1、少说话多做事的策略从数据分析获得满意结果EMEA保险数据分析研究目录前言 01作者对本研究的介绍 04愿景和战略 05 分析和业务战略之间的断层 05 建立明确的商业案例非易事 07 短期策略胜过长期战略 09 不断发展的CDO世界 10资产和能力 12 难觅“紫色人才” 12 数据不总是容易获得并且准确的 14 敏捷性和传统保险难以结合 18运营实施和变革管理 23 没有最好的运营模式 23 信息不总是清晰明确 24 心灵和思想不会一夜之间改变 25你准备成为IDO了吗？ 28附录A调查 30附录B出版物链接 31附录C主要联系人 32在此基础上， 我们发布了报告 前有激流： 一般保险的发展

2、前景 ， 阐述各种能够改变行业的创新以及未来可能出现的情况。 这份报告表明， 保险业内的创新不再由保险公司本身领导， 初创企业在过去十年中所取得的巨大动力， 推动了保险市场颠覆性创新和指数式增长。数据以及对数据的分析理解， 是从创新中提取价值的核心， 它是初创企业的DNA， 能够帮助企业不断发展， 提出颠覆性的价值主张。 但保险公司能不能站在创新的顶端？我们已经看到， 保险公司在过去十到十五年间采取了积极的创新， 但我们还没有看到一个真正由洞察驱动的保险公司出现。 对于大多数公司来说， 数据分析在各部门之间仍然是分散的， 很少有公司以有组织、 有策略的方式推进企业范围的能力建设。 其他行业的组

3、织， 如航空和消费品等， 都能够更加快速而有效地应对分析带来的挑战， 从而在经营业务方面达到了新的水平。那为什么保险公司在挣扎呢？ 我们对欧洲、 中东和非洲(EMEA)地区的68家保险公司进行了调查。 根据我们的调查结果， 我们将在本报告中介绍保险公司如何应对阻碍他们实现数据价值的障碍。虽然调查的结果表明没有保险公司拥有完善的创新计划， 但我们会提出重要的经验教训， 希望能帮助你们制定有关数据分析的战略， 以及更广泛的创新议程。 现有企业是时候向前迈出重要的一步， 把焦点放在分析能力上， 倘若想要在不久的将来捍卫自己的市场份额， 就必须这么做。前言David Rush审计合伙人 EMEA保险联

4、合领导人Michel De la Belliere咨询合伙人EMEA保险联合领导人在今天的世界里， 数据扩展和技术变革的速度之快前所未有。 我们在2015年与世界经济论坛的合作中发现， 在金融服务领域， 由于价值链的巨大压力， 保险业是最有可能被创新打破现状并改变格局的行业。现有企业是时候向前迈出重要的一步，把焦点放在公司的分析能力上，如果他们想要在不久的将来捍卫自己的市场份额，就必须这么做。01少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究保险公司和数据分析少说话多做事现状短期长期02 00010110

5、10超过90%的分析策略未能与今天的业务战略相匹配。70%专注于短期策略措施而不是符合长期战略的项目。60%的战略决策在形成时没有应用到分析能力。几乎90%的分析项目无法确定自己的投资所得到的价值是什么。75%没有数据模型， 或者无法为企业带来价值。40%的数据未经定义而且质量较差，大量精力都浪费在校对内部数据上。保险公司倾向专注于建设内部能力，并且有牺牲敏捷性的风险。少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究成为洞察驱动组织的建议03改变决策文化仍然存在障碍， 只有24%会使用预测分析， 其中只有3%用于驱动自动化行动。40%缺乏高层领导，

6、因此难以理解分析为组织带来的收益。CDO过于分散， 角色和责任太多。采取整体方法了解局限和利用生态系统优先考虑变革管理战略家三个改革的关键策略经营者催化者技术专家 123 0010101010 洞察驱动组织少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究过去， 保险公司建设了跨部门的基础架构， 并用这一数据架构来收集、 存储和解读数据。 虽然在传统的精算分析中， 数据和分析已经成为保险业的核心， 但实际使用的范围仅限于几个核心的流程 （如设置准备金和定价） 。 在一段时间里， 这也许会让许多保险公司过早地将自己视为数据驱动的组织。近年来， 在数据分析

7、方面已经有了很多 （正常的） 讨论， 包括数据分析的各种功能： 加强承保风险的评估、 降低索赔成本、 确定新的盈利来源和改善客户体验。尽管如此， 近90%的受访者难以阐明分析能力的投资回报。此外我们发现， 在未来三年内， 保险公司对于非技术分析的投资每年预计只会增长10-20%。 这种缓慢的线性增长， 与初创保险公司收到的大量投资形成鲜明对比。 现有企业应该关注初创公司对技术的投资， 因为它们已经让初创企业有能力以惊人的速度在竞争激烈的市场上探索、 创新和开拓新的发展路线。 除此之外， 这些初创企业还不需要像现有企业那样面临高昂的运营成本。自2011年以来， 保险科技公司已经在全球464笔交易

8、中筹集了56.7亿美元1。 这些组织正在利用数据分析， 为消费者提供具有高性价比的定制产品， 并且颠覆市场， 超越传统的保险公司。 例如，创立于2012年的美国在线健康保险创业公司Oscar Health在2016年收到了4亿美元的股权投资， 该公司在短短4年内估价为27亿美元2。 这表明如果现有企业无法及时掌握数据分析在组织中发挥的重要作用， 它们将会很快在市场中落后。只有3%的受访者表示， 他们会利用具有前瞻性的洞察推动自动化决策和行动， 可见在保险行业， 抢夺竞争优势的战争刚刚开始。保险公司是时候面对现实环境， 正视数据分析的潜力， 把它视为组织内的核心能力， 并进行必要的投资。 为了做

9、到这一点， 他们需要在三个方面做出改变：1. 采取整体方法保险公司一直遭受 “家庭手工式作业” 的痛苦， 依靠各种分散的小型分析库提供策略分析解决方案。保险公司必须远离这种运作模式， 建立可持续的分析能力，为整个组织服务。2. 利用生态系统如果能直接访问数据， 并且自己理解数据， 明显有利于企业发展。 然而， 随着数据的来源和数量呈指数级增长， 技术进一步快速发展， 保险业需要考虑用其他方式充分利用这一资产。 数据、 技术和人才供应商组成了巨大的生态系统， 还有众多的合作方式。 这些都能帮助保险公司以速度更快、 成本效益更高、 风险更低的方式向前迈进， 而不是孤立地经营。3. 优先考虑变革管理

