大数据解决方案在保险行业的应用实践

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,10/25/2016,#,Copyright 2014 Hewlett-Packard Development Company,L.P.The information contained herein is subject to change without notice.,目录,大数,据在保险行业的机遇与挑战,针,对保险行业的大数据解决方案,保险及金融行业的成,功案例介绍,华夏人寿实施大数据的建议路径,以用户为中心建设互联网保险,客户获取,客户转化,客户服务,客户挽回,战略,&,规划,明,确并聚焦目标,分析,&,洞察,全方位深入分析,应用,&,营销,&,交互,多渠道协同，数据应用,客户体验,建设可靠信任关系,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数,据,分析,客户细分模型,客户价值模型,忠诚,度模型,受,众群体扩展模型,社会,网络模型,客,户获取,客,户转化,客,户服务,数,据,应用,业务转型,大数据技术与平台支撑,大数,据分析技术和工具,保险企业客户分析模型,不断优化的管理闭环,外部数据,内部,数据,数据模型,业务应用,用户行为偏好数据匹配,DATA,01,：建设思路,02,：建设目标,03,：业务规划,04,：技术实现,保险行业发展大数据的难点,数据多,整合困难,客户多,分析困难,需求多,应用困难,数据来源的多样性,数据类型的复杂性,数据特征的多元化,数据处理方法的差异化,组织内部数据的分散性,数据共享机制的缺乏,怎么识别客户全方位的特征？,怎样有效细分客户？,怎样提取客户的共同需求？,怎样利用不同模型,/,算法生成客户多样化标签？,怎样进行客户,行为偏好,分析？,如何与客户实时交互,如何及时响应客户的需求,如何提供满意的客户体验,如何降低客户流失,如何控制客户维系成本,如何对客户进行精准营销,大数据管理平台,应用平台,大数据采集,业务数据汇集系统,用户行为数据采集系统,互联网公开数据抓取系统,大数据清洗,业务数据清洗系统,用户行为数据清洗系统,互联网公开数据清洗系统,大数据标准化,用户多重,ID,归一化系统,商品归一化系统,大数据结构化,用户标签管理系统,商品标签管理系统,管理平台,基础平台,可视化数据操作平台,大,数据操作系统（,BD-OS,）,数据全生命周期管理,业务流程全生命周期管理,业务价值挖掘建模,数据访问,资源管控,分布式存储（磁盘及内存）,数据接入,安全,(,认证 权限,ACL),监控 配置及报警,安装及云服务,电子商城,个性化,系统,移动商城,个性化,系统,媒体网站,个性化,系统,在线营销,支持系统,门店营销,支持系统,会员营销,支持系统,全网市场,监控系统,舆情管家,商情管家,用户洞察系统,个性化推荐引擎（,BRE,）,自动化营销引擎（,BME,）,大数据分析引擎（,BAE,）,媒体网站,个性化,系统,目录,大数,据在保险行业的机遇与挑战,针,对保险行业的大数据解决方案,保险及金融行业的成功案例介绍,华夏人寿实施大数据的建议路径,以用户为中心建设互联网保险,客户获取,客户转化,客户服务,客户挽回,战略,&,规划,明,确并聚焦目标,分析,&,洞察,全方位深入分析,应用,&,营销,&,交互,多渠道协同，数据应用,客,户体验,建设可靠信任关系,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数,据,分析,客户细分模型,客户价值模型,忠诚,度模型,受,众群体扩展模型,社会,网络模型,客,户获取,客,户转化,客,户服务,数,据,应用,业务转型,大数据技术与平台支撑,大数,据分析技术和工具,保险企业客户分析模型,不断优化的管理闭环,外部数据,内部,数据,数据模型,业