1、中国保险行业数字化转型系列行稳致远，打造中国数智化保险企业制胜策略2023年1月行稳致远，打造中国数智化保险企业制胜策略1目录前言第一章 展望未来，险企数智化转型势在必行第二章 立足当下，直面险企数智化转型挑战第三章 行稳致远，险企数智化转型制胜策略结语51331933行稳致远，打造中国数智化保险企业制胜策略2行稳致远，打造中国数智化保险企业制胜策略3展望2030，保险行业将从事后“评估与服务模式”加速向“可预测、个性化和生态化模式”转变。数据能帮助险企更好了解客户，进而打造更具有吸引力的产品和服务；此外数据也能帮助险企显著提升运营效率，因此险企数智化转型势在必行。立足当下，国内险企数字化转型

2、尚处于起步阶段，需直面业务和技术两方面的挑战。就业务层面而言，险企往往缺乏基于业务战略的数据治理与应用策略，以及业务端在数据驱动的转型中参与度不够。就技术层面而言，其瓶颈在于缺乏兼具业务知识与技术能力的复合型数据人才。行稳方能致远，为充分挖掘数据资产的业务价值，我们建议险企遵循“公司战略导向、业务场景构建、数据治理配套和敏捷方式推进”的原则，体系化打造数据驱动型保险企业。本文基于麦肯锡的行业实践与研究，将围绕险企数智化转型的必要性、挑战及解决方案三方面展开论述，希望为保险企业提供制胜未来的破局思路。前言行稳致远，打造中国数智化保险企业制胜策略4行稳致远，打造中国数智化保险企业制胜策略5第一章展

3、望未来，险企数智化转型势在必行展望2030，保险行业将从事后“评估与服务模式”加速向“可预测、个性化和生态化”、甚至是“预估和预防模式”转变。在现有“评估与服务模式”下，个人提供数据用于评估其自身风险，保险公司则根据预先测算好的风险偏好与服务水平对个人风险进行选择与定价等。而未来，在“可预测、个性化和生态化”模式下，保险公司需要更多利用第三方数据，主动和更精细化评估、预判个人风险，并据此为客户提供个性化、甚至可能随着个人行为变化而动态优化的产品与服务（见图1）。保保险险行行业业2030展展望望图17.综合互动平台帮助将多个行业的数据、洞见和服务加以整合，搭建生态9.随着综合解决方案的面市，寿险

4、、理财和健康之间的界限变得模糊11.代理人使用智能个人助理优化任务，同时机器人也会为客户推荐解决方案13.采用个性化医疗为每个家庭量身定制健康策略和保险产品5.通过算法平台完成大多数方案设计工作，代理人提供人性化的建议并强化客户关系6.越来越小的风险池和个性化定价导致定价的复杂度增加8.高度动态的、基于使用情况的保险产品激增，并越来越根据消费者行为而实现定制化10.大概90%以上的保单可实现直通式处理并自动直接承保12.规范性算法助力保险公司在客户相应的风险指标超过阈值后积极进行干预，防患于未然14.机器人和自助渠道能够模仿人类的同理心和对话能力，从而降低70%-90%的服务成本1357911

5、42022-30预预测测、个个性性化化和和生生态态化化2030+预预估估和和预预防防目目前前评评估估与与服服务务4.高级算法匹配确定最佳渠道和顾问3.使用从移动设备和第三方收集的信息，主动评估风险并提供个性化的产品与服务2.通过预先制定的服务水平协议对保单进行定价、销售及售后服务1.个人提供数据用于评估其自身的风险资料来源：Ramnath Balasubramanian;Ari Libarikian 和 Doug McElhaney;保险2030-人工智能对未来保险业的影响；麦肯锡保险咨询业务行稳致远，打造中国数智化保险企业制胜策略6数数据据驱驱动动的的个个性性化化客客户

6、户旅旅程程客客户户开开展展再再营营销销，保保持持互互动动线线索索转转发发至保险代理人，对不愿在线上购买的客户进行线下跟进充充分分利利用用客客户户旅旅程程端端到到端端行行为为数数据据，进行智能推荐、线上咨询等基于用户特征（第三方cookie）或搜索记录等形成个性化解决方案推荐页通过精准用户画像、线上营销等，高高效效生生成成线线索索数数字字化化客客户户旅旅程程09:24LTE需需要要新新的的保保险险？A 车车险险测测算算产产品品详详细细费费率率不不妨妨了了解解一一下下我我们们实实惠惠的的全全包包型型车车险险产产品品家家居居险险09:24LTE 获得您的保险方案A 我我的的爱爱车车寻找车型检索自有数

