寿险行业的高质量发展（数字化经营底座助力寿险行业转型）

中国是全球规模最大、最具活力的人寿保险增长市场，预计未来几年依然会保持两位数的增长速度。近年来，随着保险行业的发展和保险业市场竞争的加剧，保险公司在管理和运营方面面临着更高的要求，来自监管、竞争、技术更新及全球化等各方面的压力正在不断推动保险公司运营模式的转型。

目前，随着行业的迅速发展，许多保险企业的现有平台难以支撑日益增长的分析需求，各团队在数据的开发和使用方面碰到了如下挑战：

• 销售、运营等业务部门对同一指标的统计口径不同，影响正常经营决策活动，以至于无法有效支撑公司战略目标的落地；
• 对于企业各部门主管及业务分析员而言，现有大数据平台对即席查询的响应过慢，因此很难及时获得所需报表，较难按照业务敏捷的需求灵活分析；
• 对于数据开发团队而言，需要反复面对相似的需求重复造轮子，另外开发的报表越多，后续运维难度也就越大。

Kyligence 智能多维数据库凭借其强大的 AI 增强引擎、多维预聚合、智能推荐以及高并发等能力，帮助客户以极低的 TCO 加速数字化转型，打造数字化营业部，助力保险精细化运营。

• 人力成本节省：Kyligence 可视化建模、AI 增强引擎和多维自动预聚合等能力，将指标的开发时间缩短了 50%，每年可带来数百万的人力成本节省。
• 缩短数据交付周期：Kyligence 提供可视化的模型开发环境，帮助数据建模人员降低了建模难度，同时极大加速模型的开发速度，单个主题开发周期将能从周缩短到天，将能带来 5 倍的计算效能提升。
• 代理人级别的分析粒度：相比支持到营业区级别的的查询，Kyligence 可以支持到营业组、乃至代理人级别的分析，并能在秒级别提供高并发的查询响应能力。
• 数据资产沉淀：Kyligence 提供低代码模型设计与管理平台，模型元数据可轻量级接入数据资产管理体系，沉淀数据资产模型。

接下来我们将以保险代理人管理中较常见的“增员”和“基本法”为例，介绍寿险行业在数据分析中常碰到的一些问题，诸如分析报表固化、数据更新不及时、查询响应慢、并发支撑能力较弱等，以及寿险行业如何通过缩短数据开发流程以及更可靠的指标体系来释放业务自助分析潜力，打造数字化经营底座。

增员可以简单理解为增加保险公司的业务人员。在增员过程中，及时进行增员分析将能帮助公司及时掌握增员达成情况，进而促进公司战略的实现。

增员分析通常涉及留存率、增员率以及增员达成率等核心指标。在进行增员分析时，公司希望能按时间、区域以及人员来源来分析公司人员的留存率、增员率以及增员的达成率。这些需求无法通过单独的几张报表或一些简单的指标来实现。但多数情况下，由于公司数据平台和分析技术的限制，一个指标的开发可能要几天的时间，开发成本过高，使得公司无法及时地追踪公司的增员进展。

此时，就可以借助 Kyligence 的多维分析与处理能力。Kyligence 将帮助企业从历史查询中识别出典型分析模式，从而加速公司指标体系的构建，简化指标平台管理，赋能保险公司从多个维度进行增员分析，例如：

• 时间维度：自定义查询周期，如日、月、年等，全面掌握具体时间段内的增员达成情况；
• 组织维度：从不同组织架构判断公司的增员达成情况，如部门、项目组或地区等，及时找出当前人力资源较薄弱的环节；
• 招募来源：综合判断各渠道的招募效果，从而确定接下来资源的倾斜情况。

基本法即代理人基本管理办法，是代理人业务考核、职业晋升和收入管理办法，它规定了保险公司内部的利益分配格局。

保险公司在搭建基本法分析平台时，通常会碰到几类问题：

• 指标体系复杂：公司各层级关注的重点不同，比如总公司更关注目标达成率、同比增长率、间佣率等，希望据此优化公司整体目标并进行决策；中层更关注团队的目标达成率，不同层级人员的贡献情况；一线员工更关注自己的晋升空间，希望查看个人的新进保单量等数据；
• 代理人基数庞大：数据显示，2021年上半年中国五大上市寿险公司的销售人力合计为 336 万人，排名第一的中国人寿更是高达 115 万，因此分析对象的基数庞大，除公司管理层外，各团队负责人及员工都希望能实时查看各业务细分指标的进度；
• 组织架构调整频繁：保险公司的组织结构和人事变动频繁，例如，Larry 是 S 公司的一名销售，在上海总部工作，一段时间后，他被调到北京分公司，此时分析平台无法及时反反映这一变化，影响后续的销售数据统计。

借助 Kyligence 的多维自动预聚合等能力，保险公司将能轻松应对上述问题，构建出一套完整的定制化指标体系，同时 Kyligence 还提供了成本最优的高性能查询能力，支持更多用户在线使用，帮助企业释放业务自助分析潜力：

• 支撑统一指标的数据服务：Kyligence 将帮助不同业务部门之间能共享业务逻辑，使其能获得来共享数据更全面的视角，帮助企业有效挖掘其价值，驱动公司的决策制定和战略目标的实现。
• 全方位、多层级分析：Kyligence 的优越性能将满足公司不同层级、不同颗粒度的分析需求，例如在总公司层面，公司领导层可以及时查看公司当期的目标达成率、同比增长幅度等，并据此优化公司整体目标和制定战略；个人也可以实时查看自己的业绩完成情况，及时调整业务运营方向。
• 更细粒度的并发访问：Kyligence 提供了稳定的高并发查询能力，即使在日查询量总数达到数百万的情下，也能稳定地提供秒级高并发即席访问能力。
• 灵活应对组织结构变化：Kyligence 支持通过维度快照跟踪员工信息的动态变化，既保障了查询性能，又避免了不必要的模型数据刷新的开销，从而满足了不同的数据分析需求，大幅提升大数据分析的效率。

目前 Kyligence 已经与国内的多家头部保险企业达成了战略合作关系，通过帮助寿险行业缩短数据开发流程以及搭建更可靠的指标体系来打造数字化经营底座，释放业务自助分析潜力，从而帮助各大保险公司更好地进行数据挖掘和数据资产的沉淀，助力商业经营决策。

上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 创始团队于 2016 年创办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等功能，Kyligence 提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售等行业客户，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、Costa、UBS、MetLife 等全球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成全球合作伙伴关系。目前公司已经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。