文章摘要
【关 键 词】 数据治理、数字化转型、客户画像、智能管家、业务赋能
平安产险在数字化转型过程中，数据治理发挥了关键作用。通过数据标准化，公司在业务、技术和数据三端推进工作，确保数据准确性和一致性。同时，平安产险采用“治理即应用”的理念，通过统一ID体系串联客户全域数据，构建客户画像，解决客户识别问题，并通过产品化和算法赋能业务场景。
在FCon全球金融科技大会上，平安产险客户大数据团队平台组负责人洪广智分享了数据治理模式规划及落地步骤。他指出，数据治理需紧密结合业务场景，提高数据使用效率，并通过产品化方式将治理后的数据快速输送到业务前线。
平安产险面临的数据治理挑战包括监管要求提高、内部数据标准化需求高、业务发展需要数据治理支持。例如，非车险保费营销活动后，数据指标在不同系统报表中出现不同值，导致难以判断活动效果。
为解决这些问题，平安产险探索出数据治理方法论，包括定标、贯标和质检三个核心动作。通过数据标准管理工具、质检工具和数据开发标准工具，实现数据来源标准化、数据内容标准化、源端数据录入标准化、提交需求标准化和数据模型建模标准化。
平安产险还启动了“企业数据智能管家”项目，探索大模型在数据治理上的应用。项目围绕AI助解、数据智典和数据透视镜三个核心能力展开，提高定标效率和覆盖率，简化找数步骤。
通过实施数据治理，平安产险取得显著成效，包括数据质量检查覆盖率提高、制定数据标准速度提高20倍、降低使用数据门槛等。
平安产险将数据治理从治理本身转变为赋能业务应用。通过DIKW模型，从字段治理转变为客户数据治理，构建统一客户ID识别体系和梳理客户与公司的业务关系。
平安产险开发了客户画像平台，提高业务员转化率。非车险策略制定智能化应用，提高策略制定效率和准确性，使用推荐策略的客户客均保费提升91.8%。
总之，平安产险通过数据治理，为业务插上鹏飞的翅膀，实现数据触手可及，推动业务发展。
原文和模型
【原文链接】 阅读原文 [ 5313字 | 22分钟 ]
【原文作者】 AI前线
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