7、据库品品牌牌09:24LTEA 1 19 99 9元元/月月您您的的方方案案只需3步便可完成投保方方案案说明个人数据推荐面向单户或双户住宅的家居及房东保险1500万元服服务务保险责任房屋拥有燃油罐/燃气罐保险覆盖施工项目保额保保险险方方案案09:24LTE谢谢谢谢！感谢选择我们的车险产品A 下下载载保保险险合合同同您将很快收到确认邮件请下载您的投保文件附件您也可在“我的保险”页面合同处随时查阅查查看看我我的的信信息息更更多多优优惠惠：室室内内财财产产保保险险+3 30 00 0元元优优惠惠券券获获取取线线索索便便于于未未来来持持续续服服务务线线上上线线下下线线上上转转化化(直直接接购购买买)制

8、胜未来，险企数智化转型势在必行。数智化转型的终极目标是打造一个业务与科技高度融合、数据驱动的公司级平台，从而打造快速、精准、智能且个性化的客户旅程（见图2）。寿险产品逐渐过渡到以个性化定制为导向的“诊断与预防型”产品，例如连续核保模式将纳入更多生活方式数据、健康与环境等高频次数据，彻底改变传统寿险精算定价与核保的方法。国内领先险企已在线上化、数字化和大数据应用上取得显著成绩，为数智化转型奠定了良好基础，此外国家也在规划和政策层面给予了必要支持。数数据据驱驱动动的的个个性性化化客客户户旅旅程程图2行稳致远，打造中国数智化保险企业制胜策略7近年，各大保险企业纷纷加速推进以线上化和自动化为核心的数字

9、化转型。预计到2025年，行业线上客户占比将超过60%，承保自动化率将达到70%，核保自动化率将达到80%，理赔自动化率将超过40%（见图3）。这一过程也将生成大量高质量的业务数据，为险企进一步数智化转型奠定了基础。一、线上化与自动化建设为数智化转型奠定基础险险企企线线上上化化与与数数字字化化建建设设奠奠定定了了数数智智化化转转型型基基础础图3数据来源：中国保险行业协会保险科技“十四五”发展规划平平均均线线上上客客户户占占比比承承保保自自动动化化率率核核保保自自动动化化率率理理赔赔自自动动化化率率42%56%65%22%60%70%80%40%20202025行稳致远，打造中国数智化保险企业制

10、胜策略8与线上化和自动化建设同步，险企也在积极围绕保险业务价值链，推进大数据应用试点与推广，且已经初见成效。在数智化转型项目中，险企借助人工智能技术，体系化落地实施保险大数据用例，实现了5%15%的新业务增长、交叉销售与向上销售提升510倍，退保率下降10%20%（见图4）。二、大数据应用试点与推广初见成效理赔优化欺诈检测现金赔付与案件分流法律费用减少损失程度与类型预测理赔网络优化准备金优化理赔流程可视化与数据挖掘下一步最佳行动与CustomerOne1工具相结合流失客户挽回弹性与行为定价模式报价流程简化价格优化险险企企借借助助人人工工智智能能，体体系系化化落落地地实实施施保保险险大大数数据据

11、应应用用场场景景图4理理赔赔定定价价与与核核保保市市场场与与渠渠道道核保自动化与直通式处理渠道与营销支出优化交叉销售与向上销售客户留存与流失成成效效示示例例 线线索索优优先先级级分分类类：新业务增长5%-15%交交叉叉销销售售：产品交叉销售额是BAU业绩的5倍 向向上上销销售售：产品向销售额增长5-10倍 客客户户留留存存：保单流失率下降10%-20%流流失失客客户户挽挽回回：销售转化率提高4倍 效效率率：效率提升15%-30%123纯技术定价损失风控建模面向市场定价产产险险定定价价与与核核保保寿寿险险定定价价与与核核保保1.CustomerOne是麦肯锡QuantumBlack公司的AI工具

12、包，致力于为B2C企业提供一流的客户价值管理服务代理人网络优化死亡率建模客户生命周期价值案件动态评估核保自动化与直通式处理（产险）纯技术定价（伤残长期护理）行稳致远，打造中国数智化保险企业制胜策略9在保险业务端，大数据应用在寿险和财产险均能创造价值，但各有侧重。对寿险而言，目前大数据应用主要分布在渠道和销售领域，能促进保费增长、提升运营效率。在促进保费增长上，险企可基于多渠道数据分析用户画像，深入了解用户需求，为客户提供更加精准的产品和个性化服务，并通过智能获客、询报价助手（如预报价、保险方案推荐、报价材料推荐）、免核产品智能推荐等功能，提高渠道销售成功率。在提升运营效率方面，险企可聚焦承保、

13、保单管理和核保理赔等环节实现降本增效。例如，某寿险公司将产品方案与客户数据融合，根据客户类型差异，自动生成千人千面的寿险定制计划书视频，并在短视频中以差异化内容、画面和声音，帮助客户更直观理解方案，极大提高了代理人展业效率（见图5）。案案例例：某某寿寿险险公公司司基基于于产产品品和和客客户户数数据据，推推出出千千人人千千面面智智能能计计划划书书视视频频融融合合产产品品方方案案与与客客户户数数据据保费交费期间基本保额性别年龄家庭情况投投保保人人被被保保险险人人客客户户个个体体情情况况重重疾疾 年年金金意意外外医医疗疗多多元元产产品品方方案案生生成成定定制制化化方方案案自自动动生生成成销销售售素素