务应用,用户行为偏好数据匹配,DATA,为保险企业提供端到端的整体解决方案,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数,据,分析,客户细分模型,客户价值模型,忠诚度模型,受众群体扩展模型,社会网络模型,客,户获取,客,户转化,客,户服务,数,据,应用,业务转型,外部数据,内部,数据,数据模型,持续优化,DATA,客户,归一,1,2,3,4,5,6,01,：,海量多源异构数据的整合,第一方数据,实时用户行为,采集内容,：,CRM,、信用卡等业务系统数据,数据格式,：关系型数据库,独特优势,：灵活、易扩展、高操控性,业务系统数据,采集内容,：用户行为轨迹,数据格式,：自定义、高度灵活,独特优势,：实时、跨站、跨浏览器、跨设备、,采集内容,：,Txt,、,CSV,、,Excel,、,XML,、,Word,、,PDF,、,Socket,独特优势,：,支持非结构化数据、实时、高效,日志数据,抓取内容,：媒体资讯、贴吧、微博、搜索引擎、,数据格式,：将,HTML,转换为格式化数据（,Json,）,独特优势,：精确的流量控制、,JS,引擎、模拟登录、模拟用户行为、功能全面、操作简单,数据探头系统,数据桥接系统,日志收集系统,抓取系统,互联网开放数据,采集内容,：央行征信、银联交易等合作方数据,数据格式,：可支持各种第二方数据格式,独特优势,：支持多种数据格式，按需采集，灵活、易扩展,SDK/API/,接口,合作方数据,第二方数据,第三方数据,大数据平台,01,：,海量多源异构数据的整合,第一方数据,实时用户行为,采集内容,：,CRM,、信用卡等业务系统数据,数据格式,：关系型数据库,独特优势,：灵活、易扩展、高操控性,业务系统数据,采集内容,：用户行为轨迹,数据格式,：自定义、高度灵活,独特优势,：实时、跨站、跨浏览器、跨设备、,采集内容,：,Txt,、,CSV,、,Excel,、,XML,、,Word,、,PDF,、,Socket,独特优势,：,支持非结构化数据、实时、高效,日志数据,抓取内容,：媒体资讯、贴吧、微博、搜索引擎、,数据格式,：将,HTML,转换为格式化数据（,Json,）,独特优势,：精确的流量控制、,JS,引擎、模拟登录、模拟用户行为、功能全面、操作简单,数据探头系统,数据桥接系统,日志收集系统,抓取系统,互联网开放数据,采集内容,：央行征信、银联交易等合作方数据,数据格式,：可支持各种第二方数据格式,独特优势,：支持多种数据格式，按需采集，灵活、易扩展,SDK/API/,接口,合作方数据,第二方数据,第三方数据,大数据平台,5.5,亿,+,用户,全,网画像：,9,大维,度,500,+,子维,度,1,100,万,+,用户标签,日,活跃,4,000+,万,UV,：,日,活跃访次：,3,700,万,日,活跃,PV,：,1.2,亿,日,推荐次数,：,6,000,万,并发推荐：,2,万次,/,秒,单,次响应时间：,200ms,21,大类,4,000,+,子类,400,+,商品标签维度,100,万,+,商品标签数,1,亿,+,商品,全,网画像：,1,000,万,+,媒体,标签：,20,大类,1,000+,子类,200+,媒体标签维度,第 三 方 数 据,客户盘点：,1,500+,互联网企业客户,02,：跨渠道用户,ID,归一,03,：用户画像,客户收入支出信息,客户渠道使用,客户资金往来,.,客户基本信息,客户持有产品,客户历史交易,客户风险等级,事实,标签,用户画像标签,原始,数据,预测,标签,模型,标签,资金往来趋势,产品购买次数,投诉次数,.,人口属性,账户历史趋势,渠道使用频率,.,用户关联关系,用户满意度,用户风险评分,.,产品购买偏好,渠道使用偏好,用户活跃度,.,消费能力,违约概率,用户近期需求,.,人口属性,人群属性,用户流失概率,.,人口属性,用户价值,用户兴趣爱好,.