如何打造数据治理闭环？以保险行业为例
最近总有好玩的事情。刚搞定一个交通行业大数据项目的咨询工作，又来一个保险行业数据治理的咨询业务。我一开始还很忐忑，怕跨行业了，经验就不好使了。结果发现，保险行业数据治理也还是那一套么。
同时感慨，还是这种公司重视数据啊，这项目做的太舒服了！今天就给大家分享一下保险行业数据治理项目心得，我觉得这个行业的数据治理可以作为标杆了。
一、保险客户数据治理背景
保险行业乃至于整个金融业，对数据价值的感知是最早、也最完整的。因此，他们对数据治理的需求是非常旺盛的。这是行业属性使然，当然也有保监会的政策要求。
保险客户数据是保险行业非常重要的数据资源，很多保险险种的精算，都是以客户为基础，加上其他各种乱七八糟的数据一起算好的。
所以，保险客户数据的治理背景基本上可以分成三类：
- 业务需要
- 数据管理需要
- 政策需要
业务需要很容易理解，辛辛苦苦收集上来的客户基本信息都填错了，联系不上人了，这保险买给谁啊？收上来的数据越全、越精准，我们就可以“分级分群定优客”，按互联网的话来说，就是做客户分层，精准营销，最终保业绩，拿年终啊！
数据管理需要也能理解，毕竟各种后续的数据分析、精算都是以客户数据为依托的么。客户数据都错了，那分析结果肯定有偏差啊。
政策需要就不用多解释了吧？保监会的话，谁能不听啊？
保险客户数据治理的目的也很简单，就是提升客户关键信息的真实性。一般来说就是三要素：身份证号、客户姓名、客户手机号码。
二、保险行业数据问题分析
虽然保险行业非常重视数据，但是多年保险业务的快速发展，的确也带来了非常多的数据问题。
各地分公司基本都是各自为政，谁都把客户当自己的命根子。业务员那边就更是了，甚至还有人故意隐藏真实客户数据，就是怕别人抢走自己的客户。
这就出现了一个非常搞笑的场景：业绩都完成，保费蹭蹭涨，可就是客户电话一个都打不通，打通了也不是本人，是本人也不一定是真人。我就亲眼见过一个保险代理人让她朋友照着信息读，回答对面的电话，也不知道是帮忙干啥。
所以啊，上到组织层面，下到业务执行层面，都有不同层级的数据准确性的阻碍。你说这数据能好的了么？
说起来，这保险行业的情况，跟二手房的情况简直是一模一样的！政府也一样呼吁“真房源”的好多年，市场上也没解决，最后还是贝壳搞定的。我觉得某个保险公司也得向贝壳的ACN规则学习一下，没准能颠覆保险行业，成为保险巨头呢。
三、保险客户数据治理流程
基本上各个行业的数据治理的流程也就长这样：
当然，上面是实操版，在执行的时候，当然还得按照项目管理的逻辑，先得做整体计划，定岗定人定则，颁布数据治理管理办法。中途还得不断的监督、控制，还得设定几个里程碑，保证按时按质按量完成任务。不过那些都是项目管理的事情，这里就不赘述了。
数据治理的前两步肯定是数据收集、数据处理及分析。这两步基本上都是数据工程师在干活。
数据收集其实就是把平台、Call Center、CRM、各业务系统（承保、理赔、农险等）、投诉系统等各个系统中的客户数据全部拿过来。
数据处理其实就是做客户的归并，用技术进行数据治理。把能技术能清洗、匹配上的数据给弄好，比如去掉手机号码的+86、客户名字中间的空格啥的。然后设定各种规则进行有效性判定，比如：三要素数据缺失、不规范、验真为假。
真正到了数据治理的环节，一般来说，都会分成两部分去处理：
- 存量客户数据清洗；
- 增量客户数据质量控制。
1. 存量客户数据清洗
对付存量客户数据，组织层面，需要集团进行全面的数据质量核查，并把结果分发到各地分公司。各地分公司拿到问题数据清单，基本上就得分析问题原因构成，根据不同因素，制定清理方案。
如果是技术能解决的，那还好说。技术解决不了的，就安排业务员进行存量数据清理工作。总之就是各个分公司，根据问题数据清单，对照数据质量整改标准和任务量，各自安排数据清理工作。因为技术规则已经清晰过一遍了，这部分基本都得靠人工清洗。这个工作量可想而知，是最费劲的，最耗人工的。
2. 增量客户数据质量控制
对于增量客户数据，相对来说还好办一些。让下面严格执行就可以了。保险毕竟是一个客户数据收集的强控场景，毕竟跟个人的钱息息相关。
严格执行的方法其实也好控制，反正保险公司会在销售、承保、理赔、咨询、服务等很多环节跟客户接触，每个环节都跟客户重复询问和核对信息就好了。
业务员重新确认好客户数据之后，客户资源系统这边就得开始动起来了，根据最新的客户数据，反复比对，确认无误后，更新客户数据，做数据补齐、数据归并等处理。这客户数据有效性不就一点点的上去了么？
3. 数据治理支撑体系
业务员那边正在人工清洗数据呢，我们这边也别闲着，各种监控得弄上啊！监控大屏要摆上领导桌面，发领到手机上；各种监控日报、周报、月报都得设计好，定期分发下去；各种分公司数据有效性排行榜都得安排上。这效率，嗷呜的一下就上去了！
扯个题外话，有些人说，数据分析没啥用的，看不到实际价值。不是说数据换成钱就是价值啊。有些时候，一张排行榜就能成倍的提升效率，这不是价值么？
除了数据驱动，其实还得靠组织驱动。所以还会组建督导小组，一方面进行进度监控，另一方面对问题比较严重的分公司进行监督指导，辅助他们做好数据治理工作。
当然啊，KPI驱动也是很重要的。最后的成效指标也得放出来，形成最终的数据治理的闭环。一般来说，以客户真实率、验真为真客户续保率两个指标为最终成效指标。
最后的最后，好歹得给人颁个奖吧，辛辛苦苦干了大半年了。这一点其实还是很重要的，要不下次谁还有积极性啊！
四、总结
数据治理是一个老生常谈的话题。数据治理最难的事情就是如何推动组织重视、执行这件事情。但是这个事情在保险行业有天然的推动力（政策、价值），同时也有天然的阻力（个人利益与组织利益的冲突）。
保险行业数据治理工作流程与其他行业的数据治理流程大致相仿，都是先收集数据，再用技术进行清洗、归并。这部分其实可以用之前提到的One ID的方法，效率会很高。
技术处理完之后，剩下的无效客户数据就得交给人工处理了。总部做好数据质量分析、过程监控、督导的工作，各个分公司彻底贯彻执行。利用KPI、排行榜等各种方法和手段，驱动所有人共同达成数据治理的目的。
数据更新完之后，系统再去做一次客户判别和数据归并，这样数据质量就会不断的提升。
个人理解，数据治理最难的部分不是技术，而是如何调动整个组织的力量一起来做。其实技术在这里能做的事情很少，绝大多数时候需要业务、人事等各个部门的共同努力。我之前在做政府行业数据治理的时候也比较轻松，但是在互联网公司里就非常困难。后来总结了一下，无非也就是组织驱动力这个原因导致的。
作者：大数据架构师，公众号：大数据架构师，国药国华大数据总监，擅长BI、数仓、数据中台产品规划领域
本文作者 @大数据架构师
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