14、材材数据联动形成客制化视频视频中的数据元素将自动带入客户信息及意向的产品信息数据联动确保视频的快速生产快快速速推推算算保保费费保保额额帮助代理人展业，助力面谈保费试算保费推算保额功能灵活领取功能快速推算，支持反复修改，多次测算叠叠加加差差异异化化话话术术和和画画面面子子女女“传承”教育金婚姻金投保人养老子女养老家家庭庭“保障”风险隔断养老疾病/高端医疗单单身身“延续”强制储蓄父母养老自己养老图5行稳致远，打造中国数智化保险企业制胜策略10对财产险而言，目前大数据应用的价值主要是提升中后台核保核赔效率，以及打造风险管控一体化解决方案。例如，在提升核保理赔效率方面，车险企业可基于自身收集的数据，结

15、合第三方海量数据进行智能理算，并基于LBS（位置服务）、OBD（车载自诊断系统）构建大数据整体画像模型，从车辆历史轨迹以及驾驶人行为等维度进行精细化定价与理赔，以及打造防控车险欺诈的智能体系。在打造风险管控一体化解决方案上，险企可运用卫星遥感、无人机、气象预警及灾害监测等多种技术，收集非结构化与结构化数据，并结合先进人工智能算法及无人机技术，有效监控并排除潜在风险。例如，某车险公司与物联网公司合作，通过AIoT（人工智能物联网）和预测性维护等新技术，打造货车UBI（基于车主驾驶行为的差异化车险）新业务模式，在增加保费收入、降低理赔金额支出的同时，通过鼓励安全驾驶行为和定期车况维护，提升驾驶者的

16、交通安全意识。三、国家从规划和政策层面助力险企数智化转型与其他金融同业相比，保险企业主要以中低频交易为主，所以在进行数智化转型时普遍需要解决数据质量不高和数据全面性不足两大问题。但近年来，国家通过在顶层设计与政策层面不断鼓励数据要素流通与数据应用建设，为保险行业数智化转型提供了契机。在数据要素流通层面，国务院在“十四五”数字经济发展规划和要素市场化配置综合改革试点总体方案 中明确提出要加快数据要素市场化流通，并计划在2025年前，在数据要素市场化配置基础制度建设探索上取得积极进展。我们相信届时保险企业能够通过各种数据服务方式弥补和加强数据基础，为保险企业数据驱动转型注入更多动力。在数据应用建设

17、层面，银保监会陆续发布加快数据应用建设的指导意见和管理办法，不断提升对保险企业大数据应用的政策支持力度，包括通过 银行保险监管统计管理办法，引导银行保险机构不断提高数据分析能力，开展数据分析和挖掘应用；通过 关于银行业保险业数字化转型指导意见，鼓励金融企业大力推进个人金融服务数字化转型，充分利用科技手段开展个人金融产品营销和服务，扩展线上渠道、丰富服务场景，加强线上线下业务协同，提高数据应用能力，全面深化数据在业务经营、风险管理、内部控制中的应用，提高数据加总能力，激活保险企业数据要素潜能。行稳致远，打造中国数智化保险企业制胜策略11行稳致远，打造中国数智化保险企业制胜策略12行稳致远，打造中

18、国数智化保险企业制胜策略13第二章立足当下，直面险企数智化转型挑战虽然大部分险企已意识到大数据应用所带来的巨大业务价值，但数智化转型成效并不尽如人意。麦肯锡调查显示，仅27%的险企有明确且可持续的数智化转型蓝图；仅33%的险企能较好地将来自（大）数据的洞见，融入到日常业务流程中并持续创造业务价值；其结果就是仅有17%的险企认为其实现了最初的转型目标。究其根因，我们认为主要在于战略设计、用例试点与推广以及基础能力建设三大方面有待改善（见图6）。一、战略设计上数据与业务衔接不紧密国内大部分险企的数智化转型往往面临投资巨大、技术领先，但是业务价值和获得感偏低的问题。过去几年，头部险企在数据领域的相关

19、投入逐年攀升，主要体现在以下三个方面：其一是除自研外，耗费巨资引入了一系列大数据技术产品和服务；其二是以合资或购买的方式，与国内科技巨头合作共建保险行业大数据应用；其三在人员方面，为了承接这些技术在险企内部落地，头部保险机构相继成立数据部门或科技子公司，规模普遍超过百人，甚至数百人。通过大量投入，头部险企建立起的大数据技术能力丝毫不亚于全球领先同业。在基础数据库领域，国内大型险企已基本采用或正在建设分布式、云化的大数据基础平台，有些保险机构还拥有多套先进技术平台，以满足不同类型数据应用需求。在商业智能领域，国内主流保险企业纷纷搭建商业智能平台，以期通过监控关键指标，进一步精细化公司经营策略。在

