在泰康集团大数据平台的建设过程中，基于 Kyligence 所构建的亚秒级、高并发的 OLAP 服务层能力，助力集团架构实现多维度的分析应用，以及统一的数据服务接口。其显著降低了数据开发的成本，赋能业务精细化运营，助力分析师更高效地自助化洞察数据。
—— 泰康集团大数据平台负责人
#01
行业背景
保险公司的盈利主要包括承保利润和投资收益两部分，这也被保险行业称为双轮驱动的盈利模式。其中，虽然主要盈利并不是来自保费收入，但是保证每一款产品的保费收入大于产品赔付额，才能有机会进行二次收益投资，获得高额的行业回报。因此，控制好产品的赔付率，保证在营产品的正向收入对保险行业来说是基本的生存要求。在日益激烈的市场竞争和技术变革这两大背景下，基于大数据、人工智能等技术的商业模式创新，以及数字化转型升级已经成为保险机构的必然选择。
#02
保险行业现状和痛点
大数据时代，保险行业所涉及和积累的相关数据越来越多，其中既包含公司自营的业务数据，也有合作渠道的电商销售、医疗健康等数据，还有第三方的信贷评级、出行行为等数据。
面对如此大的数据量，既有挑战也有机遇，将这些数据进行充分整合并有效利用，才能更好地使其转换为企业的数据资产，让数字反映出真实的运营状况，及时控制产品风险和策略调整，以实现保费收入的正向利润，达到精细化运营。
目前大部分保险企业在数据管理及分析方面都存在以下痛点：
痛点一：传统数据平台和解决方案已无法支撑日益增长的数据量，数据分析时效性在不断降低。
痛点二：大量数据分析需求依赖手工定制化实现，无法有效支撑业务高速发展的步伐。
痛点三：大部分数据以固定报表形式呈现，缺乏灵活的自助式分析服务。
#03
Kyligence 应用场景 + 解决方案
Kyligence 服务了各行各业的领先企业，助力保险客户在多维度的灵活分析、准备金计提的应用、业务员的绩效分析等精细化运营的多个业务场景实现了创新应用和项目落地。
应用场景 1:
客户保单理赔精细化灵活分析
在保险业务过程中，经常需要基于保单赔付情况对客户进行不同维度的统计分析，从而达到多角度精细化管理的目的。由于一个客户通常有多条保单赔付记录，就需要从明细流水记录里对客户进行去重统计。当企业数据量越来越大时，传统 DB2 的架构就逐渐凸显出了不足。企业希望能在选择不同的日期范围的同时，能对客户人数进行多维度的灵活分析。
传统的基于 DB2 的数据平台，要想保证分析的灵活性，就要从明细表中按需即席统计去重的人数，然而随着数据量增大和业务场景增多，这种方式往往会带来一些性能问题，业务人员难以忍受长时间的查询等待。而如果提前将数据统计好预先存在一张结果表中，供前端报表访问，又会带来灵活性的问题，例如（由于去重统计不可累加的原理）无法自定义数据查询范围，无法随意更改分析维度。
因此，IT 部门常常陷入两难的境地，灵活性和时效性只能二选一，而业务部门则往往是“灵活和速度我都要”。Kyligence 基于预计算的多维分析设计模式，充分融合了精确去重能力，以 Bitmap 算法使得去重统计可以预计算，支持数据的增量加载；查询人数时，可对维度任意组合；支持非整月跨度的业务查询场景，既满足了时效性也提供了灵活性。
应用场景 2:
准备金计提的应用
保险机构跟银行类似，都需要保留一定的现金量，也称为准备金。保险的未决赔款准备金，是用来给保险产品的理赔支出提供充分支撑的一种保障。而与银行不同的是，由于每一款保险的赔付情况跟产品属性强相关，保险行业的准备金数额是可以被较为准确地计算出来的。
保险公司希望在对赔款准备金进行准确预估后，就可以提取出更多的现金进行二次收益投资，从而最大化主营利润。同时，产品部门将准备金精算到每一款产品后，也能够及时了解每款产品的盈亏属性，从而进行有效调整或者止损。
链梯法是评估未决赔款准备金最常用的方法，使用链梯法计算的未决赔款准备金分为两部分，一部分是已赔付金额（上三角），一部分是未赔付金额（下三角）。客户以前使用 Cognos 查询出上三角时，由于不支持定制化前端展现或数据访问接口，因此只能在将上三角数据导出后，在 Excel 中进行下三角的因子调整并二次加工，得出未赔付额。
通常多轮调整计算因子下来，需要 2-3 天时间才能完成一款产品的分析。如果有 100 款产品，就可能需要一个人分析一年，因此企业只能挑选部分产品进行精算。
Kyligence 在提供高性能数据管理及分析能力的同时，支持以 API 接口的形式对接不同的定制化展现前端，因此能将下三角的计算程序轻松集成到前端应用中，从而省去人工导出 Excel 计算等过程，通过参数化的界面操作就可以在分钟级完成每款产品的分析，从而助力企业真正做到产品级别的精细化运营能力。
#04
获得的成效
Kyligence 智能数据云平台通过高效的响应性能，灵活的数据多维模式，丰富的数据服务接口等，提升了数据应用的效率，开放了业务自助分析的能力，助力保险业务在精细化运营的道路上不断精进：
大数据量复杂场景的数据分析时效性由每周（更新一次）到每天（更新一次），大大提升了分析的时效性，有利于业务及时进行决策；
Kyligence 多维的数据模型应用方式，替换了之前不够灵活的的应用宽表开发，节省了 IT 人员 50% 的定制开发工作量，有效提升了 IT 部门的效率；
从以往多为固定报表的形式，升级为具有开放能力的自助分析平台，提升业务人员 30% 的分析效率。
关于 Kyligence
Kyligence 由 Apache Kylin 创始团队创建，致力于打造下一代智能数据云平台，为企业实现自动化的数据服务和管理。基于机器学习和 AI 技术，Kyligence 从多云的数据存储中识别和管理最有价值数据，并提供高性能、高并发的数据服务以支撑各种数据分析与应用，同时不断降低 TCO。Kyligence 已服务中国、美国及亚太的多个银行、保险、制造、零售等客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、一汽、安踏、YUMC、Costa、UBS、Metlife、AppZen 等全球知名企业和行业领导者。公司已通过 ISO9001，ISO27001 及 SOC2 Type1 等各项认证及审计，并在全球范围内拥有众多生态合作伙伴。
