Embed Size (px)
Citation preview
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）
智能深度
–
–
–
–
–
–
–
–
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
数据管控
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（BrianPagano）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数据
和多年客户历史信息而开展的数据清理
将极具价值。另一方面，确定承保人旧
有信息的行为可能没有多大用处，也缺
少投资回报（甚至会毫无回报）。
在新型商业智能技术的帮助下， 如今，一家大型财产保险公司可以每日获得最新数据，而不像过去那样耗时数月才能完成，数据的取得过程也更加便捷。因此数据用户能够专注于进行分析并解读其深层含义，而无须将时间耗费在数据收集和整理工作上。
8
4. 快速开发商用工具。
数据分析工具可帮助保险企业更
加容易地分析和挖掘数据，以确定相关
衡量标准、识别发展趋势、相互关系和
异常现象。网络型计分卡、仪表板、报
告和交互式分析工具正被逐步纳入许
多保险流程，如前台部门、索赔或客户
关系管理等。先进的分析工具可用于结
构化及非结构化数据的实时分析，帮助
保险企业在事件发生前更好地进行行
为预测并采取应对行动，如保险欺诈
的侦测和识别。
“埃森哲卓越绩效销售人员分析
仪”便是帮助保险公司提高代理人业
绩的一种分析工具。该工具可为保险企
业提供特定地区最佳代理人的具体特
征。因此，保险企业可利用此信息，雇
用并保留符合相关特点的高潜力代理
人，并制定培训和绩效管理方案，鼓励
全体代理效仿企业中卓越绩效人员的
行为、态度和特点。
5. 报告智能化。
报告不应仅简单地显示信息，而需
要具备足够强大的智能性，以强调企业
高管需予以高度关注的领域。为此，保
险企业首先应以全新的开放视角，探究
如何最好地利用信息，提高业务绩效。
您需要了解哪些信息？企业主要关注
哪些问题？哪些衡量标准和基准能显
示企业经营绩效的高低情况？如何解
释索赔发生率高于精算预期的情况？此
外，保险企业还需制定关键的要素以识
别问题和判断走势，利用智能图形进行
多维度分析，并为管理者提供培训，以
便其对报告进行正确解读，并根据相应
洞见决定采取适当行动。
6. 构建解决方案，提供广泛而细致
的洞见。
保险企业高管应立足企业全局，根
据需要进行深入研究。商业智能的巨大
价值在于它能获取信息，突出企业需要
高度重视的经营问题，以便更好地了解
和解决这些问题。从本质上讲，整体式
商业智能有助管理者更加贴近有待解
决的经营问题。例如，仅仅从提交的信
息来看，企业领导者或许只会发现上一
年业务量有所下降，但却无法了解其真
正缘由。但是，如果有先进报告工具的
帮助，通过对各地区的信息、产品、经
纪人和承保人进行动态分析和评估，企
业高管就能发现问题的根源在于某代
理商管理的一个保险经纪人已于近期
同公司解约。这样的发现将有助企业采
取相应对策，解决问题。
提升商业智能
为了更好地明确自身业务经营的
前进方向，保险企业必须充分挖掘商
业智能的所有潜力，其中既存在着巨大
的机遇，同时也需要完成许多艰巨的工
作。借助商业智能，保险企业的大量数
据可通过精密的分析工具加以过滤，从
而有助企业更快做出决策，采取具体行
动，改善业务经营，并最终实现增长。
埃森哲保险业商业智能解决方案
为帮助保险企业实现卓越绩效，埃森哲信息管理服务部门开发了埃森
哲保险业商业智能解决方案。这是一套综合应用系统，能够满足保险企业
对商业智能的需求，包括原始数据衡量指标以及详尽的假设性分析法。该
解决方案可与行业标准体系充分整合；以经营目标平台为基础，并适用于
