PDF《埃森哲保险业》

埃森哲保险业 从分析法中获益 提升商业智能的六种途径

1 虽然许多保险企业 不断对数据仓库、 数据 架构、 分析法和商业智 能(BI) 平台进行巨大投 资, 却仍然无法从商业智 能行动中获得期望或需 要的价值.

过去十年, 保险企业在数据仓库和 商业智能建设方面进行的投资已达数 亿美元. 2010至2011年间, 保险企业信 息技术投资的一个热门领域就是数据 仓库建设. 在Ward研究中心访问的29 位财产保险企业高管中, 有一半受访者 都表示他们正在增加数据仓库建设的 预算.

2 虽然保险企业给予数据库极大的 关注并加大了投资, 但却收效甚微;

很 多也仅仅只是将老旧系统中庞大、 单调 的报告数据转移到新系统中, 而保险 企业手中的信息依然杂乱零散、 相互矛 盾、 更新缓慢且缺乏指导意义. 企业高 管和经理们在面对各种充满不详预兆 的报告时依然手足无措. 他们在解读这 些信息对于业务变动所具有的意义时 困难重重. 原因在于企业掌握的信息要 么过多, 要么太少, 很少能刚好符合需 要, 而且它们始终未能具备深度钻研和 分析问题真正根源的能力. 例如, 某国 保险企业每月按时向主管人员印发长达 500多页的报告, 但从未向管理层提出 过任何有关其工作重点的洞察. 虽然保 险企业已从数据采集步入数据报告阶 段, 却依然无法从商业智能中获取应有 的洞察和行动. 因此从实质上看, 保险企业此前的 商业智能计划基本上只形成了一些简单 的电子数据表. 高德纳咨询公司研究显示, 许多保 险企业如今仍无法实现对客户的 全面认识, 而它们为解决该问题所 付出的努力之一, 就是正在力保各 数据仓库中客户信息的完整性和 准确性.

1 2

3 商业智能: 大打折扣的 成果 当前, 商业智能为保险业实际带来 的变革似乎与当初承诺截然不同. 保险 企业原本应当获得具有如下特点的准 确数据: ? 获取方便, 人人共享;

? 非常详细而精确, 从汇总深入至每项 交易;

? 具有行动指导性, 为保险企业提供应 从何处着手以及如何提高经营绩效的 洞察;

? 为企业制定数据丰富的解决方案奠 定基础, 帮助保险公司管理经纪人、 客 户以及经营活动. 那么, 为何本应拥有更佳数据和系 统的保险企业, 仍在不断制作毫无洞察 力与影响力的静态电子数据表格? 其主 要原因表现在如下三个方面: 首先, 商业智能计划的重点在于技 术, 而非真正的资产――信息. 为从海 量客户数据中获取价值, 保险企业必须 通过统

一、 规范的管理手段, 提高数据 质量和一致性. 如果没有正确的流程和 操作, 技术就只能促进劣质数据的收集 和展现, 而无助于企业的经营活动. 第二, 新型商业智能系统的设计照 搬了老一代系统面向部门使用者的孤 立的片段式的报告模式, 而未能强调企 业整体的洞察力. 尽管特定用户报告非 常实用, 但创新型企业信息功能的真正 力量在于, 它能对整个企业内统一定义 的信息进行组织和分析――扩大企业 管理者的经营视野, 并深入了解企业各 个业务领域的绩效表现, 进而做出更加 明智的决策. 第三, 将商业智能视为一种信息技 术项目, 由信息技术部门进行管理和控 制, 而不是由企业级的业务部门管理. 在没有对新型商业智能系统有一定了解 的情况下, 负责业务的高管人员并不知 晓该系统所具有的报告、 分析和智能潜 力. 这种 职责 的错位导致了缺乏企 业数据治理、 无法有效统一数据源以及 低劣的数据质量. 在种类繁杂的保单、 索赔、 付费和其他传统系统的影响下, 情况将会进一步恶化. 这意味着, 如今 业务人员并未充分利用手中工具, 实现 从数据追踪到数据分析的转变. 尽管商业智能具有重要作用, 但据 高德纳预测, 2012年, 35%以上的 全球5000强企业将无法做出富有洞 察力的决策, 实现业务和市场领域 的重大变革.