20、算法平台领域，目前国内主流保险企业与多家人工智能公司合作，积极引入先进的人工智能算法，或通过自建人工智能部门，构建企业创新能力。行稳致远，打造中国数智化保险企业制胜策略14险险企企数数智智化化转转型型所所面面临临的的挑挑战战及及其其根根因因当前业务和技术的成熟度不同，采用数据与分析工具的基础水平存在差距（如技术端已准备就绪，但业务端缺乏明确的负责人）业业务务端端与与技技术术端端脱脱节节准确识别处于分析关键路径上的数据集可能充满挑战，大多数险企面临“数据沼泽”问题，且数据资产处于不可使用的状态亟亟待待落落实实数数据据相相关关举举措措根根因因挑挑战战仅27%的险企具备明确、可持续的分析路线图因此，

21、仅有不到17%的险企认为自己能够“非常有效”地实现主要的数据与分析目标，而多达48%的险企认为效果“一般”或“欠佳”能够将分析洞见充分融入业务流程的险企不足33%用例试点与推广上缺乏变革管理战略设计上数据与业务衔接不紧密基础能力建设上缺乏体系化人才引进与培养方案许多险企能够提出让各相关方满意的概念并试点，但是难以将其产品化或推广应用缺缺乏乏试试点点规规模模化化的的能能力力大量项目举措同步推进，但没有将明确和可衡量的业务价值作为其成功指标希希望望通通过过数数据据举举措措获获得得的的价价值值并并不不明明确确AI技术的应用通常会引发潜在用户的担忧，他们担心被替代，或害怕使用不加解释便提出建议的黑盒子

22、未未能能果果断断采采用用AI技技术术组织仍使用遗留技术，无法和数据与分析所需的敏捷方式和实验思维方式兼容仍仍在在使使用用遗遗留留技技术术栈栈且且复复杂杂度度高高图6行稳致远，打造中国数智化保险企业制胜策略15但当险企将这些先进技术应用到具体业务场景时，业务端对此的获得感和参与度并不强（见图7），究其原因在于转型往往由科技部门主导，缺乏业务部门参与且与业务战略衔接不够紧密，与业务端的应用需求存在一定差距，导致类似数据应用场景在落地过程中，未能与业务端充分协作。此外，在进行数据应用创新的过程中，没有明确评估和量化业务场景创新对业务带来的价值，导致转型成功的标准与业务端的感受不一致。领领先先险险企企

23、技技术术体体系系先先进进，但但业业务务端端获获得得感感不不强强算算法法平平台台引入或自建创新能力商商业业智智能能关键指标监控，实现精细化经营基基础础数数据据库库分布式、云数据构建训练算法模型业务特征库可扩展部署场景使用界面开发业务人员使用反馈数数据据技技术术体体系系先先进进但但获获得得感感不不强强业业务务价价值值无无法法量量化化数数据据场场景景和和业业务务需需求求不不匹匹配配与业务战略脱节IT端主导，业务参与不够对业务场景创新所带来的价值没有进行评估和量化内内部部数数据据外外部部数数据据公共初级层初始数据层特征工程应用接口(记录、监控和告警服务)图7行稳致远，打造中国数智化保险企业制胜策略16

24、每每耗耗费费开发AI模型和洞见1小小时时则则需需投投入入推动解决方案落地、终端用户行为改变以及互动记录存档2小小时时以以上上变变革革管管理理是是确确保保大大数数据据用用例例试试点点与与规规模模化化推推广广的的关关键键图8在进行大量的数据应用场景建设后，险企后续的可持续运营与变革管理成为转型难点。我们认为，数智化转型的关键在于“转型”。包括险企在内的一众领先金融机构在推进大数据用例时，常常发现即使基于业务战略制定数据战略，其落地过程也是困难重重、进退维谷。这往往是由于机构没有充分意识到“转型”所需的变革管理并为之做足准备，包括业务模式和终端用户习惯改变等。以前文提到的营销价值环节的大数据用例落地

25、为例，从基于用户画像标签进行保险产品匹配，到通过不同渠道分流触达客户并同步优化营销路径等场景，均需要将大数据嵌入到现有业务流程中，并对其进行持续优化。更进一步来说，大数据应用部署还将促使原有运营模式向数据驱动的运营模式转变，同时带来业务重构。实践表明，成功的数智化转型，需要在变革管理上投入两倍于技术开发的时间（见图8）。二、用例试点与推广过程中缺乏变革管理行稳致远，打造中国数智化保险企业制胜策略17体体系系化化的的数数据据人人才才引引进进与与培培养养前前端端5%商商业业论论证证（在开发代码前完成）：10%价价值值验验证证、终终端端用用户户采采用用与与运运用用模模式式转转变变25%数数据据治治理

