作者 | 周倚平
不管是“全球新增的600億萬歐元保費中，中國市場佔八成”的調研報告數據，還是“商車費改推動險企運用市場化手段降低商業車險費率水平，實現精準定價”，又或者是“運費險、航班延誤險、手機碎屏險……”等小而美的創新險種不斷涌現在我們的生活中，都在無聲訴說着中國保險業正迎來百年發展的巔峯時刻。
但是正如同夏洛蒂·勃朗特在《簡愛》中所說的那樣，希望與絕望、機遇與挑戰總是並存。
從早期通過粗放式促銷迅猛發展的車險業務到商車費改倒逼保險企業精準定價服務高淨值客戶，從單一險種到互聯網時代下保險行業“私人定製”時代來臨，保險公司在業務經營、財務覈算、風險管控等方面開始陷入困境，保險用戶需求也開始呈現多樣化、個性化和集成化交融共存的複雜局面，這對於保險公司的業務決策提出了更高的要求。
新一年度，保險企業各分公司、支公司、營銷部需要完成的規模保費目標是多少？如何才能準確的預估賠付率、計算賠付成本？如何通過大數據客戶畫像制定科學、合理的營銷方案？是否需要新開險種帶領企業異軍突起？ 在經營活動中，如何實現資源配置嚴格遵循“高賠低費，低賠高費”的原則，提升市場競爭力？
要想解決這些問題，就必須打通業務和財務兩類數據間的壁壘，建設業財大數據分析平臺，實現業務財務一體化，也就是目前保險行業的熱點話題——業財融合，只有這樣，才能使財務人員掌握財務目標的同時瞭解企業的運作狀況，對業務實施管控的同時也向業務部門提供服務，幫助企業實現有效的資源配置和價值創造。
業財大數據分析平臺建設的挑戰
從技術角度來看，業財分析平臺需要提供保單級的多維分析能力，滿足最小單位經營分析和預測，基於維度及指標細分，險企各級機構可清晰直觀的剖析業務結構，篩選優質業務，結合具體業務目標及市場發展實際情況，有針對性的制定資源投放策略。不過，要建設這樣的平臺並不是一件簡單的事情。
傳統保險企業使用的傳統的數據倉庫設施由於本身技術架構的侷限性，無法滿足海量業財數據的高效分析，無法實現保單級維度和指標的多維分析，存在分析維度和分析指標偏少，分析時效滯後、分析預見性差以及回溯分析困難的痛點。
另一方面，傳統數倉設施很難進行橫向擴展，不支持高併發訪問，企業不得不爲不同業務條線建立煙囪式的分析平臺，造成數據孤島，不僅給企業帶來了巨大的實施和運維成本負擔，而且制約了業財融合的推進。
當然，也有越來越多的保險企業建設了Hadoop大數據平臺，並利用其廉價的存儲硬件和強大的並行計算能力，存儲和處理日益增長的海量業財數據，同時統一數據口徑，提升數據質量。
但是，當企業想要把這些數據提供給財務或業務部門進行多維分析時卻遇到了巨大的挑戰，例如緩慢的查詢性能，與業務BI軟件的兼容性差，數據權限管控複雜，高併發下系統變得不可用等。
爲了滿足前端應用的需要，IT部門不得不將Hadoop上加工後的彙總數據搬移回數據倉庫，Hadoop淪爲ETL平臺和歷史數據存儲區。除了數據倉庫固有的侷限性，混搭架構（參見下圖）帶來了許多新的問題，例如數據冗餘與不一致，兩個平臺需要保存和維護兩份數據，運維難度大；數據的搬移使得數據時效性變得更差，從T+1到T+2甚至T+3；另外，兩個平臺的總體擁有成本更高。
Kyligence的解決方案
如何解決和突破混搭架構的問題和挑戰？Kyligence智能數據倉庫解決方案給出了答案。
在Hadoop集羣上部署Kyligence公司開發的大數據OLAP平臺，高效利用Hadoop分佈式計算引擎MapReduce和Spark，批量預計算各主題場景的維度組合的分類、彙總統計數據，然後存儲在Kyligence自帶的可靠、專利的列式存儲引擎中。同時，Kyligence嚮應用層提供支持ANSI SQL 2003接口的JDBC和ODBC驅動，無縫集成業務部門現有的BI前端工具，例如Cognos，Tableau，實現對BI前端的查詢請求的快速響應。
另外，由於預計算的機制，當業務場景需要支持高併發查詢時，只需要線性擴展Kyligence查詢節點即可提供穩定的高併發支持能力。爲了保證查詢性能，Kyligence支持將寫和讀集羣分開部署，即讀寫分離部署（如下圖所示），獨立的大型共享型寫集羣能夠提高Cube構建速度，獨立的查詢集羣避免資源競爭，確保查詢性能的穩定性。
作爲企業級的產品，Kyligence也支持多租戶的部署方式，滿足不同業務部門對數據隔離和資源配置的要求，實現高可用，高可擴展的數據即服務平臺。
隨着業務的發展和需求的變化，Kyligence提供的智能建模能力能夠基於機器學習算法，自適應業務的查詢模式，對歷史查詢進行自動加速優化，從而降低建模學習成本，進一步提升需求響應的效率。
業財融合經典案例
某國內TOP3財產和人壽保險公司爲響應產險公司業財融合的規劃和需求，於2017年建設並投產的業財一體化分析平臺，基於Kyligence公司的企業級大數據OLAP引擎，多維統計分析報表查詢響應時效從“半小時”級提升到“秒”級，大幅提升用戶分析效率。
同時，平臺實現了40個維度、300個指標的分析規模，提供預算端定製報表40餘張，以及數類靈活報表，實現了多維統計報表秒級響應，大大擴展了財務分析指標庫及可用分析維度、分析口徑，優化了財務分析與業務的相關性，提升了業務分析視角和分析深度水平，更好地支持業務管理層進行市場資源配置和成本預測。
平臺通過引入精算預期賠付率與細分銷售跟單費用十個段，以及成本區間分析、費賠相關係數等指標，讓業務、財務均能及時清楚地瞭解相關層級和維度的業務成本結構，明確賠付與費用投放的匹配關係，幫助各層級機構強化對資源配置的管理。同時深度挖掘業務信息，判斷優劣質業務，將資源的投放傾向精細化，滿足業務部門經營監控和資源投放調控需求。
目前系統已開放給1000多個總分公司機構、4000多名分析用戶使用，其中車險核心用戶1000多人，全司平均使用率67次/人。截至2017年底，公司費賠相關係數爲-0.85，環比2016年12月末-0.57，資源配置能力提升明顯，有效解決分公司資源“往哪投、投得了、敢於投”的問題，並逐步推廣成爲產險公司精細化的成本管理平臺，爲企業實現業財融合奠定了堅實的基礎。