面对保险行业转型机遇以及眼前挑战，基于 行业实践，我们提出由“顶层设计”、“场景试点 与推广”及“基础能力建设”组成的制胜策略，助 力国内领先险企成功推进数智化转型。
数智化转型顶层设计应以业务战略为出发点， 明确险企整体数智化转型愿景与战略方向。通 过制定中长期战略，帮助管理者明确转型各阶 段和各价值环节的预期投入、产出以及产出模 式，同时帮助管理者初步了解数据应用现状与 潜在价值提升点，以确保在建设应用数据能力 和数据资产时，能与有形业务价值联系起来， 合理化产出预期，辅助管理者初步判断投入优 先级。以某国际领先险企为例，其公 司战略将科技定位为公司核心竞争力之一；与 之相对应，该险企将打造“数据驱动的世界一 流保险公司”作为数智化转型愿景。
真正的数据驱动型转型，应是数据技术和业务 场景的双向融合。从业务旅程出发构建数据 应用场景是行之有效的融合方式。端到端业务 旅程是险企客户、代理人、相关人员等多方与 企业互动，共同完成一系列活动的流程。以客 户为中心，明确业务旅程及各场景目标，并在 此基础上构建数据应用场景，可以解决常见业 务痛点，实现业务价值最大化。我们建议由业 务部门引领，构建“数据+业务经验”双轮驱动 的数据用例试点与推广闭环。该闭环的构建可 分为场景规划、场景试点以及场景推广和变革 管理三个阶段。
（一）场景规划“三步走”：构建 经营地图、识别业务场景、优先 级排序
首先，构建经营地图，即围绕业务主题，构建 基于业务旅程视角的经营地图。经营地图包含 业务旅程、目标和场景三部分。险企可立足于 自身业务旅程，明确阶段性经营目标，并设计 相应业务场景。具体而言，业务旅程视角下的 经营地图设计，需要由业务部门和数据部门以 敏捷方式共同创建，这样才能准确反映企业 在某一业务主题下的经营全景。在此基础上构 建的数据应用场景，更容易嵌入到实际业务活 动中。并且，险企通过设定经营目标，能准确 评估数据应用场景有效性。下图是客户视角下 的经营地图构建。险企至少要构建 基于客户视角、渠道视角和管理者视角的三类 经营地图。
其次，识别有价值的业务场景。险企可根据业 务重点和宏观业务发展目标，识别关键业务场 景，并进一步细分场景，基于应用场景的潜在 价值，赋予不同应用场景不同优先级。在完成 优先级初筛后，险企可根据已有数据完善程度 与业务紧迫性，判断应用场景成熟度。最后， 结合业务应用场景可行性评估，综合识别出有 价值、能落地的业务应用场景。
最后，险企可基于业务价值大小与可行性高 低，对用例进行优先级排序，选取业务价值与 可行性较高的应用场景率先试点。其中，业务 价值评估应包括投入和产出测算。在投入上， 主要有三方面成本，包括为提升数据技术能力 而购买或租赁的各种软件和硬件成本，为了运 营数据体系所需要投入的人力成本，以及推 动前端业务管理和流程改变的成本。从产出来看，主要有三方面收益，包括利用数据提升 经营效率、降低业务风险所带来的成本节约， 通过数据增强现有服务和产品带来的业务收 入增长，以及基于数据创建新的产品形态所带 来的收入。一般而言，成本投入相对比较容易 估算，而产出估算则需要清晰定义业务应用场 景，对于某些关键场景还需要进行A/B测试， 用于评估业务产出。
（二）场景试点：关注技术能力 建设和场景落地保障
首先，识别场景下的数据和技术能力需求。险 企可根据细分场景，明确支持场景实现的数 据基础和分析模型，再通过将数据分类，明确 不同应用场景的数据需求。基于应用场景的目 标，险企可进一步明确应用场景的相应分析技 术模型，如关键数据基础、商业智能和高级分 析等。
其次，确认场景落地保障。大数据应用落地作 为数据驱动的核心，保障其具备相应落地基 础是从业务端构建数据应用场景的重要环节。 在此环节中，险企需要确保业务流程通畅、数 据充分、平台工具易用、反馈机制敏捷，以及 建立共赢的协作与激励机制等关键要素。以客 户价值模型在营销活动中促活的应用为例，险 企通过大数据应用赋能原有业务旅程，从而 提高营销效率。
（三）规模化推广与变革管理