10、要成为真正的洞察驱动组织， 需要的不仅仅是数据、 数据科学家和洞察。 根据我们的经验， 在保险公司的分析计划中， 变革管理很少得到优先考虑。 要想使分析能力成功发挥作用， 需要全面实现文化转型。本报告列出了我们根据调查结果确定的与保险行业密切相关的问题， 具体分为三个重要主题： 制定愿景和策略 建设资产和能力 运营实施和驱动变革希望同业保险公司和竞争对手所说的话符合你自己的经验， 我们很高兴与你详细讨论本报告的内容和我们的发现。作者对本研究的介绍Alex Poracchia咨询合伙人Dirk Siegel咨询合伙人Kiran Sandhu高级咨询经理分析将数据转化为洞察， 并用它指导行动的过程

11、。04少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究建立清晰一致的数据分析愿景和策略保险公司和其他行业的组织往往不能认识到分析的真正潜力， 因为他们认为成功的分析是一个由IT驱动的过程， 也就是从源系统收集数据， 放到分析解决方案里。 这种思维方式可能会导致决策流程、 商业价值和分析洞察三者之间出现断层。 保险公司在分析方面提出的愿景， 要支持总体业务战略， 从而让洞察成为驱动公司实现目标的力量。 此外， 这种愿景还要帮助组织找出他们在哪些领域可以获得竞争优势或创新服务。我们的研究显示， 分析愿景往往被忽视或得不到全面实施。 其他与愿景和战略有关的挑战包括： 量化数据分

12、析带来的收益、 平衡短期策略和长期战略需求， 以及找到正确的领导力推动分析议程。 以下各节详细介绍了我们的研究结果和建议。分析和业务战略之间的断层没有受访者表示他们的分析和业务战略之间缺乏甚至没有联系， 这个结果令人很放心， 说明行业正在朝着正确的方向发展 （见图1） 。近60%的受访者表示， 高级管理层正在采取措施来连接业务和分析战略。然而， 只有11%的受访者认为当前的分析和业务战略是完全一致的。由于今天保险业形势不断变化， 所以组织很难说明他们以后想要成为哪种类型的保险公司， 以及他们未来的业务和分析战略。许多分析战略随着时间的推移自然地、 一步步地发展。 为了在整个组织里实现一致的分析

13、和业务战略， 高级管理层必须共同合作， 不断更新愿景， 支持洞察驱动的服务、 产品和运营转型。近三分之一的受访者认为， 虽然高级管理层认识到他们需要调整业务和分析策略， 但却没有制定相应的计划。超过60%的受访者表示， 他们的分析并没有被纳入战略决策， 因此高层决策主要是了解信息后做出判断， 而不是通过清晰而全面的分析来推动决策 （见图2） 。一方面是设定正确的战略， 另一方面是大量的行为变革， 同时要让企业领导如常做出业务决策， 这两者之间的断层主要表现在： 对于如何利用分析来推动结果， 高层缺乏深入了解， 以及/或者 没有一种结构化的方式来衡量分析的影响， 也无法利用这种方式整合数据驱动的

14、决策。愿景和战略图1.分析战略在多大程度上能与业务战略保持一致？图2.分析能在多大程度上整合到战略决策中？愿景和战略0%5%10%15%20%25%30%35%40%11%21%38%30%0%战略之间几乎没有匹配分析没有支持决策分析支持解决方案分析整合到战略决策认识到需要调整战略但没有制定计划已经制定调整战略的计划已经批准调整战略所需的资金存在完全一致的战略0%10%20%30%40%50%60%70%14%22%64%05少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：创建洞察驱动的战略、发展蓝图和运营模式挑战客户已建立了大型技术和信息管理方案， 旨在开发企

15、业级数据仓库。 他们需要显著提升其数据分析能力并提升其英国各分机构的数据存取能力， 因此正面临很大压力。 此前他们已经确定了技术发展蓝图， 并且也进行了投资， 但是很难找到投资与业务驱动力的关系， 也难以将投资与业务范围内分析活动的实质性增长相联系。客户聘请我们： 更新现有的方案 重新定义分析转型的结构和愿景 构建涵盖数据和技术的详细蓝图和操作模式， 还有所需的文化、 人才和组织变革方法和成功因素客户的主要要求是快速行动， 同时减少对日常业务的影响， 并在现有方案中让日益分散的利益相关者之间达成一致。 为了满足这些要求， 我们设计了深度分析战略研讨会， 其中使用了交互式训练、 模拟和设计思维课

16、程， 以协作方式吸引利益相关者并获得他们的投资。 结果， 我们能更好地了解目前的状况， 明确修改后的愿景， 制定详细的计划， 向全面的分析运营模式转型。在研讨会之后， 我们与利益相关者合作， 设计运营模式、 技术架构和信息管理框架的详细内容， 并进一步了解发展蓝图中的依赖关系。 蓝图的要求之一是确保短期价值与提供长期战略愿景，这有助于保持利益相关者的反应能力， 避免陷入和传统长期转型方案有关的各种陷阱。 我们立即采取了一些短期的策略举措， 在短期内赢得快速胜利，实现价值。 这包括索赔方面的数据定义工作、 创建敏捷的作业和流程， 以及优先考虑在新技术环境中实施的第一组分析性概念验证。成果主要产出

17、包括高级目标运营模式、 方案蓝图的初稿、 组织结构、可扩展的概念数据模型， 以及一套在整个公司收集数据定义的流程。 此外， 我们找到了为推动方案而需要做出的重要决定， 并且实现了推动分析转型方案所需资源的一致性。 该项目目前仍在进行中。06少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究建立明确的商业案例非易事还有一个挑战是提出明确的数据分析商业案例， 不管是走出第一步， 还是继续进行投资。我们的调查发现， 只有11%的受访者真正了解分析对其业务或责任范围的影响 （见图3） 。 几乎所有保险公司在未来三年内都将增加对分析的投资， 然而近90%的公司无法确定价值， 或者把价

18、值与投资联系起来。实现收益为了得到组织的认同， 保证未来投资拥有足够的预算， 必须识别和跟踪投资回报率， 这点至关重要。 不能找到收益， 而且没有在组织中阐明愿景， 可能会带来负的投资回报。组织没有意识到数据分析带来的收益， 可能是出于许多常见的原因： 数据分析项目缺乏方向： 分析方向和主要的利益相关者及用户的联系不足， 无法确定为什么解决方案会有价值， 以及如何衡量这一价值； 解决方案由技术驱动： 组织投资购买的是现成解决方案，不符合组织内特定业务驱动力或痛点； 无法实施解决方案： 需要投入更多的精力才能将解决方案或洞见整合到保险公司的日常运作中， 通过管理人员和文化变革以实现所需的结果；

19、不完整的 “洞察流程” ： 分析流程停在了提出分析解决方案和发布分析解决方案的环节， 不考虑工业化状态下的测量活动、 进度或结果。愿景和战略44%45%11%图3. 您是否了解分析对业务的影响或您的责任范围是什么？还不太了解收益了解收益了解收益并在整个组织中对其跟踪07少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：变革商业案例挑战专门从事收入保障和养老保险产品的保险公司推出了针对中小企业 （SME） 的新产品。 由于目标群体对在线养老金产品不熟悉， 以及购买过程存在复杂性， 所以转换率非常低。 这导致了负的投资回报。 客户希望更有效地为客户提供支持， 并提高在

