具：解决开发周期长，开发人力居高不下，开发设计工具不统一的问题。
（6）数据底座建设：解决架构参差不齐，找数难，数据理解力低，边界不清晰，沟通成本高等问题。
三、落地实践方法和工具
1. 构建高质量，可复用的数据底座，实现数仓升级
为实现数仓升级，引入 Hudi 实时入湖技术实现数据秒级入湖；封装了离线、实时的数据捕捉插件，集成 Hudi 数据湖技术，显著提升了数据实时处理的效率。
基于 Kimball 维度建模方法论，以及指标、标签的维度建模模型，在 ODS、CDM、ADS 三个层面成功构建了六大领域如客户、产品、队伍管理、渠道销售、资源后台、后援服务的指标体系，实现了数据内容的结构化和标准化，为数据分析和决策提供了坚实的基础。
2. 经营管理平台，全流程提效
经营管理平台，全流程提效，涵盖了 50 多张报表、200 多个场景，并搭建了神经网络图谱，以支持建立指标体系、梳理驱动因素、搭建数据模型，涵盖了渠道、产品、运营、资源四大条线，实现了结果、过程，行为，还有投产全方位的管理，形成运营闭环。同时平台结合业务模型、财务模型，实现了数据实时接入，为经营管理提供全面数据支持。
3. 标签平台功能全景图
标签平台最明显的一个特征是自定义的标签，比较灵活、可定制，用户可基于现有的标签，通过特定的规则或条件进行组合，创造出新的更加贴合实际需求的标签组合，来提高、增强整个标签系统的灵活性、适用性。如通过人群的圈选，还有标签的组合精准定位目标群体，来提高平台的营销效果。
在适用场景方面，自定义的标签被广泛地应用在数据分析、客户管理等关键领域，通过准确地定义目标群体来帮助我们实现精细化的运营，来提高运营效率和客户的满意度。
4. 多维报表功能全景图
多维报表平台功能全景图，遵循从数据源、数据集到数据报表的层级功能框架，不同的是结合了平安人寿自身的业务场景，也借鉴行业的一些优秀案例、先进的技术，比如 Doris 引擎、AI 对话等。
多维分析方面有非常丰富的组件，还有定制的功能。在聚合计算方面实现了维度计算、维度补全，以及非平衡计算等应用；在分析工具方面在实现数据分析上卷下钻时，分子可随维度进行变化，分母不随维度变化；在数据展现方面支持多维度的数据展现；在数据集/报表管理方面，打通了资产平台，实现了灵活的权限控制；在增强协同分析方面增强了同事之间的协作，优化了团队成员之间的工作交流和信息共享。
5. 可视化平台—提供多源数据接入、自助式数据探索和交互式的 BI 平台
可视化平台，能够支持超过 30 种图形组件和多维的交叉表来反映数据背后的趋势。
- 数据源接入：支持多种数据源的接入，包括 Doris、MySQL、Hive 等。
- 数据集创建：用户可以创建数据集，进行数据可视化、SQL 语句的创建、手工数据上传等操作，同时提供了丰富的图表来展示和分析数据。
- 数据可视化：包括通过数据集度量、维度以及 SQL 语句自定义来满足个性化的数据分析需求，并且提供即时查询和跨库跨源分析查询能力，除此之外还提供基于表和字段的访问能力，以及请求的缓存与加载功能，大大提高了查询的效率。在具体的跨库跨源的分析查询上，支持百万级的数据秒级响应来满足当前业务越来越高的时效要求。
- 权限和安全管理方面：包括团队和个人空间的管理，灵活的权限管控以及数据安全策略，防止没有授权下的数据访问。
- 分析结果分享及推送：具体涉及到很多配置，如邮件的配置，通过精确的邮件参数和内容设置来保障信息发布的准确，以及提高用户的接触率，并定时推动功能优化迭代，以持续提升工作的效率和用户体验。
6. 以中台为底座，进一步发挥语义层作用，增强数据互通性（HeadlessBI）
第三代指标平台，已在各行各业中崭露头角，一些应用已比较成熟，其将指标从 BI 中提取出来，生成一个解耦层，让业务人员不用再去写 SQL，直接采用配置化方式即可完成数据指标定义与分析，无需关心底层技术形态，也不用去对接指标平台，口径是统一、一致的，有效降低了指标相关各类应用的重复建设以及复杂操作。
平安人寿的第三代指标平台，通过自然语言处理技术，让用户能够通过口语化、对话式的方式进行指标配置和指标分析，在数仓中进行查询、数据分析与可视化，极大降低了非技术用户的使用门槛，只需要通过对话框直接对话就能得到想要的结果。
平安自研第三代指标平台具备以下四大技术特点：
- 数据模型：分析用到的所有的表模型在指标云上注册/指标定义，先注册后使用；
- 访问控制：提供基于表和字段的访问控制，对所有分析产品真正实现一套权限控制；
- 缓存：基于请求的缓存和预加载功能，提高查询效率，降低数据引擎压力；
- APIs：提供 Restful 和 JDBC 两种模式的查询服务，对所有应用分析产品实现一套语义，一个入口。
四、未来展望
当前的建设集中在通过自然语言理解进行对话式交互，重点放在对话式指标获取、对话式指标配置、对话式指标分析方面的研发与实现上。