3 4 整体企业观 但商业智能的前景并未因此而黯 淡下去. 随着分析法的不断发展和进 步, 商业智能越来越受到关注, 因其有 助保险企业将业务洞见纳入业务流程 之中, 释放自身的增长潜力. 保险企业 可将商业智能应用于企业的方方面面, 赋予员工更强大的洞察能力, 提高绩 效. 例如: ? 行销专员可以走入保险经纪人办公 室, 随身带着各种信息, 包括经纪人业 绩、 保险续约、 保险公司在一年前失去 的业务、 本地区市场数据等. ? 核保人员在进行风险评估时, 能够清 楚了解承保标的的风险情况、 某行业和 某地区类似标的的风险情况、 以及定价 趋势. ? 客服专员能够获得客户账户的完整 信息, 包括收益率、 索赔情况和服务历 史等. ? 索赔专员可掌握特定地区和服务类 型下供应商的赔付支出、 客户服务以及 损失结果等信息情况. 这就是商业智能的真正前景所 在. 它能将业务洞察转化为行动, 并使 企业的行动能力更为出色 (图1) . 拥 有了准确数据和分析实力, 保险企业 便能确定某一情况对其业务产生的影 响, 并制定适当的应对策略;

同时, 还 能将这些能力拓展至企业内部的所有 专业部门. 企业由此获得对包括产品开 发、 理赔分析到欺诈预测、 财务合规等 自身经营活动的全面认识, 并以此改 变和完善企业业务运营, 使员工的行 动更加统

一、 规范. 随着分析法的不断发 展和进步 , 商业智能已经 成为, 帮助保险企业将业 务洞见纳入业务流程, 并释放自身增长潜力的 必要手段. 图1. 整体商业智能如何为企业创造竞争优势 来源: 《数据分析竞争法: 企业赢之道》 (达文波特/哈里斯) ???? ????? ? ???? ? ??????? ? ??????? ? ??????!C!???????? ??????!C!????????? ??0??!C!?????????????????? ????!C!????????????? ??!C!????????????? ????0??!C!???????????? ??!????C!???????????????????????? ??????!C!??????????

5 对保险企业来说, 如果要从巨大 的商业智能投资中实现期望的投资回 报. 必须扭转数据系统的当前模式, 及 时向员工提供适当信息, 帮助其分析、 评估和应对不断变化的市场条件, 以推 动业绩增长. 这意味着企业必须将数据 治理、 监测和合规贯穿于整个数据生命 周期中 (图2) , 同时也意味着对报告进 行精心设计, 为企业提供整体化的数据 观以及适当的深入分析和洞察. 这些能 力在与具体的预期成果规划数据相结 合以后, 将变得极为强大, 为企业高管 提供相关洞察, 从而做出重要的业务决 策, 例如: ? 在最近的定价变动中, 真正的费率变 化是多少? ? 这种费率变化针对于某一特定行业 是否足够? ? 我公司新产品的索赔情况是否符合 我们之前的精算预测? ? 承保人应重点关注哪些投保申请? 例如, 预测性分析法就是这样一种 促动能力. 在接受埃森哲调查的保险企 业高管中, 89%的受访者认为, 未来三 年, 客户获取和客户保留很大程度上将 取决于企业向不同客户群提供个性化 体验的能力4 , 而这一能力又将依赖企业 的预测性分析法, 以便将数据转化为有 关客户、 保险代理和市场的实用洞察. 在保险营销方面, 预测性分析法可帮助 保险企业确定哪些客户最有价值增长 潜力、 企业应重点关注哪些市场、 以及 企业应雇用和部署哪些保险代理从而 提高业绩. 长期以来, 保险业中的预测性分 析法主要专注于风险细分或定价. 但对 保险企业而言, 预测性分析法具有更为 广泛的用途;