20、线养老金产品的转换率。方法和成功因素在原来的商业案例里， 我们主要依靠保险公司的主题专家做出判断和假设。 为了提高业务案例的透明度， 我们对客户进行了广泛的调查。 收集了定量信息 （如客户人口统计数据） 以及定性信息 （如采访反馈信息） 。结果显示了一些意想不到的问题， 包括中小企业对养老金产品和一般解决方案缺乏了解 （例如知道销售过程可能需要6个月） 。从调查中获得的这些新的洞察带来了以下变革： 针对新的业务需求选择营销工具， 满足客户的潜在期望， 避免让他们失望。 在保险公司的在线门户网站添加了其他互联网站点的链接， 以提供更多信息， 增加客户对新产品的信任。 通过网络分析， 我们针对特定

21、角色设计和实施了的定制的最佳下一步行动序列 我们发现营销部门的培训至关重要， 它可以保持平台的相关性和有效性成果我们通过调查获得详细信息， 成功整合了网络分析的结果。 这使我们能够定制和调整在线营销客户体验， 更准确地针对每个客户需求采取最佳下一步行动。 这个解决方案就是打造一个集成的在线营销平台， 能够支持无缝的在线闭环营销体验。结果包括： 转换增加10%。 跳出率下降了12%。 浏览网站的时间延长了70%以上。08少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究鉴于未来三年内对数据分析的投资有限 （本报告的简介部分指出， 投资每年平均增长10%-20%） ， 70%以

22、上的受访者表示， 他们的组织将分析工作集中在短期策略项目， 而不是长期战略协调项目 （见图4） 。短期策略胜过长期战略平衡短期和长期需求我们认为短期策略项目很重要而且是有用的。 它们有助于进一步投资、 让利益相关者保持支持的态度， 让组织了解更多有关经营中遇到的颠覆性环境， 并且制定分析计划。然而， 保险公司还必须考虑如何根据长期的愿景发展分析能力。 平衡短期需求与长期可持续发展至关重要。 长期交付需要基于可以实现短期价值的方法， 这样才能避免传统多年期转型方案的常见缺陷。愿景和战略3%11%59%19%14%图4.在策略和战略之间优先考虑哪一个？优先考虑策略性的本地措施， 但很少甚至没有得到

23、支持优先考虑策略性的本地措施， 大概知道能从哪里得到支持在正式流程中优先考虑策略性本地措施，具有明确的区域支持通过明确的优先级评判方法在战略和战术项目之间取得平衡， 具有明确的区域和职能支持通过明确的优先级评判方法在战略和战术项目之间取得平衡， 具有明确的全球支持09少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究20000072006保险公司、 经纪公司和再保险公司都认识到这个职位的重要性，自2014年以来， CDO人数大幅增加 （见下图） 。鉴于保险行业在数据分析方面还处在早期阶段， CDO会在一段时间

24、内不断探索， 他们的角色职责正在快速增加， 以满足不断变化的需求。 此外， CDO的任务是处理极其广泛的问题， 因此他们的角色具有复杂性和挑战性。 CDO要做的事情太多， 所以经常忙于应对， 而且他们要面临一个实际的风险， 那就是在短期内很难为组织带来影响。不断发展的CDO世界不管保险公司在分析方面怀有多大的抱负， 他们都需要一位执行层领导 （在执行团队的支持下） 提出愿景， 并且推动组织实现这一愿景， 以便在当今环境中求得发展。 由于没有市场标准的保险业数据分析方法， 所以管理层很可能经常遇到多种相互冲突的观点。 许多保险公司现在已经引入了首席数据官 （CDO） 的角色，以承担责任和提出愿景

25、。在过去十年中， 我们看到保险业中的CDO （或类似职位， 如首席分析官） 人数不断增加。愿景和战略保险业首席数据官和首席创新官的任命情况大型全球保险公司大型保险公司大型全球再保险公司大型再保险公司大型全球经纪公司注意以上内容仅用于说明，不能反映全面情况。它是基于公开的信息制作而成。首席数据官首席创新官10少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究CDO的四个角色我们观察到CDO的四个各不相同的角色， 在下文将做简要介绍， 详细内容参见我们的文章 首席数据官的角色演变： 从元帅和管家到商业战略家 （见附录B） 。CDO通常要在没有其他高层人员帮助的情况下带来变革。

26、“问题” 基本上都由一个人负责解决， 在公司看来数据分析是这个人及其团队 （如有） 的责任， 而不是整个公司都要参与的重要内容。 这就产生了一个新的分析库， 而不是把所有的分析库整合起来，让数据分析成为所有人的责任。为了体现CDO的影响力和推动分析议程， CDO必须与高层一起确定明确的职责范围， 说明不可能马上取得效果。 在执行层的支持下， CDO应优先考虑他们所能做的事情， 同时明确在其他方面需要做些什么。虽然CDO可以在建设分析能力的过程中发挥非常重要作用， 但只靠CDO一个人无法推动变革， 因为在企业中引入分析会涉及整个组织的重大文化变革。 这种变革的重要性往往被低估了 （参见第23页的

27、 运营实施和变革管理 ） 。战略家 CDO与企业合作，协调业务和分析策略， 最大限度地提高数据分析的投资价值。催化剂 CDO通过利用数据和分析来鼓励创新， 也会通过鼓励利益相关方投资来推动变革管理。技术专家 CDO评估技术和设计数据和技术架构， 以提高业务灵活性和管理复杂性。 他们也会优先考虑数据和系统的安全性 （例如避免在网络上滥用个人和敏感信息、 访问数据等） 。经营者 CDO定义、 管理和调控数据和技术方面的政策和操作， 提高和管理运营的效率和有效性。愿景和战略11少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究资产和能力建设能力和增加资产如上一节所述， 没有正确资

28、产和能力的CDO发展有限。 没有明确的策略和目标就开始建设能力， 从长远看可能会成为无效和成本高昂的做法。 一旦制定了分析策略和愿景， 确定了方案路线图， 就应该决定人员、 流程、 数据和技术方面所需的能力。我们的调查发现， 在能力和资产方面有很多问题， 比如数据科学家很难找， 数据往往不准确而且难以获取， 保险公司的技术也不够敏捷， 不能很好地满足当前的需求。 我们的调查结果和建议如下。难觅 “紫色人才”我们的调查发现， 在分析方面最需要的资产就是数据科学家， 也就是可以将数据转化为洞察的人 （见图5） 。如果数据分析能力没有立即建立起来， 企业往往会聘请更多的数据科学家倾解决问题。 雇用一

