保險大數據環境數據治理研究

導語：保險大數據環境數據治理研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

［摘要］隨著保險數據規模的急劇增長，如何依靠數據治理策略，有效地降低保險大數據的維護成本，進而充分彰顯保險數據的實際價值，已成為保險領域的熱門研究話題。本文在對當前保險行業數據系統缺陷分析的基礎上，給出了保險大數據環境下的數據治理框架范式。該框架范式包含了針對保險大數據的數據治理、數據監控、數據應用等方面，這對保險領域大數據治理體系的建立有著重要的理論意義和現實價值。在此基礎上，進一步分析了人工智能方法在該數據治理框架下的應用前景。

［關鍵詞］大數據；保險領域；數據治理；數據質量；人工智能

隨著移動互聯網等技術的迅猛發展，絕大多數保險企業都上線投入并運行了與自身管理相關的業務系統，這些線上保險業務系統在輔助保險人和后臺管理人員工作效率方面都取得了顯著的成效。然而，伴隨著數據規模的急劇增長，各類不完善數據（如不確定、不精確、沖突、不真實）的存在，使得保險企業對于商業保險數據的有效挖掘和深度分析舉步維艱。為此，針對保險大數據的治理理念應運而生。保險企業能夠通過數據治理加強數據的管理，提升數據的質量，充分地挖掘保險商業數據的價值［1］。

一、保險大數據治理的框架

伴隨著線上線下保險業務的飛速發展，保險企業所搜集的數據普遍存在著各級信息子系統間的數據規范和標準不一致等問題，致使內部管控與監管、外部服務與監控間的協同性問題越來越突出，具體表現在如下幾方面：（1）缺乏一致的數據格式，進而導致保險企業系統內部對各渠道獲取的數據難以形成一致的表述；（2）各地區保險業務數據本身的真實性、準確性、可靠性等方面無法保障；（3）保險企業自身的數據治理系統不完備，難以實現對時序性保險數據質量的有效監控；（4）商業保險數據本身的隱私性、安全性難以有效保障［2］。為了有效解決這些問題，針對保險大數據的數據治理框架的提出顯得尤為迫切。保險大數據的治理系統本身就是一個匯集數據管理、數據質量提升和數據應用為一體的系統。該系統能夠通過構建有效的數據管理規范、方法與機制，使保險企業收集的業務數據等依據規范進行存儲，并通過相應監控手段進行調整與質量提升，從而最大化程度地實現保險商業數據的價值。正因為數據治理對于保險行業的重要性，2018年5月，銀保監會印發了《銀行業金融機構數據治理指引的通知》（銀保監發〔2018〕22號），從國家層面開啟了數據治理的發展新趨勢［3］。數據治理的概念越來越受到了國家、行業、企業的多方關注，目前已然成為大數據生態產業中的重要構成因素。本文從實際應用考慮，將大數據治理系統的主要構成繪制于圖1所示。從圖1中可以看出，保險數據治理本身就是一個系統性問題，為了能夠更高效率地取得保險大數據的治理效果，保險數據治理的步驟應當按照四字方針執行，即：管、梳、治、用。其中，“管”對應的是保險數據治理最重要的任務——數據的管理；“梳”是數據的梳理；“治”是對保險數據進行質量與安全性的全面監控；“用”則是最高層級的治理，保險企業挖掘數據本身的價值，將其應用于提升企業效益等等方面［4］。圖1數據治理框架

（一）數據管理

數據管理是數據治理的核心功能。通過對數據的管理，包括對原始數據的類型分析，不同渠道獲取的數據間關聯關系、異質數據的整合與存儲、數據計算等等，為實現對保險大數據有效治理提供基礎保障。

（二）數據梳理

在數據管理的基礎上，需要對系統中數據進行有效梳理。梳理數據的目的在于發揮和提升數據的應用價值。通過標準化的數據梳理，使得保險企業工作人員能夠高效且方便地進行數據查找、數據篩選、數據分析，形成規范化的數據字典。