,模型预测,建模分析,统计分析,03,：用户画像,客户收入支出信息,客户渠道使用,客户资金往来,.,客户基本信息,客户持有产品,客户历史交易,客户风险等级,事实,标签,用户画像标签,原始,数据,预测,标签,模型,标签,资金往来趋势,产品购买次数,投诉次数,.,人口属性,账户历史趋势,渠道使用频率,.,用户关联关系,用户满意度,用户风险评分,.,产品购买偏好,渠道使用偏好,用户活跃度,.,消费能力,违约概率,用户近期需求,.,人口属性,人群属性,用户流失概率,.,人口属性,用户价值,用户兴趣爱好,.,模型预测,建模分析,统计分析,客户全景视图,交易信息,基于现有各个业务系统和渠道产生的数据,客户行为偏好信息,包含客户即时偏好分析和长期偏好分析，形成客户兴趣偏好标签,客户社会,关系网,客户交互信息,基于分析客户对内对外的各类数据，形成完整的客户交互标签,人口统计学标签,基本属性，源于现有客户基本信息以及外部数据源,性别,家庭住址,工作单位,年龄,收入和支出,交易流水,产品和服务,购买历史,近期金融产品需求,客户意见,反馈,未来服务预期,客户行为,偏好,客户沟通记录,(,邮件,/,短信,/QQ,),客户讨论,倾向,客户态度和观点,KAM,基于企业业务需求、场景构建标签，划分主题、颗粒度等,示,例,04,：商业建模,相似度计算,推荐算法,文,本挖掘算法,分类聚类算法,预测算法,模型一：客户细分模型,挖掘高价值客户，提升非付费客户到付费客户的转化率,客户分类,描述,实现步骤,高价值,客户画像,高价值客户可定义为：,1,、件均保费高的期缴保单客户,2,、保单数排名前矛的客户,对高价值客户进行画像，归纳总结高价值客户群体特征，从现有客户中,挖掘有潜力的客户,，使其转化为高价值客户,1,、抽取,A,公司高价值客户和非高价值客户两个数据样本,2,、分析两个样本的群体特征，找出高价值客户群相对非高价值客户群的区别，并进行画像,3,、根据画像结果，按照营销跟进并根据效果进行持续优化,付费,客户画像,通过分析付费客户和非付费客户，画像两个群体的差异特征，并从非付费客户中寻找符合付费客户的特征，针对性的销售以,提升转化率,1,、提供付费和非付费客户样本群进行初步分析，取得差异化特征维度,2,、针对差异化维度进行建模测试，训练并达到预期建模效果,3,、从非付费客户群中抽取与付费客户特征相似的客户进行有针对性的营销,模型二：客户的价值模型,精准的营销,不存在错误的客户，只存在错误的宣传。,个性化推荐和营销就是在,最合适的时间,、,以最恰当的方式,、向客户推荐或营销他,最需要的,资讯、产品或服务。,场景,1,：个性化精准营销,场景,2,：,实,时的精准营销,不同的用户,不同的产品,个性化推荐和营销,出行之前，看到的不再是重复的广告，而是针对性的旅行保险广告,进入系统，伴之而来的广告不再是千篇一律的“垃圾”广告，而是考虑了职业、性别、年龄、收入等因素的针对性产品,市场细分是解决用户异质性的一种方法，而个性化则是市场细分的极致，即把每一个用户看成一个细分市场，这也是营销的终极目标。,用户的“异质性”与产品的“差异化”,模型三：客户的忠诚度模型,针,对不同类型用户采用不同的营销策略,购买,比数,得,分,最高金,额,得,分,平均金额,得,分,最近购物,得,分,活跃家数,得,分,5.00,4.00,3.00,2.00,1.00,消费能力,用户粘性,低活跃低价值用户，综合考虑是否有必要花成本,活,跃用户，提高服务质量进行引导,一般保持客户,一般挽留客户,重,要保持客户,重要挽留客户,重要发展客户,重要价值客户,一般发展客户,一般价值客户,高价值低活跃，花成本搞活,最近一次消费,(,Recency),消费频率,(,Frequency),消费金额,(,Monetary),客户价值,重要价值客户,重要发展客户,重要保持客户,重要挽留客户,一般价值客户,一般发展客户,一般保持客户,一般挽留客户,模