29、个、 两个甚至二十个数据科学家也无法推动组织的变革， 特别是他们在一个小分析库工作的情况。虽然数据科学是一项有价值的技能和能力， 但它不是推动数据分析所需的唯一技能。 同样重要的是商业头脑、 变革和沟通技巧。在理想的情况下， 企业每次聘用数据分析人才的时候， 都应该寻找兼备技术和统计能力 （ “红色技能” ） 以及行业和沟通知识（ “蓝色技能” ） 的人才。 在德勤， 我们称这些人为 “紫色人才” 。他们能够处理复杂的数据分析， 而且还具有灵活的沟通技巧， 具备商业眼光和政治才能。70%的受访者表示， 他们的组织通过集中发展和保留内部人才的方式来应对人才缺口的挑战， 而不是利用第三方服务或者招

30、聘顾问的方式解决问题。研究表明， 行业里的所有公司都面临着巨大的数据分析人才供应缺口。 入门级职位难以填补， 而最高级的职位也十分缺乏人才。能够提供基于数据的洞察， 创造商业价值 （不仅是处理数据） 的专业人才特别难找， 而且他们的身价也越来越高。资产和能力技术与分析商业与沟通 0%10%20%30%40%50%60%4%12%12%16%56%图5.在分析方面最需要的资产是什么？数据科学家 （将数据转化为洞察）数据架构中小企业（核心大数据IT架构师）大数据技术专家（核心大数据IT业务分析师和开发人员）实时数据中小企业（将原始数据转换为可用数据）其他12少说话多做事的策略从数据分析获得满意结果

31、 | EMEA保险数据分析研究吸引、 留住和发展 “紫色人才”根据我们的经验， 吸引高素质的分析人才是非常困难的事。 这些抢手的人才大多要求高薪、 执行负责人职位、 有利的组织设计、 创新文化和获得资金的渠道。 但这些要求不符合传统的保险商业模式。 找到正确的激励因素是长期吸引和留住人才的基础。 例如， 公司赋予个人自由创新和思考的时间， 这对人才很有吸引力。 “紫色人才” 不一定从一开始就是行业专家， 因此保险公司不但要与其他保险公司进行竞争， 而且还要与其他行业的组织进行竞争。在市场成熟时， 我们建议组织专注于创建 “紫色团队” 把合适的 “红色” 和 “蓝色” 技能组合起来， 然后执行分

32、析项目或战术分析转型方案。从长远来看， 随着数据分析需求的增加， 我们需要考虑的是， 在内部培养所有人才是否现实和具有经济效益。 我们相信， 未来的洞察驱动型保险公司会采用 “矩阵式” 的分析人才供应方案， 这是公司内部人才和外包能力的混合体现， 反映了组织对集中化、离岸外包、 机器人技术和多源采购 （在端到端的洞察流程的不同环节使用不同供应商） 的灵活选择。我们开始看到其他行业的组织， 如专业服务、 电信、 石油和天然气， 他们为分析人才设定了与其他业务不同的专业学习和发展途径。 真正了解 “紫色人才” 重要性的组织正在与领先的大学和专业协会合作培养下一代人才。 我们还没有看到保险行业向前迈

33、出了这一步， 我们认为如果要吸引和留住最优秀的人才， 保险公司需要尽快开始思考这种模式。“我们有很多数据，但问题仍然是如何处理数据，谁能理解数据。” EMEA首席保险官资产和能力13少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究一个成功的架构拥有以下特点： 核心力量来源一致、 管理良好、 结构合理、 真实可靠的数据 响应能力能够支持复杂数据流网络的分析架构， 包括内部和外部数据 可扩展性能够支持并实现深入分析大型数据集的结构， 而且能根据公司需求不断发展我们可以考虑在公司内部建立能力的同时外包和利用管理服务。这样组织就可以快速获得解决方案而不需要太久的投资和过长的交付周

34、期。数据不总是容易获得并且准确的每天生成的大量信息以指数的速度增长。 得益于传感器技术， 数字化通信和人工智能现在已经是司空见惯， 数据使用的竞争只会愈演愈烈。 考虑到这样大量的数据， 组织往往很难以最有效和最高效的方式来处理这个问题。数据架构我们认为， 很少有公司真正准备好迎接数据方面的挑战， 例如从物联网中发现价值。 尤其对于保险行业， 由于其各系统分散并且信息没有互通， 情况更是如此。75%的数据模型不存在或无法提供业务价值 （见图6） ，保险行业的数据架构水平未能满足分析的需要， 无法充分发挥分析的力量。将数据转化为有利于分析的格式和结构， 同时将其保存在相对安全的环境中， 仍然是一项

35、挑战。数据存储和管理方法并不统一， 我们发现今天的保险公司应用了各种不同的方法。 例如， 有些客户在公司防火墙内储存内部数据， 而其他客户则从第三方数据中心获取可信的云端分布式数据库。改进传统IT基础架构有利于更敏捷地访问数据， 构建能够快速消化和处理这些数据量的架构， 这是最大化未来数据网络的先决条件。资产和能力0%10%20%30%40%50%60%70%80%3%22%75%图6.你的数据架构是否符合目的？数据模型不存在， 无法在整个公司中实现价值数据模型协调一致并支持公司需求已经设计出企业和元数据管理模式， 但尚未实施到位企业和元数据管理模型存在并完全支持公司需求14少说话多做事的策略

36、从数据分析获得满意结果 | EMEA保险数据分析研究可信的洞察在数据的可信性方面， 我们的调查收到了各种回应。如果在整个公司中没有一致、 准确和可靠的数据， 那么组织的竞争力和效率就会降低。 许多保险公司都有数据治理能力的基础，但需要进一步发展， 才能解决现有的数据质量和文化问题。 确定组织中最高 （高管和CDO） 和最低级别的数据所有权和问责制是成功的关键。 这可以通过强大的能力框架来实现。 40%的受访者表示，他们的数据质量较高，能够带来值得信赖的洞察。同样有40%的受访者面对的是未定义的、质量很差的数据（见图7）。“我们的内部数据质量有限，我们更倾向于信任外部数据。” EMEA定价精算师

37、 建设资产和能力示例德勤的数据治理框架图7.你可以相信你的数据吗？解释数据的方式存在差异，数据质量得不到管理， 数据一致性得不到保证公司对数据质量的责任方有一致的认知， 并有提升数据质量的计划对数据质量没有全局的定义， 也没有监管数据质量公司对数据质量的责任方有一致的认知， 并且实施了问责制和相关标准数据质量、 所有权、 责任和标准实施到位，全部反映在绩效评价 愿景数据使用组织培训政策报告问责制标准能源管理通信流程数据资产数据质量数据安全0%5%10%15%20%25%30%35%40%45%0%19%40%30%11%15少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究