（三）數據監控

數據監控，本質上也可以稱之為數據質量的監控，通過設定相應的系統訪問權限、存儲過程中規范約束控制與處理、系統隱私與漏洞發現等環節，實現對保險數據治理系統的實時監控［5］。其目的在于維護數據治理系統的穩定與安全，確保系統數據的規范性、準確性、安全性等。

（四）數據應用

數據應用環節，其實是數據治理下數據質量的驗證環節，也可以看成是數據治理之后數據價值的有效體現途徑。數據應用給保險企業帶來的具體效益表現在：（1）使得雜亂無章的原始數據規范化、可視化以及規律化，便于企業管理人員統計分析，提升工作人員工作效率；（2）使得數據挖掘能夠有效推進，促進保險企業高效發現潛在的市場；（3）人工智能算法能夠在數據治理的框架下發揮更好的預測功能，使得企業規劃與決策更加可靠。圖2展示了數據管理、數據梳理、數據監控、數據應用四者的關聯關系圖。

二、人工智能在保險大數據治理框架中的應用前景分析

人工智能理論方法與數據治理的關系是相輔相成的。系統通過數據治理，使得產生的數據質量更高且格式統一，從而為人工智能的相關模型提供更高質量的輸入，為人工智能實際應用提供保障［6］。另一方面，人工智能的相關模型與算法也能夠用于優化數據治理的相關功能，本文在這一節主要對人工智能相關算法在數據管理和數據監控方面的應用進行展望分析。

（一）人工智能算法在數據管理方面的應用分析

正如前面所討論的，數據管理的目的在于發現數據間的關聯關系，以便實現更為規范化的數據管理功能。這其中數據模型是數據管理的核心基礎。通過一個穩定且可靠的數據模型，能夠有效地挖掘出保險企業各種業務間的關聯關系。這一類數據模型本質上就是人工智能理論中的相關模型的本體，如概念模型、邏輯模型等。一種典型的應用場景就是通過知識圖譜的方式形象生動地展示實體及實體間的關系結構圖。

（二）人工智能算法在數據監控方面的應用分析

數據監控的本質目的在于保障數據的安全，特別是保險等金融行業，直接關系到用戶和企業的核心利益。為了能夠有效保障數據的安全性，就需要對保險企業系統中規模龐大的數據進行有效分級。針對數據的有效分級可以通過人工智能理論中相應的文本無監督與有監督分類算法實現，從而對數據進行基于內容的實時精準分類分級，促進數據治理系統中數據監控功能的智能化［7］。

三、結論

隨著大數據在保險行業應用的不斷深入，數據治理作為企業的核心資源的地位日益凸顯。鑒于數據治理受到越來越多的關注，本文給出了一種基于保險大數據的治理框架范式，并著重對數據治理中管理、梳理、監控、應用等功能進行了分析，最后，進一步展望了人工智能算法在數據管理與數據安全方面應用的前景。

［參考文獻］

［1］蔡翠紅，王遠志.全球數據治理：挑戰與應對［J］.國際問題研究，2020（6）：38-56.

［2］李柳音.數據治理中數據智能分類技術的應用研究［J］.衛星電視與寬帶多媒體，2020（9）：15-17.

［3］楊琳，高洪美，宋俊典，張紹華.大數據環境下的數據治理框架研究及應用［J］.計算機應用與軟件，2017，34（4）：65-69.

［4］張寧，袁勤儉.數據治理研究述評［J］.情報雜志，2017，36（5）：129-134.

［5］許健，王彥博，張杭川.以數據治理賦能銀行金融科技［J］.銀行家，2018（7）：73-75.

［6］趙大偉，杜謙.人工智能背景下的保險行業研究［J］.金融理論與實踐，2020（12）：91-100.

［7］李雨霏.人工智能在數據治理中的應用［J］.信息通信技術與政策，2019（5）：23-27.

作者：吳倩 趙誠雅 葉立武 吳海洋 宋姍姍 王瑋 單位：中國人壽保險股份有限公司