数据中台实践：数据能力建设

近年来，数据中台建设已成为各行各业瞩目的焦点。平安人寿作为寿险行业的先锋，积极探索数据中台的实践之路，为业界提供实践参考。在2023年大数据产业发展大会——数据中台高质量发展论坛上，平安人寿数据管理团队总经理朱晟发表了题为《平安人寿数据中台建设实践》的主题演讲。

各位信通院的领导、数据专家，大家下午好！我的演讲主题是《平安人寿数据中台建设实践》。

演讲内容主要分为四个部分

第一部分——数据能力: 数字化转型的基石

我国2019年把数据作为第五生产要素，人民银行也发布了《金融科技发展规划（2022-2025年）》，对银行和保险业数字化转型提出了明确的要求。平安人寿依此成立了专门的数字化转型项目组，由公司领导挂帅，并制定了平安人寿数字化转型战略——4+3 +1战略，1是用数字化驱动产品和渠道转型升级。

实现数字化的核心路径就是通过数据驱动企业，把原有的能力（包括产品创新能力、经营管理能力、客户服务能力、风险控制能力、对外合作能力等）进行一次升级。我们用数据中台来承载数据能力的建设，分为三个部分：数据产品、数据底座、数据治理。

第二部分——数据中台：数据能力建设方案

平安人寿早在2005年已经建立了数据仓库，我们按需进行了数据集中和建立集市，以加快报表生成速度。2016年，面对传统Oracle数据库的性能瓶颈，我们引入了Hadoop平台，并进行了技术升级，实现更高效的数据处理。在2020年逐步引入并迭代数据中台持续至今。

平安人寿数据中台主要是三个部分。数据治理非常强调体系化管理，所以我们以国际通用的DAMA框架为基础制定了管理制度、管理办法、流程制度规范，形成自己的数据治理体系。

形成体系后，我们重新构建仓库数据集市，升级成为数据底座，技术上从传统的T+1做成实时架构。底座形成后，业务感知也尤为重要。我们将数据产品纳入数据中台的范畴，因为业务操作涉及的都是与产品相关的数据，通过数据产品直接触达业务。

我们主要从三个维度评价和衡量数据中台——专业评估、技术指标和业务指标。专业评估我们使用DCMM数据治理成熟度评估和信通院数据中台能力成熟度评估。技术指标要求数据“时效快、质量准、复用高”。

我们工作的主旨是给业务赋能，每个季度，我们进行NPS评分，以确保报表和人工采集的临时需求持续得到提升。每天日活跃用户、月活跃用户、注册人数、数据服务接口的调用次数等，都是客观的数据，为我们证明了对业务的实际价值。理赔核保的自动化率、相关推荐的线索转化率作为业务的核心指标是非常有意义的。

通过中台战略的实施，每年实现显著的成本节约等这些数据都是客观的事实。所以，相信在这三个评估维度下，我们与业务之间的认知能够达成完全一致。

数据治理是业务和数据团队共同的事情，所有的数据战略都需要满足业务战略。

数据治理需要形成事前、事中、事后的管理闭环。

事前约束就是把DAMA体系变成实际管理办法，需要制定一系列规章制度确保每次需要使用数据时能够顺利申请，就像生命周期管理，明确哪些数据需要永久保存以及保存的时长，会有一系列生命周期管理确保事前约束达成一致。

事中约束，我们分三步进行，数据分析师梳理并记录业务指标、业务目标，数据设计环节对指标需求进一步拆分成为原子指标或者派生指标需求并定义数据模型，数据开发环节将逻辑模型变成物理模型，可保证口径的一致性和数据的准确性。

事后监督是为了解决20%无法事前事中管控的情况，按月进行质量监控，一般低于85分，数据治理就会督促改进。

数据底座采用三横六纵数据架构，横向分为ODS、CDM、ADS层，纵向分域，分为代理人的域、客户的域、投资的域、财务的域、产品的域。

ODS通过低代码平台配置实现数据处理。多数情况下采用T+1更新策略，选择源数据库和表，设定更新频率，即可一键发布。数据以结构化数据为主，由200个数据库支持，以确保数据一致性和系统稳定。

CDM即公共模型层，尽量固化稳定，主要分为两个部分：公共维度层就是公司统一维度，或者DWS和DWD。我们会有一致性的总线矩阵，因为该层审核非常严，除了有数据架构师，还有数据治理专员专门审核，以确保这一层不重复且稳固合理。

在ADS指标体系中，我们依据业务需求，以指标为例，梳理业务过程，包括确定要素、抽象属性定义和派生指标。通过一系列体制确保指标尽可能精简共用，派生指标更加灵活。

我们搭建了北斗产品矩阵，覆盖数据开发、数据应用、数据管理三个场景，并向用户提供一站式数据门户，输出中台能力。

数据开发场景：DataOps平台基于“设计即开发”的理念，研发覆盖数据接入、维度模型/指标/标签设计、数据服务设计全链路的数据开发工具。其中数据服务平台类似于OneService，解决原来数据仓库

同步授权给不同端，但数据复制成本高，数据一旦离开中台，使用无法约束，可能出现口径不一致问题。北斗数据服务平台，我们支持日均数百万次的数据调用。

数据应用：MIS平台，自主可控的敏捷型BI应用，替换并超越Oracle +IBM Cognos。采用Hadoop平台替代Oracle，引入开源druid替代Cube功能，自主开发前端替代Cognos。在并发性能方面取得显著提升，报表打开速度大幅缩短，整个平台也获得了金信通最佳案例奖项。

数据管理：资产管理平台，统一管理元数据资产。资产管理平台可以直观地看到数据全景。业务和数据分析人员能够迅速定位指标和标签的定义，下一步计划实现类似聊天一样的搜索体验，无需选择检索模式。

第三部分——价值输出：业务场景应用

我们在产品创新、客户服务和经营管理方面包括四个主要案例。产品创新能力将重新定位产品设计，从按公司设计销售转变为根据客户需求设计，实现有温度的保险服务。在经营管理层面，实现了经营管理数字化的转变。

基于海量指标划分了‘三好五星’模式——行为好、质量好、业绩好，划分为五级，强化了经营评价标准和管理过程。

保险的核心服务是理赔，为客户提供抵御风险的能力。现在，我们在数十分钟内就能完成理赔，为客户提供极致的服务体验，力求为客户提供最优质的理赔服务，确保他们在风险发生时得到应有的支持。

第四部分——持续运营：人才&文化的思考

平台的建设只是一部分，最终建设还需要人才。我们不是完全数据交付的团队，而是一群数据赋能的团队。建设数据中台的目的是成为数字化转型的核心引擎，助力数据化转型，把时间缩得更短。团队搭建合理的框架，下设七个组以明确职责。鼓励各岗位积极参与外部交流和学习，借鉴外部经验。我们认为团队最核心的岗位包括数据架构师、数据分析师和算法模型师，这些岗位在数字化转型中扮演重要角色。

公司于去年启动了数聚菁英荟，鼓励让各方积极参与数据文化的建设和传播。

以上是我们数据中台的建设实践，欢迎大家交流。

来源：数据学堂