38、掌控数据数据质量不佳通常被公司部门用作拒绝分析转型的借口。 我们希望保险公司不要等有了完美的数据， 再进行数据分析。 保险公司应该两手同时抓在冲刺周期执行有价值的分析项目， 同时确定正确的信息管理方法， 迁移到正确的解决方案架构。我们看到保险公司在清理和纠正内部数据方面付出了太多不必要的努力， 就是为了让数据变得可以获取。 虽然内部收集的数据可能很有用， 但仅仅使用内部数据只能得到有限的洞察。 另外， 还有大量外部数据可用， 而且这些数据通常已经由各种不同的来源处理和整理过了。 这些数据容易访问，可以用于改善质量较差的内部数据， 用具有成本效益的方式获得洞察。组织必须了解哪些数据可以使用， 以

39、及如何访问这些数据。两个可操作的建议： 创建数据目录 针对要保存的数据创建目录并进行管理 （包括位置以及负责的所有者） ， 让分析团队能够及时了解可用的数据， 更容易访问它们。 采用数据探测 利用资源来探测外部环境中的有用数据源， 使分析项目能够使用最相关的信息， 并且保持更新。监管思考未来我们的调查结果表明， 监管并不是数据和分析投资的驱动力。 但是， 考虑新的监管要求对数据存储和使用的影响也很重要。一般数据保护条例 （GDPR） 将于2018年5月25日生效， 替代 数据保护法 （DPD）成为欧盟主要的数据保护法。 GDPR消除了现有监管的模糊性和复杂性， 也是一个更严格的制度。 公司需要

40、采取行动， 在GDPR生效的时候保证运营合规性， 预计会对保险业的数据治理和数据架构产生重大影响。 最有可能影响保险公司的变化如下， 有关GDPR的更多信息请参见附录B： 如果出现数据泄露 （或潜在的数据泄露） ， 公司有义务立即通知数据保护机构， 在某些情况下还要通知任何受影响的人员。 公司要通过清晰、 明确、 积极的行动征求同意沉默、先入为主的判断或不作为将不再被视作同意。 公司有清除个人资料的义务， 一旦发现特定的数据处理属于非法行为， 应立即阻止。 对自动化决策施加限制， 包括如果决策和资料搜集会对数据主体造成影响， 则要对资料搜集过程加以限制。 惩罚力量幅度加大， 违法违规行为的打击

41、范围更大。虽然GDPR将成为欧洲的共同标准， 但与数据使用道德有关的法律要求相对还不够成熟。 欧洲监管机构联合委员会最近发布了一份讨论文件， 其中提出了一系列有关道德界限的问题， 只要超过了这些界限， 使用数据对客户来说就是不道德和不公平的行为3。 在保险行业， 我们看到过行为数据引来负面媒体关注的例子， 我们建议公司自愿把道德准则纳入数据使用战略， 从而在没有法律要求的情况下避免这种情况。资产和能力16少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：利用远程信息处理中的“脏”数据挑战欧洲一家领先的保险公司开展了评估， 希望分析其在汽车保险市场的地位。 由于共享

42、经济和出行方式的革新， 经典保险产品的需求在可预见的未来将会不断下降。公司认识到， 为了保持竞争力， 必须大幅增加对最终客户的理解。于是他们选择了远程信息处理作为实现这一目标的核心技术。方法和成功因素我们与这家保险公司合作建立了一个中央远程信息处理平台， 利用Hadoop数据湖技术为数百万辆汽车收集和存储远程信息处理数据。 我们创建了一个分析平台， 方便数据科学家和精算师在收集的数据中查找模式， 并让各种驾驶信息、 事故发生的可能性和索赔额度相关联， 然后使用智能评分算法计算退还的保险费。这样公司就能够向客户提供增值服务， 例如通过出行报告提供有关司机行为模式的洞察。这个商业模式在两个试点案例

43、中得到了验证， 预计将在明年初在整个集团推行。 我们发现以下因素对于这个项目的成功至关重要： 数据必须具有足够高的质量， 让每一位司机的洞察与个人折扣因素准确关联。 由于远程信息处理数据本来就很 “脏” （通常不完整或不准确， 例如GPS数据） ， 因此我们开发了数据清理算法， 用以改善由远程信息处理设备捕获的原始数据。 鉴于客户的文化和当地监管机构的立场， 我们在设计和应用解决方案时优先考虑数据隐私问题。 信息安全主任参与了整个项目， 确保我们的工作符合有关个人数据的法律要求。 创造新的商业模式和技术平台， 需要公开的态度和高层领导的大力支持。 成果通过这次合作项目， 我们创建了一款有吸引力

44、和现代化的新型汽车保险产品， 建立了一个能够在集团内部推行的平台。 此外， 该项目为未来的传感器和分析保险产品套件提供了先例。17少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究敏捷性和传统保险难以结合鉴于数据分析中的工具和技术非常重要， 业务部门和IT部门要实现无缝对接， 这一点至关重要。如图8所示， 业界越来越认识到技术平台和工具 （IT技术） 需要更好地与商业用户联系起来。然而， 近40%的受访者认为今天的业务部门与技术或IT技术部门之间没有足够的协作。“我们有洞察，但我们的系统非常糟糕，所以无法将洞察导入到保险和定价工具进行分析。” EMEA区域首席执行官 资产和

45、能力0%5%10%15%20%25%30%35%40%45%5%16%42%37%图8.业务和IT部门如何共同合作来支持分析目标？业务和IT部门之间的协作非常有限业务和IT部门正开始协调一致业务和IT部门都有认真负责的专家在组织中整合治理结构以推动协作18少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：连接新旧世界挑战一家纯数字化财产和医疗保险保险公司希望提供个性化报价，同时保持目标转换率。 本质上， 他们希望根据估计的客户价值设定保险费率， 向潜在客户提出最具竞争力的报价。方法和成功因素我们开发了一个实时动态定价引擎， 可以根据 （预期） 客户终身价值和实时在

46、线价格基准确定个人保险费。 这个引擎协调新客户和现有客户的动态定价， 并记录所有提出过的个人客户保费。 它还记录了同行报出的价格和客户的反应。实施动态定价是一个过程， 我们认为下面的因素对于该举措的成功至关重要： 只有将所有能力融合在一起 （包括市场营销、 精算和财务） ， 才能设计出所有人都能理解和认同的客户终身价值模型。 我们对客户价值的定义要达成共识， 这点至关重要。 为了利用现有的平台 （如保单管理系统） ， 避免过高的成本， 我们开发了 “附加引擎” 。 附加引擎基于多种输入 （如同行报价和购买倾向等） 导出校正因子， 以反映报价点的客户生命周期价值。 校正因子反馈到现有的定价系统中

