如何打造数据治理闭环？以保险行业为例

导读：数据治理是指组织中涉及数据使用的一整套管理行为。而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。本文将对保险行业如何打造数据治理闭环展开分析。

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，加上其他各方面数据一起计算出来的。

所以，保险客户数据的治理背景基本上可以分成三类：

1、业务需要：很容易理解，如果辛辛苦苦收集的客户基本信息都填错了，联系不上客户，这保险怎么卖？收集的数据越全、越精准，越有利于业务相关人员“分级分群定优客”，用互联网行业的说法，就是做客户分层、精准营销，最终达到确保业绩的目的。

2、数据管理需要：也容易理解，毕竟各种后续的数据分析、精算都以客户数据为依托。如果客户数据有错误，那么分析结果肯定会出现偏差。

3、政策需要：配合银保监会要求。

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，但随着保险业务多年来的快速发展，许多数据问题也随之而来。

各地分公司的基本情况是各自为政，都把客户当作自己的宝贝。业务员方面尤甚，甚至还有人故意隐藏真实客户数据，生怕别人抢走自己的客户。

于是就出现了让人匪夷所思的情况：业绩都按时完成，保费也持续上涨，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。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。在这种情况下，数据质量怎么可能好？

三、保险客户数据治理流程

数据治理项目基本流程图

在具体执行的时候，仍需要按照项目管理的逻辑，先做整体计划，定岗定人定则，颁布数据治理管理办法。中途要给予不断的监督、控制，还要设定几个里程碑，保证按时按质按量完成任务等等，在此不再赘述。

数据治理的前两个步骤是数据收集、数据处理及分析，大部分属于数据工程师的工作。数据收集就是把平台、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收集过来。数据处理就是做好客户的归并，用专业技术进行数据治理。把数据治理技术能够清洗、匹配的数据处理好，比如去掉手机号码的+86、客户名字中间的空格等等。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：

1. 存量客户数据清洗

对于存量客户数据，组织层面上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，就需要分析问题原因构成，根据不同因素，制定清理方案。

如果技术解决不了，就安排业务员进行存量数据清理工作。总而言之，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洗过一遍了，所以这部分基本都需要人工进行清洗。工作量较大。

2. 增量客户数据质量控制

对于增量客户数据，最有效的方法就是制定规则，并确保下级严格执行。由于和财产息息相关，保险本身就是一个客户数据收集的强控场景。在这个前提下，这一做法相对容易实现。

严格执行的方法也容易控制，因为保险公司会在销售、承保、理赔、咨询、服务等很多环节跟客户产生接触，所以每个环节都对客户进行重复询问和核对信息就可以了。

业务员重新确认好客户数据之后，客户资源系统这边就需要有所动作了。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。这样一来，客户数据有效性就能够得到持续提升。

3. 数据治理支撑体系

进度监控很重要，要及时向领导进行展示汇报。各类监控日报、周报、月报都需要根据项目实际情况进行设计调整，并定期分发下去；各个分公司数据有效性排行榜也需要定期梳理总结，在竞争氛围中提高工作效率。

组织驱动与数据驱动同等重要。所以还应组建督导小组，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。

同时，KPI驱动也必不可少。最后的成效指标也要展示出来，形成最终的数据治理的闭环。一般来说，客户真实率、验真为真客户续保率两个指标会被作为最终成效指标。

治理末期，鼓励机制也很重要。可以举行一些颁奖仪式，对治理成绩好、进度快的分公司进行表扬嘉奖。一方面能够调动员工积极性，另一方面也有利于公司的长远发展。

四、总结

数据治理是一个老生常谈的话题，其中最困难的就是推动组织重视、执行这件事情。在保险行业，这项工作有天然的推动力（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。

技术处理完之后，剩下的无效客户数据就需要交给人工处理了。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。

笔者认为，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。

中翰软件：专注数据治理17年（http://www.jobhand.cn）