□中国人寿养老保险股份有限公司 白如斌
随着数据化的应用场景不断丰富，数据分析不断深入，很多行业都在应对数据化潮流的冲击而不断做出变革，以适应市场谋求发展。保险行业也不例外，数据化正在持续改变着保险产品和服务，甚至改变保险业务模式本身。数据和数据分析正在改变竞争的基础，是否拥有高质量的数据、强大的数据分析和使用能力已逐渐成为了一家公司抢占先机、赢得竞争的决定条件。传统保险公司拥有宝贵的历史数据，但同时也存在很强的路径依赖，更好推进数据化转型升级，为客户创造更多价值，保持市场竞争力是目前需要重点关注的问题之一。下文就传统保险公司数据化转型过程中需关注的部分重点进行探讨。
一、强化组织保障
对于一家传统保险公司，推进数据化转型，需要有公司高层管理者的大力支持，同时也应设立新的部门，承担公司的数据化转型工作。
1.强化组织领导。应成立数据工作领导小组，由公司主要负责人担任小组组长，其他公司高管担任组员，在推进公司数据化发展的进程中更好协调公司各部门工作。
2.组建独立于信息技术部的数据管理部（或者数据实验室）。尽管数据资源是基于信息系统产生的，但大部分保险公司设立的信息技术部门主要侧重于公司的信息系统建设，包括信息化规划、系统开发、系统维护等，与数据管理部职能并不相同；此外，为适应数据分析应用不断深化的形势和公司持续发展的新要求，为保持竞争力，数据科学研究必须不断深入；对于一家传统保险公司，拥有的历史数据是市场竞争重要优势之一，而将数据资产外包给外部机构进行数据分析，数据的安全性很难保证，因此，单独设立数据管理部非常必要。
由数据管理部承担公司数据的管理和应用等职能，包括：数据源整理，研究设计公司数据化方案，智能项目孵化，开展人工智能与数据化研究等。
二、明确发展目标
数据分析知识体系庞大，数据化研究方向很多，为了强化数据化研究对于公司发展的针对性，提高研究效率，应制定明确的目标。
1.明确总目标。实现公司数据化发展，首先需要明确公司的数据化发展总目标，要结合公司整体的战略发展目标，研究制定数据化发展的目标。
2.细化分解总目标。应根据数据化发展总目标，按长期趋势和短期趋势，分别从公司业务、流程、条线、管理等各方面将总目标进行分解，明确细化的目标。设立细化的目标的时候，需要和公司其他业务相关的部门做好联合研究，明确实际工作痛点，以更好推进数据化工作。
三、做好数据整理
数据是进行数据分析的基础。传统保险公司在经营发展过程中都积累了很多数据，市场上有一些机构提供付费数据，此外，互联网上也有实时的海量数据。结合公司发展目标，全面有效使用这些数据，其中最首要的步骤就是按照既定的研究目标，做好数据收集整理。
1.整理好公司自有数据，研究建立量化模型，积累新数据。
一是围绕细化的研究目标，整理好公司已有积累的数据，提高可用数据质量。
二是做好公司的数据积累，应研究建立量化模型。量化模型的开发是建立在对于具体问题深刻把握的基础之上的，与相关部门的专业人员合作来完成该项工作将更加有效。通过明确目标、忽略细节、抽象出量化模型，然后在模型里用数据准确描述变量之间的关系。善于建立能有效解决问题的量化模型、更好地分析数据做决策是拥有数据思维最主要的特点。有效模型的建立和该模型下积累的大量数据是进行数据决策的基础。
2.用好外部数据。
一是因高质量数据需要历史积累，因此，购买一些整理好的收费数据，对于提高数据分析研究工作效率有很大帮助，应按照细化的研究目标，调研外部收费数据，有重点地购买以扩充数据拥有量。
二是要收集整理好互联网数据，互联网上的数据良莠不齐、格式多样，同时，互联网上的数据具有针对性强、数据量大和更新实时的优势，因此，应对互联网上的数据进行有选择有重点的抓取，吸收消化，进一步夯实数据基础。
四、强化分析应用
积累优质的数据，最终是为了更好地应用到实际工作。数据应用可分为分析数据和使用数据两个步骤。
1.结合目标，做好数据分析。为实现各个细化研究目标，应使用多种算法进行分析，获得有效决策支持信息。选择数据分析算法，应结合研究目标，以具体实用为原则，并利用新产生的数据不断迭代，优化算法参数。
2.试验迭代，注重成果落实。应注重研究成果的落实，设计好成果的试验使用方案。对于主要目标是提高流程效率的研究成果的，可在适当范围内先试验使用，随后应用到全部实际情况；对于影响公司商业模式等方面预期价值高的创新成果，应快速孵化试验，在试验中不断验证研究成果的可行性，并进行优化迭代，如果成果的验证结果比较满意则可以孵化新的商业项目，为公司发展提供源源不断的动力。
五、保证数据安全
数据资源将成为战略资产,一定要在保证数据不被窃取的同时做好数据备份，确保数据资产的安全。