47、， 然后再反馈到聚合平台， 生成实时报价。 在开发动态定价工具的过程中， 我们与保险公司密切合作， 确保它能成功整合到组织里。 成果 保险公司避免了对其客户提供不必要的折扣， 让各种保费收入增加了6%。 这个工具可以帮助保险公司直接对有竞争力的定价活动做出反应， 而无需从头开始构建新的系统。 此外， 它提供了对价格敏感性和与竞争对手品牌相关的品牌价值的洞察。19少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究开发敏捷方法无可否认， 在保险市场中有许多成功的初创企业迅速涌现。 他们之所以能成功， 是因为他们可以根据客户需求行动， 可以快速利用技术，大规模应用分析得出的洞察。

48、新时代需要新方法。 现有企业必须变得更加敏捷， 测试并了解自己能否得到像初创企业那样的发展。 其中一种方法是创建沙箱环境， 为敏捷开发提供平台， 同时让组织正确管理生产环境， 从而构建和交付下一代解决方案。例如， 有家英国的一般保险公司引入了沙盒， 现在正在定期进行分析概念验证， 以测试未来工业化解决方案的价值。利用生态系统， 适时展开合作在建设分析能力的过程中， 组织经常会发现他们需要的能力太多， 难以应对快速变化的市场。 开发合作伙伴网络并利用生态系统， 可以减少组织的压力， 不需要在内部建设这么多能力。 数据生态系统包括数据供应商、 数据经纪人和数据分发网络。 分析生态系统包括技术和人员

49、， 以及执行类似分析的相关组织。 商业生态系统基于价值链上提供的数据和分析能力， 这个系统可能与以往的客户/供应商关系完全不同， 还包含了监管的影响。 人才生态系统包括组织和大学、 商学院、 专业协会和创新中心的关系。 众包生态系统从大批人群中获取服务、 想法或内容， 经常通过在线方式， 而不是利用传统的员工或供应商。保险公司经常陷入一个误区， 那就是试图自己包揽一切。 例如，如第12页所述， 超过70%的受访者表示， 他们的组织正在通过集中发展和保留内部人才的方式解决人才短缺问题， 而不是利用来自第三方的管理服务提供商或者招聘顾问。我们在数据和技术方面经常发现， 建设内部能力并不总是实现期望

50、投资回报的最有效方式。 关键在于知道什么时候要找合作伙伴， 什么时候需要投资。组织应抓住与合作伙伴合作的机会， 这样就不必独立完成创新任务。 第三方可以提供新思维和新观点。 我们强烈建议保险公司借助第三方支持， 在短期内加速能力建设， 同时发展自己的内部功能。 以这种方式实现效益， 可以给商业项目带来持续投资和支持。分析沙箱分析沙箱是一种提供核心分析工具集和访问业务数据的环境， 方便用户通过各种分析技术进行探索， 找到新的洞察。这个环境独立于标准的商业智能和报告流程， 因此资源密集型分析能够在不影响关键生产活动的情况下进行。沙箱也可以扩展， 用户可以加载新的内部和外部数据集进行更高级的专门分析

51、。 此外， 在一些更高级的案例中， 用户可以将自己的技术安装到沙箱环境中， 以便生成完全定制的分析洞察， 而且可能在以后实现产业化。资产和能力20少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究在考虑外包能力还是内部建设的时候， 下面的框架可以为决策提供支持。虽然生态系统可以成为组织转型的有力工具， 但是高级分包和伙伴关系也能带来相当大的风险， 所以必须从一开始就降低风险。资产和能力决定是否外包能力构建生态系统的关键要诀跨越行业：结合技术、数据经纪人、公共部门和行业合作伙伴风险意识：注意隐私、网络安全、数据质量和其他容易传染的风险管理框架：采用可靠但敏捷的采购和供应商框架

52、实现双赢：设计合同，推动互利互惠和持续的伙伴关系试后再买：通过小型概念验证来测试潜力衡量收益：利用KPI跟踪和比较价值内部能力外包能力内部建设结合外包能力所需的技术专长所需的业务理解外包能力21少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：敏捷的保险公司挑战一家拥有150年历史的加拿大传统相互保险公司表示， 他们正在被竞争对手甩在后面。 他们想改变在线购买保险的方式， 提出数字化价值主张和颠覆市场。方法和成功因素我们与他们合作， 创建加拿大第一家完全在线的物业和汽车保险公司。 客户可以使用任何数字设备随时 （每周7天24小时） 购买和维护保单。 客户只需要回答

53、几个简单的问题， 而不是像竞争对手那样填写冗长问卷。 通过提供即时报价， 客户能够在几分钟内购买保单。这是通过以下方式实现的： 为客户和经纪人提出最佳的价值主张， 建立多渠道接入、 分销和服务网络。 投资世界领先的分析技术， 在客户理解、 定位、 风险分类、 定价、 产品设计和业务组合优化等方面建立竞争优势。 通过股份化和物资收购的方式追求规模、 多元化和增长， 近期侧重经纪投资和中期战略关系的考虑。 提高运营效率、 人才培养和生产力水平， 超越业内所有业务领域的基准水平， 从而实现战略。成功因素包括： 在市场研究和调查方面进行超前投资， 确保能够深入了解客户和经纪人的需求。 通过大数据不断地

54、测试、 学习和了解哪些定价变量可以去掉或者代替， 同时保持定价粒度和结构。 不断反馈和学习， 完善定价算法。 围绕三个核心平台 （政策管理、 分析引擎和数字前端） 开发技术解决方案， 支持组织用具有性价比和敏捷性高的方式开发定制解决方案， 实现自动化决策。 成果 该公司是第一家允许客户使用任何设备随时在线定制报价的加拿大保险公司。 它使用复杂的分析技术， 在短短的几秒内就能提供个性化的报价， 客户只需要回答几个问题即可。 它利用现有的后台功能， 不需要经纪人或保险商， 只有20个客户服务人员。 因此， 这家公司显着改善了客户体验， 颠覆了今天的加拿大市场。22少说话多做事的策略从数据分析获得满

55、意结果 | EMEA保险数据分析研究为成功改进组织只是解决方案的一部分根据洞察采取行动才是最大的挑战有了明确的愿景和战略， 准备好数据分析项目的路线图， 考虑过内部能力， 利用好生态系统， 而且预计将在整体上实现价值， 剩下的是工作就是找到正确的运营模式。 成功的运营模式不仅支持洞察的提交， 还能确定如何根据洞察采取行动， 还有进行实施和评估。我们的研究显示， 没有单一的办法能确保运营变革的成功。 沟通和变革管理也是成为洞察驱动组织的挑战。 下面的部分将更详细地讨论这些挑战， 并列出我们的建议。没有最好的运营模式考虑组织的需求并选择有效的运营模式对于实现数据分析的价值至关重要。 今天行业采用各