26、理20%数数据据科科学学10%数数据据工工程程25%综综合合支支持持5%数数智智化化转转型型的的成成功功需需要要在在业业务务与与科科技技部部门门搭搭建建体体系系化化的的数数据据相相关关人人才才引引进进与与培培养养图9三、基础能力建设不足，缺乏体系化人才引进与培养方案由于数智化转型的关键在于业务经营模式“转型”，这意味着我们不仅仅需要技术型人才（如数据工程师、数据科学家和前端应用工程师）来进行数据清洗、开发统计模型和算法、开发数据产品等，还需要内嵌业务的数据治理人员，以确保数据治理与安全；更需要大数据用例开发和变革管理团队，来确保业务价值最大化以及转型的成功推进（见图9）。目前，我们看到大部分险

27、企往往只注重技术型人才的培养，而忽视了对业务侧数据人才（包括数据治理、数据用例开发与变革管理）的培养，从而导致大量数智化转型因为“最后一公里”而前功尽弃。行稳致远，打造中国数智化保险企业制胜策略18行稳致远，打造中国数智化保险企业制胜策略19第三章行稳致远，险企数智化转型制胜策略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（见图10）。险险企企数数智智化化转转型型蓝蓝图图图10基基础础能能力力建建设设顶顶层层设设计计场场景景试试点点与与推推广广愿愿景景：数数据据驱驱动动的的世世界界

28、一一流流保保险险公公司司内外部客户体验提升业务能力和效率提升数据驱动业务价值占比提升数数据据架架构构与与治治理理：优化数据架构并配合基础数据应用与高阶数据应用来推进数据治理3A数数据据组组织织与与人人才才：规划配套科技组织与人才需求，通过优化科技业务融合机制的方式来提升组织整体数字商3B敏敏捷捷交交付付模模式式：设计体系化、以敏捷方式加速推进数字化转型的体制机制3C场场景景规规划划以业务域为单元识别与定义用例，并进行优先级排序营销定价理赔2A场场景景试试点点针对高优先级用例进行MVP设计与落地试点MVP定义含业务价值、应用场景与所需数据模型等试点、追踪效果与迭代2B场场景景推推广广与与变变革革

29、管管理理将MVP推而广之并使其融入常规业务通过功能与应用部门的扩展来推广用例通过行为意识改变实现从项目制到常态化推广过渡2C123目目标标变变革革管管理理：全局统筹，评估场景落地后的业务价值和效果，形成价值评估闭环2D行稳致远，打造中国数智化保险企业制胜策略20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

30、险企为例（见图11），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。一、顶层设计：基于业务战略，明确险企数智化转型愿景与战略方向险险企企数数智智化化转转型型愿愿景景目目标标示示例例图11数数智智化化转转型型方方向向衡衡量量指指标标（示示例例）内内外外部部客客户户体体验验提提升升客户满意度客户投诉数量业业务务能能力力和和效效率率提提升升增收-产品销量与业务规模提升降本-核心业务所节省的人工时降本-风险事件与错误操作减少所节省的成本数据驱动业务模式创新：探索数据驱动的新型商业模式，创造新的收入来源科技对外输出直接创收：对外输出新

31、建科技与数据能力实现盈利科技驱动的新商业模式收入，如生态圈科技与数据能力对外输出的收入规模数数据据驱驱动动业业务务价价值值占占比比提提升升愿愿景景:数数据据驱驱动动的的世世界界一一流流保保险险公公司司通过科技与数据赋能，实现以客户为中心的流程与业务模式转型，提升客户体验通过线上化、自动化、智能化和配套的业务转型，实现科技与数据赋能下前中后台业务能力的提升，最终实现现有业务的降本增收目目标标夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。孙子兵法行稳致远，打造中国数智化保险企业制胜策略21二、数据应用场景试点与推广：以价值为导向，从业务旅程出发构建数据应用场景，实现从试点到规模化推广真正

32、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

33、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（见图12）。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。数据和业务场景犹如鱼和水，数据价值的变现也只有和业务场景相结合才能真正体现出来。行稳致远，打造中国数智化保险企业制胜策略22围围绕绕业业务务主主题题构构建建

34、经经营营地地图图图12客客户户经经营营场场景景客客户户经经营营目目标标团转个潜客识别与孵化孤儿单分配客转营销员合作方引流暖客培育路径优化潜客与营销员匹配客户加保流失预警私域潜客留资差异化权益授权新客互动转介绍公域潜客留资脱保赢回沉睡客户唤醒产品匹配产生意识认识保险研究对比沟通需求投保购买使用服务获得收益享受权益加保转介挽留赢回流流失失挽挽留留脱脱保保赢赢回回持持续续挖挖掘掘客客户户价价值值差差异异化化服服务务提提升升客客户户忠忠诚诚度度完完成成高高潜潜客客户户转转化化培培育育潜潜客客至至高高潜潜状状态态拓拓展展获获客客渠渠道道最最大大化化潜潜客客量量客客户户经经营营旅旅程程潜客获取潜客孵化首保

