>>返回主页
中国人寿保险股份有限公司上海数据中心集成部副总经理袁红:大数据及人工智能在保险的应用

2018-08-15 14:00

微信截图_20180815141948.png

  感谢中国信通院给我们搭了很好的沟通平台,我演讲的主题是大数据和AI在保险行业的应用。数据中心怎么做AI方面关键应用的处理,并分享我们走过的道路、遇到的阻碍。

  简单介绍一下数据中心,数据中心是从总部信息处剥离出来,成立于2008年,已经有十年的历史,每个公司都有个顶层设计,数据中心也是一样。

  作为一家传统型的公司怎么应对传统型的业务,大家都非常敬业做的非常好,结合外部的变化,怎么去和新兴的技术杂交产生出新生的服务,发展历程需要去探索,让世界变的更加美好。我也相信通过保险+科技,也让保险更好地为民生、为国家、为你和我做好服务,这就是我们现在要做的事,也是我们的追求、梦想和使命。

  科技是非常重要的手段,目的地在哪儿?哲学问题非常有意思,我是谁、我能干什么、我为什么干、我干了什么带来什么远景,我非常有共鸣。

  我是谁?数据中心是干什么的,它的愿景和目标是变成服务全集团的一流的云数据服务中心,它使用了新的技术,主要职能是为整个集团做安全、可靠、高效、规范的运维服务,规范很重要,秘书长提的标准也是一个规范。

  我们根据新的环境和技术的变化做了一些调整,以前的架构是传统型的,现在是把它做成传统型+现代云的云化混合的模式,也是比较流行的双管理模式,有个大的前端接入平台,中间有个交互的像高速公路的资管做连接,还有一个后台,前、中、后划分比较清晰的逻辑,这是新一代的基本情况。

  数据中心目前主要是做几块,中心要绿色,做数据和AI,我们也做了一些尝试,包括对自动化运维、业务定价,不仅是研发中心和其他中心做,我们数据中心除了运维职能外加了研发职能,我们正在做小的以点来撬动或者倒逼公司的变革。目前保险的变化,不确定性增强、多样性、复杂性,这是很明显的变化,还强调个性。

  我们的应用原先以用户为驱动,以内部撬动数据为驱动。我们也很难预测,数据任何时候不可能面面俱到,只能把握其中一部分,这次分享的主要是技术+管理的人员,整个大数据平台用的是混搭的模式,简单就是把最牛的人买进来,临时买来用也做不到甚至磨合的不好,所以我们是自建形成这样一个架构,用这种模式来做的。

  我们的规模不算特别大,跟公有云相比不是很大的,但是能够解决现有的业务的问题,适合自身的发展很重要,以合同居多,自建的服务不推荐,甚至先在公有云上尝试一下安全因素,这种模式是比较适合保险公司,自建的高性能+公有云做一个加法,这个比例之间可以灵活做切换。

  我们主要做了实时的计算平台,比以前传统型的快,慢的话满足不了80后、90后、00后的需求,这是从数据+体验需求的驱动,形成要实时的算例平台。敏捷实时的技术架构,实时计算要解决快的问题,快的前期如果系统很脆弱,灾备、互备,安全问题不能解决,快是一个双刃剑,也需要做平衡,效果还是不错的,现在达到秒级,实际上可能是毫秒级。

  我们保险公司也做了一些风控类的工作,之前做的风险保额的控制,做了风控体系,我们公司结合保险协会的数据,内外数据结合形成风险保额的控制。

  我们的技术架构分层次比较简单,下面有底层的,数据也有增量层,中间有集群,最后通过API级,封装和屏蔽掉了内部的复杂性,给消费者简单化。这样内部不变,外部不变,也算是解耦的模式,实施效果是不错的,在业务高峰期调用的频次比较高,保险的特点跟银行不一样,交易量没有那么大,但是链条非常长,核保是其中一个项目,保险交易和银行交易还是不同的。

  我们还采用了分布式的架构,以前经常采用集中式的架构是非常多的,这个很正常,我以前用的基本上都是集群的,现在的思路变成副开,不要把东西放到一个地方去,我跟很多公司交流他们都是采用“两地三中心”的模式,这也是从外国咨询公司的建议,也很符合中国业态的发展,“两地三中心”的布局模式做的。但是一些小型的公司不推荐这么做,这么做成本是非常高的,可以尝试在江秘书长的推动下建立一个保险公有云,这样相信未来的发展,这种都会建好,直接用就好了,我相信未来会这样,这是指日可待的。

  我们是小型机和X86混搭的,一是跑既有的资产,二是启用降成本,我们现在X86是非常多的。

  整个布局来讲,有了顶层设计,大的部分做了很好的框架,往里面研究基本上就出来了,来不及填的时候慢慢迭代,现在比较流行迭代输入,其实很多资源可能是不够的,资源永远都不够,不可能是无穷的资源给你,在任何一个行业、任何一个岗位、资源永远是不够的,怎么办?先把框架搭好,搭好之后逐步的根据不同的时间点分批次、分阶段提交,再具体实施。如图这是一个大的框架,任何一个公司的网络费用是很高的,大家怎么解决网络资费的问题?选运营商,要有灾备、很多DBN是很花钱的,这一块的规划非常重要,还包括设备,这一块有很多值得研究的地方。

  我们也在进行AI的尝试,最近AI也是非常火爆的题目,对大家来说最好不要研究算法,因为抽象能力和研究能力,我们侧重于应用端,用应用倒逼基础的改革,慢慢做才行,现在要一开始做一个算法真的很难。我们也做了一些尝试,业务系统把数据弄过来作为预处理,都是用这种方法,我们也选了一个点,因为我的人员也是有限的,我们做了一个团险报价,因为团险特别大,要招标、风险、报价能不能持平,保本为利,这是符合民生的重要的抓手,让世界美好就从定价开始,我们也从团险的自动报价做了尝试,效果还不错,目前项目的效果还可以,但是其中也有很多坑,对于AI这一块的应用,不求算法最复杂最精准,要选择合适的方法,先要会选,我就不讲成功的地方了,有坑的地方值得大家去尝试。

  第二要有时间,外部的压力很快,实际上一个迭代的过程需要时间或者人去填,时间就是一个逐步完善的过程,我最开始的时候想的很美妙,必须两到三个月推出,实际上是非常难做到的,时间的坑一定要高度重视,一定要从高层或者应用层去沟通时间比其他资源更重要。

  第三是技术和业务本身,技术不求高大上,关键在业务,没有消费没有技术,刚才秘书长也提到了,交易和消费是很重要的,倒推技术的生存的点,没有消费没有应用就废了,这个分支立马就没了。

  自动化运维也是,自动化运维我们还是做的比较多的,我们现有的做它的分析,主要关注事前预警,这一块非常不容易,预警这一块有“响尾蛇”等产品,预警这一块通过AI+探测和预测,通过算法来测算系统可能在哪方面有问题。这一块我们探索的还不错,效果还可以,至少在今年预警了两三次,预防和可能要出大事情的一些点。

  非常感谢,今天就跟大家做了沟通,可能有很多地方说的不到位,错误的地方请各位专家批评指正,欢迎多交流。

  

0