56、种各样的运营模式 （见图9） 。 虽然一般组织可能会从 “功能” 模式开始， 然后在成熟时转向 “咨询”或 “卓越中心” 模式， 但所有这些模式都是正确的组织形式， 在保险行业中还没有发现一种特定的模式比别的模式更成功。没有明显的成功秘诀， 所以保险公司正在尝试不同的模式， 而且必须调整和改变他们的方法。运营实施和变革管理为成功改进组织没有适用于所有情况的运营模式。 分析功能的范围和能力应根据组织当前和未来的潜在需求确定， 愿景、 策略和行动路线图将发挥重要作用。与许多其他组织功能一样， 标准化也有利于发展数据分析功能。 开发可重复流程和集中化的功能可以推动企业发展。 但是， 分析不应该与产生

57、分析洞察的业务分隔开来。 数据分析是一项年轻和发展中的功能， 因此它可能比其他任何支持性功能更需要与内部的业务需求相联系， 同时灵活地根据需求不断变化。领导的挑战是要决定集中提供哪些功能， 还有如何将集中化的功能与IT和前线业务服务无缝连接。 让关键利益相关方走到一起， 确定应着重努力的方面， 有助于用整体眼光看待组织要求。随着企业对分析的认识不断增加， 对洞察的需求不断成熟，分析功能的范围、 规模和影响水平将随着时间的推移而发展变化。 因此， 有些组织可能会从一种运营模式切换到另一种运营模式。“今天我们按功能做分析， 我相信明天它将跨功能。 ” EMEA首席精算师 运营实施和变革管理0%5%

58、10%15%20%25%30%35%40%45%5%14%28%39%14%图9.你现在采用哪种运营模式？功能模式分析师主要实现营销和供应链等功能， 这些地方的分析活动最为频繁。咨询模式分析师都在中心集团工作， 但他们是内部顾问， 向业务部门收取服务费用。集中模式分析师处于在一个中心集团， 他们服务于各种职能和业务部门， 参与各种各样的项目。卓越中心模式由一个中心实体协调整个组织中各单位分析人员的活动， 并建立一个共享知识和最佳实践的社区。分散模式分散模式分析师分散在不同职能和业务部门的组织中， 彼此协调很少。咨询模式功能模式集中模式卓越中心模式23少说话多做事的策略从数据分析获得满意结果 |

59、 EMEA保险数据分析研究信息不总是清晰明确执行负责人起到十分重要的作用， 他们可以改变组织的文化， 推动组织转变为数据驱动和追求洞察的组织。虽然我们调查的绝大多数保险公司选择了正确的方向，但40%的受访者表示他们缺乏高级领导， 因此整个组织对分析可以带来的收益和它的力量了解有限 （见图10） 。使用数据来指导决策， 对有些人来说是一种非常大胆的尝试， 所以只有证明它的价值， 才能让人们相信洞察驱动的好处。“我们了解分析的重要性， 但将这件事实施起来是一个挑战。 ” EMEA首席精算师传播成功故事根据精心设计的项目蓝图采取行动， 可以让组织的其他部门看到价值， 前提是项目负责人足够强大， 能够

60、保证他们根据洞察行动。通过以敏捷的方式进行概念验证， 可以建立一个 “提升” 循环以及用于分析的内部品牌。成功的故事不仅仅要在高管和负责人之间大力宣传， 而且要在整个公司范围内广泛传播。 其他行业的组织通过现场演示、 内部网站、 Yammer小组、 Sharepoint网站和视觉洞察中心进行。运营实施和变革管理8%31%39%14%8%图10.执行负责人在改变上海品茶，成就洞察驱动组织的过程中会带来什么影响？没有明确的支持， 对业务分析的了解非常有限存在局部支持， 没有中心角色， 有少量分析知识团体负责人和一些集中领导的项目正在出现，主要倡导者接受培训，同时传播分析知识有清晰的团体支持角色，

61、在整个组织都有分析沟通方案存在高级负责人和支持者， 一个变革群体正在充分发挥分析潜力24少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究内心和思想不会一夜之间改变组织中的每个人都需要接受战略， 并利用他们手上的数据、 工具和洞察。 即使有强大的领导和执行负责人， 一个组织也许也不会改变， 更不可能在一夜之间改变。 特别是需要大幅改变文化， 才能根据分析得到的洞察采取行动， 从而支持和推动决策。图11说明， 虽然在大多数情况下， 决策中使用了分析洞察， 但要根据洞察进行预测分析， 仍然存在障碍。只有24%的受访者正在使用预测分析来预测未来情景，只有3%正在使用洞察来推动自动

62、化决策和行动。 通常认为数据质量低、 对洞察的信任不足是造成这种情况的原因。 然而在保险行业， 我们相信这也可能是因为人们对数据分析有着根深蒂固的看法， 而且不愿摆脱基于直觉的决策方式。也就是说保险公司会错过巨大的机会， 因为竞争优势和颠覆性的力量源于快速预测和行动的能力。 传统的心态正在阻碍保险公司发展， 他们无法大胆行动， 享受自动化决策和人工智能带来的好处。“我们很容易低估驱动变革需要付出的努力。我们有数据科学家，但不知道如何用最好的方式使用数据。”EMEA功能风险总监运营实施和变革管理图11.什么是决策文化？我们主要依靠中小企业的知识和直觉使用一些基本的前瞻性数据和预测使用洞察驱动的数

63、据和KPI进行前瞻性预测预测分析用于支持下一步最佳行动，但并不一致使用一致的预测分， 并推动一些自动化决策和行动0%10%20%30%40%-3%35%24%35%3%25少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究改变心态 许多决定都来自于直觉， 通常受到深厚的知识和经验的支持， 但更常见的是人们不相信 （或不能访问） 数据和洞察， 无法用它们支持决策过程。 解决底层数据的质量和访问问题只是挑战的一部分， 在实现利益和根据洞察采取行动的过程中， 改变深层次的观念也同样重要。变革管理技能对成功实现分析转型至关重要。 随着分析项目的复杂性和全球影响力不断增加， 它对不同

64、业务部门、 文化和地理位置的影响也将不断增加。 变更和沟通技能通常被低估和忽视， 但如果没有这些技能， 分析转型就无法成功。在日常业务中整合洞察需要行为转变， 一些组织发现物理环境的变化对此很有帮助。 采用更灵活的工作时间和创新工作空间， 可以打造生产力更高， 充满协作和创新的环境。 下面列出了一些最新的方法， 我们看到一些保险公司已经开始设立这样的工作场所。 数字化运营中心： 具有多种数据可视化工具的大型触摸屏， 覆盖整个公司业绩。 设计思维空间： 走廊、 会议室， 甚至布置了大量白板的飞机库， 可以鼓励员工绘制解决方案或洞察过程。 可穿戴战情室： 为员工提供最新技术， 例如虚拟现实眼镜、