35、转化服务维系价值提升挽留赢回其次，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

36、成本，以及推动前端业务管理和流程改变的成本。从产出行稳致远，打造中国数智化保险企业制胜策略23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，

37、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（见图13）。别别场场景景数数据据和和技技术术能能力力需需求求主主数数据据/引引用用数数据据衍衍生生数数据据业业务务数数据据场场景景用户行为总护理费用用户分群患者需求预测患者患病风险医疗建议数数据据域域企业采用横向方式执行单价值节点的场景，创建数据需求和推动数据结构转变企业采用竖向方式分析数据可以支持的、公司范围内全价值链场景的优先级存在数据需求客户支付明细患者咨询诊断测试患者手术数据患者分析患者基础信息保险产品数据雇员信息设施数据占用/饱和度患者旅程比率患者住院数据客户保险计划用户风险数据员工奉献度客户基础信息第

38、三方数据医疗服务数据图13行稳致远，打造中国数智化保险企业制胜策略24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（见图14）。确确认认数数据据场场景景落落地地保保障障图14大数据应用应融合业务旅程，客户价值模型应用示例依依据据模模型型预预测测客客户户加加保保概概率率并并排排序序，识识别别高高潜潜客客户户名名单单补

39、补充充客客户户行行为为和和交交易易数数据据原原业业务务旅旅程程数数据据应应用用赋赋能能旅旅程程互动挖掘客户互动挖掘客户数数据据监监测测漏漏斗斗分分析析活动复盘效果分析优化参与名单定期营销活动定期营销活动优化参与名单固有环节新增环节改善环节其他渠道触及客户销售团队后期跟进销售团队后期跟进其他渠道触及客户行稳致远，打造中国数智化保险企业制胜策略25（A）：数数据据应应用用场场景景的的规规模模化化推推广广需需要要业业务务用用户户行行为为的的改改变变（以以营营销销为为例例）图15场场景景推推广广内内部部代代理理人人梳理每每款款产产品品的潜潜客客名名单单向销销售售工工具具前前端端团团队队和代代理理人人提

40、供建议代理人利用分分析析引引擎擎的推荐建议和专专门门话话术术开展工作电电子子邮邮件件与与短短信信根据倾倾向向性性评评分分，对已已有有有有效效电电子子邮邮件件地地址址和和手手机机号号码码的客户进行排排名名在接下来的电电话话营营销销活活动动中，呼呼叫叫线线上上转转化化或或生生成成销销售售线线索索的的客客户户向客户发送包含网网店店链链接接的的电电子子邮邮件件或短短信信外外呼呼中中心心拟拟定定潜潜客客名名单单，并发发送送给呼叫员代理人利用分分析析引引擎擎的推荐建议和专专门门话话术术开展工作团队负责人根据每每名名代代理理人人的的专专长长产产品品领领域域，分分配配潜潜客客名名单单直直接接邮邮件件根据倾倾向

41、向性性评评分分，对没没有有有有效效电电子子邮邮件件地地址址或很很少少点点击击查查看看邮邮件件的客户进行排排名名向客户寄送信信函函，主要是针对数数字字化化旅旅程程未未覆覆盖盖地地区区投放产品广广告告为客户提供个个人人销销售售代代理理人人（以及呼入型客服中心）的具具体体联联系系方方式式决决策策行行动动（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（见图15），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

42、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。行稳致远，打造中国数智化保险企业制胜策略26三、基础能力建设：打造数据架构与治理、数据组织与人才和敏捷交付模式数据问题往往不在数据本身；数据问题只是一面镜子，左边反映的是企业战略与业务管理问题，右边反映的是数据架构与治理、数据组织与人才等基础能力建设问题。（B）：且且融融入入到到其其背背后后的的整整个个业业务务流流程程中中去去线线索索与与销销售售流流程程新老客户相关线索分析行之有效的话术非理性买家的应对策略模拟面对面互动的远程体验能能力力建建设设与与绩绩效效管管理理每日旁

43、听会看板碰头会培训与一对一评估团队销售会议激激励励与与竞竞争争机机制制价值激励个人与团队竞赛个人与团队的共同目标汇汇报报与与KPI漏斗追踪工具频繁、详细汇报各类线索个人与团队洞见团团队队领领导导职职责责监督工作领导推动持续改善重点关注销售效能和团队福祉，并提供相关反馈后后台台与与运运营营确保具备端到端远程销售的能力分配商务团队和行政人员的工作内容端端到到端端销销售售策策略略兼顾利润与成本制定销售线索与产能提升计划1356742一一线线团团队队管管理理战战略略执执行行制制定定价价值值优优化化策策略略执执行行/完完成成交交易易培培养养适适用用的的技技能能管管理理绩绩效效衡衡量量评评估估激激励励与与

44、奖奖励励12 34 567追追踪踪与与动动员员图15行稳致远，打造中国数智化保险企业制胜策略27（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。提升自动化水平则需要尽可能实现数据采集、提供与应用各环节的自动化。为实现上述

