共计 2815 个字符，预计需要花费 8 分钟才能阅读完成。
中国是寰球规模最大、最具生机的人寿保险增长市场，预计将来几年仍然会放弃两位数的增长速度。近年来，随着保险行业的倒退和保险业市场竞争的加剧，保险公司在治理和经营方面面临着更高的要求，来自监管、竞争、技术更新及全球化等各方面的压力正在一直推动保险公司经营模式的转型。
目前，随着行业的迅速倒退，许多保险企业的现有平台难以撑持日益增长的剖析需要，各团队在数据的开发和应用方面碰到了如下挑战：
- 销售、经营等业务部门对同一指标的统计口径不同，影响失常经营决策流动，以至于无奈无效撑持公司战略目标的落地；
- 对于企业各部门主管及业务分析员而言，现有大数据平台对即席查问的响应过慢，因而很难及时取得所需报表，较难依照业务麻利的需要灵便剖析；
- 对于数据开发团队而言，须要重复面对类似的需要反复造轮子，另外开发的报表越多，后续运维难度也就越大。
数据驱动保险行业精细化经营
Kyligence 智能多维数据库凭借其弱小的 AI 加强引擎、多维预聚合、智能举荐以及高并发等能力，帮忙客户以极低的 TCO 减速数字化转型，打造数字化营业部，助力保险精细化经营。
- 人力老本节俭：Kyligence 可视化建模、AI 加强引擎和多维主动预聚合等能力，将指标的开发工夫缩短了 50%，每年可带来数百万的人力老本节俭。
- 缩短数据交付周期：Kyligence 提供可视化的模型开发环境，帮忙数据建模人员升高了建模难度，同时极大减速模型的开发速度，单个主题开发周期将能从周缩短到天，将能带来 5 倍的计算效力晋升。
- 代理人级别的剖析粒度：相比反对到营业区级别的的查问，Kyligence 能够反对到营业组、乃至代理人级别的剖析，并能在秒级别提供高并发的查问响应能力。
- 数据资产积淀：Kyligence 提供低代码模型设计与治理平台，模型元数据可轻量级接入数据资产管理体系，积淀数据资产模型。
接下来咱们将以保险代理人治理中较常见的“增员”和“基本法”为例，介绍寿险行业在数据分析中常碰到的一些问题，诸如剖析报表固化、数据更新不及时、查问响应慢、并发撑持能力较弱等，以及寿险行业如何通过缩短数据开发流程以及更牢靠的指标体系来开释业务自助剖析后劲，打造数字化经营底座。
场景一：多维增员剖析
增员能够简略了解为减少保险公司的业务人员。在增员过程中，及时进行增员剖析将能帮忙公司及时把握增员达成状况，进而促成公司策略的实现。
增员剖析通常波及留存率、增员率以及增员达成率等外围指标。在进行增员剖析时，公司心愿能按工夫、区域以及人员起源来剖析公司人员的留存率、增员率以及增员的达成率。这些需要无奈通过独自的几张报表或一些简略的指标来实现。但少数状况下，因为公司数据平台和剖析技术的限度，一个指标的开发可能要几天的工夫，开发成本过高，使得公司无奈及时地追踪公司的增员停顿。
此时，就能够借助 Kyligence 的多维分析与解决能力。Kyligence 将帮忙企业从历史查问中辨认出典型剖析模式，从而减速公司指标体系的构建，简化指标平台治理，赋能保险公司从多个维度进行增员剖析，例如：
- 工夫维度：自定义查问周期，如日、月、年等，全面把握具体时间段内的增员达成状况；
- 组织维度：从不同组织架构判断公司的增员达成状况，如部门、项目组或地区等，及时找出以后人力资源较单薄的环节；
- 招募起源：综合判断各渠道的招募成果，从而确定接下来资源的歪斜状况。
场景二：指标体系助力基本法剖析
基本法即代理人根本治理方法，是代理人业务考核、职业降职和支出治理方法，它规定了保险公司外部的利益调配格局。
保险公司在搭建基本法剖析平台时，通常会碰到几类问题：
- 指标体系简单：公司各层级关注的重点不同，比方总公司更关注指标达成率、同比增长率、间佣率等，心愿据此优化公司整体指标并进行决策；中层更关注团队的指标达成率，不同层级人员的奉献状况；一线员工更关注本人的降职空间，心愿查看集体的新进保单量等数据；
- 代理人基数宏大：数据显示，2021 年上半年中国五大上市寿险公司的销售人力共计为 336 万人，排名第一的中国人寿更是高达 115 万，因而剖析对象的基数宏大，除公司管理层外，各团队负责人及员工都心愿能实时查看各业务细分指标的进度；
- 组织架构调整频繁：保险公司的组织构造和人事变动频繁，例如，Larry 是 S 公司的一名销售，在上海总部工作，一段时间后，他被调到北京分公司，此时剖析平台无奈及时反反映这一变动，影响后续的销售数据统计。
借助 Kyligence 的多维主动预聚合等能力，保险公司将能轻松应答上述问题，构建出一套残缺的定制化指标体系，同时 Kyligence 还提供了老本最优的高性能查问能力，反对更多用户在线应用，帮忙企业开释业务自助剖析后劲：
- 撑持对立指标的数据服务：Kyligence 将帮忙不同业务部门之间能共享业务逻辑，使其能取得来共享数据更全面的视角，帮忙企业无效开掘其价值，驱动公司的决策制定和战略目标的实现。
- 全方位、多层级剖析：Kyligence 的优越性能将满足公司不同层级、不同颗粒度的剖析需要，例如在总公司层面，公司领导层能够及时查看公司当期的指标达成率、同比增长幅度等，并据此优化公司整体指标和制订策略；集体也能够实时查看本人的业绩实现状况，及时调整业务经营方向。
- 更细粒度的并发拜访：Kyligence 提供了稳固的高并发查问能力，即便在日查问量总数达到数百万的情下，也能稳固地提供秒级高并发即席拜访能力。
- 灵便应答组织构造变动：Kyligence 反对通过维度快照跟踪员工信息的动态变化，既保障了查问性能，又防止了不必要的模型数据刷新的开销，从而满足了不同的数据分析需要，大幅晋升大数据分析的效率。
目前 Kyligence 曾经与国内的多家头部保险企业达成了策略单干关系，通过帮忙寿险行业缩短数据开发流程以及搭建更牢靠的指标体系来打造数字化经营底座，开释业务自助剖析后劲，从而帮忙各大保险公司更好地进行数据挖掘和数据资产的积淀，助力商业经营决策。
对于 Kyligence
上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 开创团队于 2016 年开办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 加强的高性能剖析引擎、对立 SQL 服务接口、业务语义层等性能，Kyligence 提供老本最优的多维数据分析能力，撑持企业商务智能（BI）剖析、灵便查问和互联网级数据服务等多类利用场景，助力企业构建更牢靠的指标体系，开释业务自助剖析后劲。
Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制作、批发等行业客户，包含建设银行、浦发银行、招商银行、安全银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等寰球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成寰球合作伙伴关系。目前公司曾经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。