65、无人机和3D打印机等。 分析实验室： 提高敏捷性和构建测试环境， 具有复杂的数据可视化工具和设计功能。改变物理环境只是支持组织文化变革的一种方式。 鉴于挑战的规模之大， 我们有必要从多个角度来实施变更议程， 其中许多方面我们已经在前面的内容中提到过。 例如： 沟通和创造需求： 创造一个引人注目的未来图景， 教育人们相信未来的可能， 并在整个组织中传播成功故事， 激励人们并创造对洞察的渴望。 为成功而行动： 保证项目透明， 并通过强有力的行政和商业支持保证组织基于洞察行动。 对项目进行全面规划和优先排序， 这对于避免数据和技术障碍至关重要。 以新的方式思考人才问题： 寻找和保留紫色人才需要新的人

66、才路径， 激励要与创新相关联， 还要在新的领域进行搜索。 为失败准备： 我们要接受一些措施的失败， 为此做好准备并能够从中学习。 失败非常重要， 而且要快速失败。 沙箱式环境和敏捷性是关键。运营实施和变革管理26少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究案例分析：变革推动者的重要性挑战一家全球20强保险公司认识到， 他们正要落后于竞争对手， 希望找到一种具有性价比高的方式大幅提高竞争。 他们决定先建立一家集中的分析中心来产生洞察， 并通过本地的 “周边团队” 来应用洞察。方法和成功因素这些周边团队由 “变革推动者” 组成， 他们是具有业务知识的个人而不是纯数据科学家

67、。 变革推动者能够与当地业务部门合作，提出商业问题， 确定商业案例， 鼓励利益相关方投资。在集中分析中心反馈洞察之后， 周边团队就能够将商业洞察应用到业务中， 并确定要改变哪些流程， 从而获得收益并创造价值。主要成功因素包括： 通过变革推动者创造业务分析需求， 以满足领导层自上而下的推广分析 认识到他们需要组合技能才能成功中心的分析和数据科学能力加上周边的业务和变革能力 明确只是发现洞察是不够的， 能够阐明商业案例， 让利益相关者参与其中， 并且用洞察指导行动， 这些都同样重要。 成果 建立了支持分析洞察的生成和使用的中心与周边模型。 项目成功率很高， 因为变革推动者： 发挥了关键作用， 预先

68、确定商业案例 连接数据科学家和业务 鼓励应用洞察并支持实施变革27少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究我们的调查显示， 今天欧洲、 中东和非洲 （EMEA） 地区的保险公司在分析的成熟度上有很大差异。 很少公司正在认真地投资发展企业范围内的分析能力， 大多数公司仍然以缓慢而零碎的方式取得进步， 而且还有很长的路要走。初创企业的兴起、 不断变化的消费者需求和快速发展的技术创新意味着保险公司如果要保持市场份额， 就必须快速改变策略并迅速向前发展。 关键是在整个组织中整合数据和分析， 如果没有它们， 多好的的努力都将面临失败。IDO介绍洞察驱动组织 （IDO） 指的

69、是将分析、 数据和推理整合到决策进程的组织。 他们不将分析视为具有开始和结束日期的项目， 而是将分析视为其组织的核心能力， 通过提供洞察来支持决策， 满足不断增长的分析需求。你准备成为IDO了吗？阶段 1分析缺乏意识到的分析的作用， 但很少甚至没有基础设施， 也没有明确的分析策略阶段 2局部的分析正在采用分析， 构建能力，并在小范围内阐明分析策略阶段 3分析意向正在扩展专门的分析能力，超越小范围， 进入主流业务功能阶段 4分析型公司产业化分析， 将来自广泛来源的数据汇总并整合到有意义的内容和新想法中阶段 5洞察驱动组织转换分析， 简化所有业务功能的决策你准备成为IDO了吗？IDO成熟度曲线28

70、少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究如何成为IDO虽然领先的组织在开发分析能力方面取得了重大进展， 但根据我们的经验， 他们经常很难构建策略、 人员、 流程、 数据和技术来应对不断增加的信息量和分析洞察需求。 我们创建了一个经过试验和测试的框架， 以帮助和指导高层领导人将他们的公司转变为IDO （见上文） 。 每个组成部分代表了随时间推移需要采取的行动和子行动。成为IDO不是一件容易的事情， 而且不是光靠CDO的动力和决心（不管多么强大） 就可以做到的事情。 但是， 我们认为实现三个重要的变革可以帮助保险公司发展：1. 采取整体的方法， 并计划将来需要的企业级

71、能力， 而不是短 期策略要求。今天你是什么样的保险公司， 明天你想成为什么样的公司？ 你正在做什么， 计划如何实现目标？ 你需要优先做出哪些改变？2. 利用生态系统， 在构建未来能力的同时， 以快速、 经济高效 和安全的方式充分利用数据、 技术和人才。你有能力和预算在组织内部完成一切吗？ 这样做是否有效和稳健？ 你从其他地方可以收集到什么？3. 通过优化分析工作中的变革管理， 真正从分析价值中获益， 应对行为挑战。与分析有关的变革有多重要， 你认识到了吗？ 你如何在组织中解决这个问题？ 你的领导是否树立了正确的榜样？正如我们在其他行业所见到的那样， 承认、 接受和应对这些巨大挑战的人将会出现在

72、行业的顶端。 那些逃避问题， 以为这种变革会自然发生的公司将会迅速被甩在后面。我们希望本报告能为你提供一些值得思考的观点， 欢迎你进一步和我们讨论这些发现。你准备成为IDO了吗？IDO的组成部分战略分析愿景价值驱动因素和业务案例利益相关者管理运营模式创新人员领导组织设计人才变革路径和决策流程知识管理数据质量和管理数据货币化道德与分享法规与合规流程需求与优先级信息模型和数据源敏捷性和可扩展性流程重组治理效益实现解决方案架构供应商管理沙箱和产业化云端与本地安全性、 可靠性和连续性数据技术29少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究附录A调查来自欧洲、 中东和非洲 （E

73、MEA） 地区的68家不同保险公司向我们提交了102份调查答卷。 我们根据公司管理的总资产进行分类， 调查了10大欧洲保险公司中的8家公司4。不同层级的管理者参与了调查， 包括首席数据官和其他高管成员（CEO、 CRO、 CMO、 CFO、 CIO等） ， 以及精算师和综合管理层。9%5%5%4%4%3%2% 1%25%16%16%10%英国南非西班牙法国葡萄牙捷克共和国波兰荷兰比利时德国瑞士意大利图12.国家/地区的贡献占比30少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究附录B出版物链接世界经济论坛金融服务的未来Turbulence ahead The future of general insurance前有激流， 未雨绸缪一般保险行业的变革力量和创新趋势金融服务行业首席数据官的角色进化从统帅管家到商业战略家GDPR合规性时钟滴答作响31少说话多做事的策略从数据分析获得满意结果 | EMEA保险数据分析研究