可用于企业的重要经营活 动, 从各个领域优化经营绩效. 例如, 在 将分析转化为行动的过程中, 预测性分 析法可帮助企业解答如下关键问题: ? 基于业务技能对核保人员分配核保 任务是否有意义?针对特定规模、 行业、 位置或范围的保险标的, 风险分析 信息可为我提供哪些洞察? ? 如何从营销支出中获取最大回报? 城 市或农村地区的保险经纪人谁拥有更 多机遇? ? 对于特定的损失类型, 从客户服务和 理赔的角度看, 谁是最佳理赔供应商? ? 对于特定的损失或行业类型, 哪些诉 讼人将最为合适? 成功的保险企业将成 为由数据驱动的、 更可衡 量和透明度更高的营销 组织, 其战略、 战术活动 及预算均建立在衡量指 标和分析法基础之上.

5 图2.数据管理生命周期 来源: 企业报告, 埃森哲研究 ???? ???? ???? ?????? ???? ???? ??????

6 7 商业智能掘金的六种途径 为通过商业智能投资获取更多洞 察与价值, 保险企业需采取以下六项关 键行动, 进一步推动实现整体观. 1. 建立一套与整个企业关系最为紧 密的核心数据. 建立这套核心数据的重要原因在 于, 它能对商业智能解决方案的数据要 求进行优先排序, 指导企业明确进行数 据治理的重要环节, 并明确如何开展实 施端到端数据管理解决方案. 这些解 决方案包括通过相关工具与治理措施, 形成前后一致的高质量、 符合标准的数 据组合, 确保企业进行连续不断的分析 和使用. 核心数据的建立还可确保商业 智能的重点覆盖整个企业, 而非偏向某 单一信息用户, 如保险精算师或财务人 员. 由于相关系统的庞大和信息用户的 多元性, 因此建立核心数据将是一项非 常复杂的行动. 但是, 它对于商业智能 解决方案数据的可用性至关重要. 2. 建立核心的管理中心, 明确其价值 并定义职能. 适当的治理措施以及共同的语言 和词汇可帮助企业实现数据的高度完 整性, 并提供有益洞见. 大多数保险公 司承认, 企业的数据字典、 数据管理员 和数据治理委员会等行动计划, 对支 持企业数据治理工作具有重要作用. 然而, 仅有27%的受访保险企业已拥有这 些行动计划, 40%以上的受访保险企业 并无计划在未来一年引入此类行动计 划. 6? 但是, 控制数据管理不仅仅是数 据治理, 它包括积极持续地对数据进行 质量评估和对关键数据进行有效管理, 以确保数据拥有最高质量, 同时符合相 关标准. 美国嘉定人寿保险公司 (Guardian Life) 首席信息技术架构师布赖恩?帕 加诺 (Brian?Pagano) 表示, 数据治理 并不是决策流程中的某个环节, 而必须 是企业每一项流程的核心. 为此, 嘉定 人寿设立了一个企业级工作部门, 负责 评估和获取新型技术, 并负责满足来自 营销部门不断增加的技术需求. 该核心 团队会依据业务需求、 战略和要求, 推 动技术评估工作, 从根本上排除部门投 资采用的点状解决方案无法与企业基 础设施进行整合的情况. 3. 开始有计划地对数据进行清理. 虽然保险企业通常掌握着丰富的 数据资源, 但它们也会面临许多数据质 量问题. 因此, 保险企业必须在实施相 关数据管理解决方案的同时, 也开始着 手对现有数据和历史数据进行一定的 清理. 此类清理工作是否需要开展取决 于数据的重要性和该项工作的投资回 报率. 例如, 保险企业为完善客户........