45、目标，险企可考虑参考图16中的示例设计自身数据架构。该示例通过在数据提取、转换、发布和分析阶段提供相应数据处理支持，提升险企数据自动化水平。-数据提取（Acquire）：该示例启用了灵活的汲取框架，可批量和实时处理用例（即lambda架构），以及结构化和非结构化数据。-数据转换（Transform）：将来自内部和外部的数据组装到一个着陆区，同时仅对业务所需的数据进行建模。-发布（Publish）：充分利用内外部数据开发企业数据中心，实现企业范围的用例应用。-分析（Analyze）：对常用指标和报告进行自动化处理以便使用，并启用数据沙盒，用于数据挖掘的标准数据分析工具。在数据应用大众化和提升数据

46、开放度方面，该示例强调在创建、互动两大环节为业务部门和公司层面的数据应用提供支持；在数据可信度提升上，则着重强调数据支持与数据治理。-创建（Create）：该示例给业务部门相应工具，并让其直接对数据的可获得性与质量负责，打造单一数据源，且与外部数据进行有效衔接。-互动（Engage）：提供小型部门级可视化/报告工具，与底层数据源一体化，并由IT提供全面支持。-支持（Support）：通过跨部门的共享架构和技术选项，实现规模经济（例如云解决方案、软件许可、基础设施支持、人才管理、集成等），以标准化数据环境。-治理（Govern）：启动企业数据治理计划（例如数据域、目录、沿袭）。数据治理是确保数据

47、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（见图17），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。行稳致远，打造中国数智化保险企业制胜策略28险险企企理理想想数数据据架架构构示示例例分分布布式式内存处理磁盘处理数据流处理非非分分布布式式数数据据集集市市寿险业务年金数据虚拟化API数据连接器EDW数据集市试试验验多多维维度度数数据据沙盒数据集市/资产已已优优化化的

48、的用用例例关键价值型图表、文档关联型寿寿险险业业务务外外部部转转换换业务数据参考数据互互动动分分析析发发布布转转换换提提取取创创建建批批处处理理CDC流流传传输输半结构化数据结构化数据非结构化数据提取-加载信息传送/事件CDC提取-加载信息传送/事件CDC半结构化数据结构化数据非结构化数据半结构化数据结构化数据非结构化数据清清理理清清理理清清理理转转换换业务数据参考数据转转换换业务数据参考数据企企业业数数据据域域主主数数据据管管理理（MDM）法务HR采购财务年年金金企企业业可可视视化化工工具具报报表表工工具具运运营营与与管管理理系系统统营营销销与与销销售售管管理理Salesforce定制应用程

49、序终端报表工具仪表盘自助式工具客户关系管理各各业业务务线线的的分分析析区区域域提取-加载信息传送/事件CDC数数据据处处理理基基础础设设施施自自动动化化支支持持治治理理原原始始数数据据数数据据湖湖内内部部数数据据责责任任数据所有者数据主管数数据据目目录录业务术语表数据发现数数据据血血缘缘基于数据域血缘基于应用程序血缘数数据据质质量量质量可视化质量规则开开发发维维护护、数数据据源源管管控控与与数数据据管管道道数据源管控数据管道沙盒配置文文档档与与沟沟通通服务跟踪认认证证身份管理数数据据访访问问权权限限管管理理工工作作流流调度工具云解决方案基于角色的访问管控（RBAC）图16行稳致远，打造中国数智

50、化保险企业制胜策略29（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

51、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（见图18）。数数据据治治理理机机制制与与业业务务和和IT管管理理融融合合标标签签体体系系管管理理示示例例标标签签需需求求构构思思和和提提出出标标签签使使用用标标签签效效果果反反馈馈标标签签持持续续运运营营管管理理标签体系迭代 标签增减 标签更改标签定期查验标签选择应用中标签监控标签

52、评价“好用”“一般”“有待改进”标签需求提出 标签库搜索 标签新增申请 数据基础标签设计实施标签权限设置标签选择建议标签应用策略指标监控看板搭建标签效果分析标签迭代规划标签体系优化标签查询标签权限审核标签血缘管理标签口径管理标签内容构思 应用场景 业务规则 更新频率现有标签体系检索业业务务标标签签应应用用数数据据管管控控节节点点标标签签管管理理流流程程图17行稳致远，打造中国数智化保险企业制胜策略30数数据据人人才才培培养养多多元元化化数数据据人人才才且且构构建建高高效效协协同同作作业业模模式式图18以数据用例落地实施为例展示多元化数据人才的协作关系数数字字翻翻译译官官、产产品品经经理理和和业