SAS、Cognos、微软等其他平台。埃森哲保险业商业智能解决方案由如下四
大核心部分组成：
• 企业衡量标准管理（EMM）-包含必要的战略、流程和技术组成部分，
以确保通过定制化、规则导向型的执行仪表板快速获得适当且一致的业绩
衡量标准。
• 报告 -使保险企业具备基于网络智能报告的综合报告能力。网络智能报
告能深入探究企业的衡量标准，根据任意选定的指标，提供有关企业业绩
详细而灵活的实时分析。
• 假设性分析法与情境规划 -通过先进的建模能力，从EMM和报告模块
中获取业绩数据并对数据进行检验，同时还可对任意选定变量组合的变化
情况进行追踪。这有助企业高管提前模拟各项管理行动所能产生的影响及
相互依赖关系。
• 保险数据迁移工厂 - 专门用于将数据从老化系统高效迁移至新的商业
智能系统。数据一旦得以转换和清理，保险企业便可利用多个平台和工具
展开信息分析。数据迁移工厂迄今已完成80多次数据转换，迁移了4500多万项条款和账户信息。
充分利用商业分析
埃森哲保险业商业智能解决方案操作简便，拥有人性化的图形界面，
仪表板、图表和色彩等功能的使用极为明确和一致。其中，三大核心要素
（EMM、报告、分析法）已整合为统一的解决方案，有助用户在各应用间以
无缝和互联方式使用相同的业绩数据。
通过将企业衡量标准管理、报告和假设性分析法相结合，保险企业由
此便拥有了一种具有成本效益且便于实施的解决方案。该解决方案包含企
业用以完善决策流程、实现卓越业绩的全部必要支持因素。
9
10
作者简介
安东尼•拉耶利（AnthonyRjeily），
埃森哲北美地区金融服务管理咨询、分
析与交互事务部门董事总经理。他专注
于通过转型变革计划，协助客户重建业
务和运行模式，开发制胜分析法和数字
能力。
迈克尔•F•赖利（MichaelF.Reilly），
埃森哲保险业务部门高级经理。曾帮助
美国、加拿大、丹麦、瑞典等全球各地的
领先保险企业转变自身经营活动和组织
架构。
参考文献
1.高德纳咨询公司，“市场趋势：2011年
保险业无法回避商业智能和分析法”，
德利•N•芬克尔戴伊（Der r y N .
Finkeldey），丹•萨默尔（DanSommer），
2011年6月30日
2.Ward研究中心，“信息技术支出：2011
年焦点”，2011年1月
3.高德纳咨询公司，“2009-2012年商业
智能五大预测”，2009年1月
4.埃森哲，“通过预测性分析法转变经
销和营销方式”，2011年4月
5.首席营销官理事会与埃森哲交
互，首席营销官/首席信息官联合
责任报告，www.accenture .com/
accentureinteractive
6.Novarica咨询公司，“保险业商业智
能：现状、挑战与期望”，2010年11月
关于埃森哲
埃森哲是全球领先的管理咨询、信
息技术及外包服务机构。凭借在各个行
业领域积累的丰富经验、广泛能力以及
对全球最成功企业的深入研究，埃森哲
与客户携手合作，帮助其成为卓越绩效
的企业和政府。作为《财富》全球500强
企业之一，埃森哲全球员工逾257,000
名，为遍布120多个国家的客户提供服
务。截至2012年8月31日结束的财政年
度，公司净收入达279亿美元。
埃森哲在大中华地区开展业务逾
20年，目前拥有一支约8,200人的员工
队伍，分布在北京、上海、大连、成都、
广州、香港和台北。作为绩效提升专家，
埃森哲始终专注于本土市场的实践与成
功，致力实现超凡的客户价值与成果。埃
森哲帮助客户确定战略、优化流程、集成
系统、引进创新、提高整体竞争优势，从
而成就卓越绩效。
详细信息，敬请访问埃森哲公司主
页www.accenture.com以及埃森哲大
中华区主页www.accenture.cn。
13-0087SL
Copyright©2013Accenture埃森哲版权所有
埃森哲及其标识与成就卓越 绩效均为埃森哲公司的商标。