大数据用例的规模化推广，往往需要终端用户 的日常行为与意识也随之发生转变。例如在某 险企大数据精准营销案例中，当模型 将潜在客户名单、可能感兴趣的产品、相应销 售话术推荐给代理人时，代理人需要认可这一 推荐并加以跟进，以不断提升自身销售技能和 转化率。为了支撑这一转变，险企的营销业务 流程需要从战略制定、战略执行、前端管理和 后端追踪激励进行端到端优化，使大数据驱 动的精准营销更好融入到原有营销体系中。
（一）数据架构与治理
数据架构设计应实现四大数据治理目标，即提 升数据可信度、数据应用大众化、提升数据开 放度和自动化水平。提升数据可信度指建立数 据资产目录和所有者模型，以明确数据治理责 任，进而打造单一数据源，并围绕数据全生命 周期进行管控。数据应用大众化指在符合企 业数据安全政策的前提下，确保相关工作人员 可以更容易地在任何地点、时间或设备上采 集、提供和应用数据。提升数据开放度强调通 过API等技术，使外部数据更容易地融入内部 数据平台。
数据治理是确保数据从无到有、从有到优的 关键。有效的数据治理除了需要公司管理层自 上而下推动、以及业务部门主导外，在实际工 作中将数据治理机制与业务管理、IT研发流 程相融合是关键。下图是某保险企业将数据 管控要求与客户标签管理业务场景相结合的 示例，该企业基于既有、相对独立 的标签管理流程，找出并设计对应管控节点， 实现了在该应用场景下的数据治理工作。
（二）数据组织与人才培养
在数据组织上，险企可打造“联邦制”数据组织 架构，即在公司层面与业务部门层面均建立数 据团队。公司层面的数据团队定位为大数据卓 越中心，负责制定公司数据治理政策，打造公 司级数据平台，制定公司数据人才战略，并为 业务部门提供与培养核心数据人才（例如数 据架构师、数据科学家和设计师等）。业务部 门层面的数据团队定位为服务其所属业务部 门，主要职责包括部门内的数据治理、数据用 例试点与推广等。各业务部门可根据自身业务 发展需求，逐步建立和发展自身大数据团队。
在数据人才上，公司需要培养多元化的数据人 才，才能确保数智化转型有效推进。以数据应 用落地实施场景为例，其需要业务人员体系化 地描述自身业务需求，然后由数据翻译官将其 翻译为数据应用需求，紧接着是数据科学家、 数据工程师与可视化分析师等专业人才负责 落地实施。同时，与上述联邦制数据组织架 构设计相呼应，各业务部门也需培养自身数据 人才。在实际工作中，我们还要进一步明确业 务（含业务侧数据团队）、公司数据团队与IT 团队之间的协作关系，进一步提高效率。
（三）敏捷交付模式：采用敏捷 方式建设和运营数据能力
数据能力的建设和运营与传统IT系统有着极 大不同，其更容易受到前端业务场景变化的影 响，有着典型的VUCA（即易变性、不确定性、 复杂性、模糊性）特点。鉴于传统的建设和运 营模式将导致较高试错成本，并延长交付周 期，因此我们建议险企采用敏捷方式推动企 业建立自身运营数据能力，以满足数据应用需 求、优化资源配置、提高数据应用迭代效率， 从而降低企业运营成本。
典型的以敏捷方式建设险企内部数据应用的 案例，可分为构思、验证、场景建设、原型试 点和推广五大环节。在构思和验证阶段，险企 应围绕业务需求，明确应用范围，并根据应用 价值、可行性和风险等因素，确定优先级。在应用可行性得到验证后，由数据工程师和数 据科学家合作进行分析算法模型的建设和尝 试。当应用成效得到技术验证及业务认可后， 即可进入原型试点阶段，在限定范围进行试 点落地。若试点应用取得成功，险企可进一步 推广应用，并持续进行维护和价值跟踪。该敏 捷方式可以统筹协同业务、数据和开发人员， 以较低成本推动高价值、高可行性的应用落 地实施。
综上所述，我们建议险企采用“先总后分，双轮 驱动”的方式，设计自身数智化转型旅程。险企 应在转型旅程伊始进行顶层设计，以明确公司 整体数智化转型愿景与蓝图等，随后同步推进 大数据用例试点与推广，并建设相应的基础配 套能力，确保在最短时间实现业务价值最大化。