未来的建设将基于 AI 大模型打造可信的 ChatBI，依托于深度学习，还有 AI 大模型等技术的引入和应用，将在智问、智读、智算等方面改变业务模式，让 AI 更懂数据，更懂你，大大提高工作效率。
- 智问：基于自然语言、知识图谱等人工智能技术，深度理解用户问问题的意图，以一问一答形式，为用户提供专业的数据服务，对于用户基本没有学习成本。
- 智读：根据图表的特征，用机器学习的方法，比如一张报表、一个大屏，能够自动解读直接把相应图表的特征，还有背后的业务逻辑进行智能的关联，用生动的语言解释出来。
- 智算：大数据领域 80% 的工作是在做数据处理。智算是根据数据源的特征、分析的目标进行智能化的数据建模，还有数据处理，将 80% 的数据处理工作由机器来自动帮助完成，从而大幅提升数据处理的效率。
五、问答环节
Q1：中国平安在数字化转型方面有一套成熟的方法论，包括制定战略、统一认知、分解目标，以及评估执行等，展开详细描述介绍？
A1：先明确框定数字化转型落地范围与框架，在确定的范围框架内再去执行战略，战略是从上到下往下去拆解，在整个公司达成共识，并拆解成立一个个项目去执行、落地、完成、评估。这里面有一个统一的原则，即数字化战略的制定，不能脱离业务的目标，要和企业的战略目标去对齐。具体就包含解读企业的战略，分析业务的需求、还有目标，内外部环境的分析，以及分析行业领先的实践、案例等。同时当前公司也在推四比：比市场、比自己、比目标，还有比同期，最终输出数字化转型的战略目标。
首要的就是统一认知，在传统的企业中，不是每个人都十分了解企业的战略，更不用说数字化转型的战略。在数字化转型中需要企业全员的共同参与和努力，这建立在全员对企业数字化转型共同认知的基础上。这种共识的达成是一个比较反复，不断沟通的过程，它不是一次性的，或者说临时性的，也不是简单的命令，然后传达到了就 OK，它是长期的一个过程。
然后在统一认知之上去分解目标，数字化转型不是一次性的项目，而是一个持续的过程，这个过程需要每个部门，每个人去参与投入其中。数字化转型目标的拆解，拆解成大目标、分阶段都可以，也可以拆解成多个可执行的小目标，并将这些小目标分配给对应的部门、团队以及个人，以及形成对应 KPI 去跟进跟踪进行考评。
再次是去一个个完成和攻克这些目标，在这个过程中，可能业务也会发生一些变化或者技术的更新，那转型的目标也要及时做一些调整以适应业务的发展和需要。
最后是执行的评估。企业的数字化转型是渐进式的，需要反复验证，不断试错，需要对目标执行情况及时做评估，通过评估能够及时地发现目标存在的一些问题还有不足，有利于及时对目标进行调整。通过评估发现问题与验证转型的成果，有利于增强大家一个信心，鼓舞士气，从而进一步地去推进转型。
Q2：中国平安人寿的数字化转型落地的痛点和方向中，为什么把引擎技术作为核心建设之一？
A2：因为引擎、Presto、Doris 还有 Spark 的协同，能够大大提升数据的处理效率。其中对数据分析的任务处理时间能够显著的缩短，如数据画像分析能够实现秒级的响应；而对于指标分析，只需 5 ~10 分钟就可以配置完成。这些显示了高度优化计算框架对数据分析的重要性。像 Doris 引擎，在处理多维报表方面表现了它比较大的一个优势，能够满足业务深层次应用的需要与扩展。
公司当下也借着国家信创项目，逐步切换，通过高效地处理维度计算、维度的补全，能够提高数据处理的效率以及准确性，以满足业务的需要。
加上现在这个报表是越来越有越个性、定制化，也越来越复杂、越来越细，需要我们的平台能支持 Doris、PG、Druid 等多类型数据源的接入，这些数据源的接入能够增强数据处理的灵活性和效率。
因此把这些技术作为它的一个核心内容放在工作的重点上。
Q3：经分平台的建设是数字化转型的一个重点，经分平台在保险行业主要有哪些应用场景？
A3：经分平台的应用场景，每个公司的场景分类与应用可能不太一样，中国平安人寿在经分平台的应用上主要是以下的四类场景。
一类是经营决策，主要是面向高层领导使用。
二类是数据过程的追踪、监控预警等，比如可视化平台的看板追踪。
三类是数据分析，如北斗系列的多维报表标签平台，提供多维度的数据分析。
第四类是数据清单和多维报表，如明细类的数据，会根据公司不同的角色来授予权限，如管理层、总部业务、各个分支机构，各角色都有相应的权限和操作方式。
以上就是本次分享的内容，谢谢大家。
分享嘉宾 李兴泉
版权声明及安全提醒：本文转自网络平台，文章仅代表作者观点，不代表「金融文库」立场。相关版权归原作者所有，「金融文库」仅提供免费交流与学习，相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作，如本转载内容涉及版权及侵权问题，请及时联系我们客服处理（微信号：JRwenku8），谢谢！
