9月22日,大数据应用优秀案例评选暨大数据生态系统峰会在北京召开。天云大数据“大数据助力重塑保险精准客户画像”入选本年度大数据应用优秀案例。
2017大数据生态系统峰会由中国电子信息行业联合会举办、商业伙伴咨询机构承办,旨在贯彻落实国务院《促进大数据发展行动纲要》、《关于深化制造业与互联网融合发展的指导意见》以及工信部《大数据产业发展规划(2016-2020年)》等国家战略部署,配合工信部相关司局做好重点工作,推进中国大数据企业发展,提升大数据应用水平,通过成熟应用案例引导大数据的未来发展。
本次大数据应用优秀案例评选活动,包含1000家大数据企业同台PK,并采用企业自主填报/主办方提名、专家评审团打分的方式进行。案例涉及的应用领域包括大数据平台建设、大数据处理、大数据安全、数据可视化、大数据营销、GIS等。
此次获奖的大数据助力重塑保险精准客户画像,是大数据应用在保险行业的典型示范。随着社会进步,国民的保险意识越来越强,对服务的要求也越来越高,传统的保险业,更多根据精算所得到的一致化的服务标准,为客户提供了针对性不强的大众化服务。而通过大数据平台,对流失客户的流失原因进行分析,进而得到流失模型,并根据客户群体的共性找到服务的个性。利用大数据可以为不同流失概率的未流失客户提供不同等级、不同角度的客户服务。
传统的BI模型,以及基于样本的数据挖掘,在一定程度上限制了保险业对于客户属性的全方面了解。基于人为的属性分类和数量分类,使客户不能体现出自身应有的特征,导致业务员提供的服务有可能并不是客户想要的,而仅仅是业务员想给的。天云大数据基于成熟的Hadoop计算框架的企业级大数据平台产品BDP,通过对泰康业务数据的全量分析,对客户的业务属性进行聚类,形成新的客户群体,重塑客户个性脸谱,为终端业务人员提供更加精准的客户特征信息,从而感知市场动态,指导实际营销活动。
泰康大数据平台逻辑架构设计
泰康大数据平台项目成果展示
工作成果 |
描述 |
大数据平台 |
大数据组件管理,数据管理,集群服务管理平台。 |
流失预警 |
圈定已流失客户群体,寻找群体特征 根据此特征形成客户流失预测模型 计算每个客户的流失概率 |
客户分群 |
按照不同视角选择变量,进行客户分群 将客户分群结果与业务解读进行校对 调整分群大小的颗粒度,寻找最优值 为每位客户生成特征描述、二开产品推荐、客户流失概率 |
产品推荐标签 |
根据客户产品购买行为,运用关联规则分析模型,生成二次购买产品推荐列表 |
实现的主要功能模块:
- 客户画像管理模块
- 产品推荐管理模块
- 客户预警管理模块
- 词典管理模块
客户画像管理模块:
负责接受来自前端(手机终端)的请求,并根据机器学习所得到的客户数据进行整合、调整及简单计算,响应请求推送数据。
产品推荐管理模块:
以机器学习中对于产品精准营销所产生的数据为基础,根据请求中的客户保单数据,对客户进行个性化的产品推荐。
客户预警管理模块:
以客户流失模型为基础,对客户流失的可能性进行计算,并匹配相应挽留级别,将流失预警及服务结果推送至客户端。
词典管理模块:
对客户分群、产品关联性所涉及到得结果数据以字典的形式保存于分布式文件系统中,并随着机器学习的计算结果进行更新。
将客服信息,如挽留级别进行管理。并根据业务员反馈,对词典中的数据进行相应的调整和补充。
泰康大数据平台整体架构图
业务流程:
1、 将交易所产生的客户数据从不同的系统进行收集,并加载至分布式文件系统内。数据收集分为三部分:
- 历史数据的一次性迁移导入;
- 每天将增量数据导入;
- 将前端(手机终端、微信平台)的反馈数据导入
2、 对数据的一致性进行校验:去重、缺陷修补、按照模版进行整合;
3、 将已经进行一致性校验后的数据,通过hive框架进行整合,生成统一的扁平化数据集合,即以客户为中心的宽表数据;
4、 通过机器学习的各种算法,实现对客户的群体划分、产品的精准化营销以及客户的流失概率分析;
5、 支持手机客户端,将相关数据进行快速及时的整合推送。
6、 业务员将对系统推送的数据进行反馈,反馈数据重新回到分布式文件系统中,重新参与机器学习,产生更新数据推送至终端。