53、业务务人人员员识别业务需求并明确优先级1数数字字翻翻译译官官和和数数据据科科学学家家共同设计数据用例，包括待验证算法和分析2数数据据工工程程师师了解数据用例和数据源的数据需求3数数据据工工程程师师与与IT/产产品品经经理理合合作作，确保数据可用性、识别数据差异、开发ETL加载数据4数数据据科科学学家家编写算法并分析数据，以产生洞见5产产品品经经理理确确保保业业务务人人员员等等相相关关方方测试原型工具和解决方案8IT和和产产品品经经理理合作开发模型和工具原型产产品品经经理理试用原型和监控报表，总结是否继续推进的结论9产产品品经经理理与与IT合合作作，将原型安装到生产环境10业务、数据与IT合作，

54、确保模型使用和持续维护11前前端端开开发发人人员员为业务用户开发报告和监控报表等数据应用6反馈数据业务IT7（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

55、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。在行稳致远，打造中国数智化保险企业制胜策略31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

56、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（见图19）。打打造造数数据据驱驱动动保保险险公公司司的的转转型型旅旅程程1.顶顶层层设设计计统一目标愿景和战略识别潜在价值和优先落实的用例制定路线图明确所需能力的现状与方向平平台台、技技术术、数数据据项项目目与与变变更更管管理理人人员员能能力力搭建数据与技术架构识别所需的关键系统变更内容向敏捷交付过渡整合新技术和新工具整合新数据源设计分析组织人才招募培养现有全职员工的能力总结用例实施经验，调整运营模式任命培训变革骨干设立项目管理办公室监督执行工作和成效迅速捕捉现成的机会用例1模模型型构构

57、建建敏敏捷捷试试点点用例2迭迭代代式式“边边试试边边学学”方方法法2.用用例例试试点点与与推推广广用例n用例n-13个个月月一一轮轮3个个月月一一轮轮3个个月月一一轮轮3个个月月一一轮轮3.基基础础能能力力建建设设图192-3年行稳致远，打造中国数智化保险企业制胜策略32行稳致远，打造中国数智化保险企业制胜策略33展望2030，数据驱动、以客户为中心的“数智化”展业模式，将成为国内保险行业主流。抓住契机，持续不断深化推进数智化转型，是险企抢占未来竞争高地的关键，这也符合国家发展高质量数字化经济的战略指引。基于国内领先保险企业在这一转型过程中已经取得的成绩与面临的挑战，我们提出了数智化转型制胜策

58、略，涵盖“顶层设计、用例试点与推广和基础能力建设”三大方面，以期助力险企加速数智化转型进程。潮平两岸阔，风正一帆悬，让我们共同迎接保险业数智化时代！结语行稳致远，打造中国数智化保险企业制胜策略34麦肯锡是一家全球管理咨询公司，致力于帮助各类组织实现可持续且包容性增长。我们与私营、公共和社会部门的各类客户广泛合作，解决复杂问题，并为客户的所有利益相关方带来积极变化。我们将果敢的战略与变革性技术相结合，帮助组织实现更具可持续性的创新、持久的业绩改善，并打造立足当下、制胜未来的卓越员工团队。在中国，我们在北京、上海、深圳、香港、台北和成都开设了 六家分公司，拥有全球合伙人、咨询师和业务支持专家超过一

59、千名。了解更多关于麦肯锡中国区的信息，请访问。关于麦肯锡中国区 行稳致远，打造中国数智化保险企业制胜策略35麦肯锡中国区金融机构咨询业务服务于中国领先的银行、证券和信托公司、财富与资产管理公司、保险公司等金融机构，涉及转型与创新、互联网金融、全球化、战略、企业金融、销售与营销、运营、数字化与技术、风险与资本、领导力培养与文化转型等多个领域。我们在本地区共有约300多位专注于金融领域的咨询顾问，均在该领域拥有深厚的行业经验。与此同时，麦肯锡遍布全球的金融机构专业咨询顾问、研究人员及分析人员共同构成了庞大的资源体系，为我们中国本土的客户提供充分的支持与服务。关于麦肯锡中国区金融机构咨询业务 麦肯锡

60、公司2023年版权所有。总编：Bernhard Kotanko是麦肯锡全球资深董事合伙人、亚洲保险咨询业务负责人，常驻香港分公司；曲向军是麦肯锡全球资深董事合伙人、中国区金融机构咨询业务负责人，常驻香港分公司；卜览是麦肯锡全球资深董事合伙人、中国区数字化业务负责人，常驻上海分公司。作者简介：吴晓薇是麦肯锡全球董事合伙人、中国区保险咨询业务负责人，常驻北京分公司；徐炜是麦肯锡全球董事合伙人、常驻上海分公司；晏超是麦肯锡全球副董事合伙人，常驻上海分公司；张永刚是麦肯锡全球副董事合伙人，常驻上海分公司；邵奇是麦肯锡资深项目经理，常驻上海分公司。作者感谢毕强、方浩翔（Dick Fong）、周晓黎、刘明华、李超逸对本文的贡献。行稳致远，打造中国数智化保险企业制胜策略 2023年1月 麦肯锡公司版权所有 麦肯锡中国区新媒体设计出品