重塑保险价值链,众安如何玩转保险科技?

阅读数:3513 2019 年 7 月 6 日

2019 年 2 月,毕马威 KPMG 最新发布的《金融科技脉搏——2018 年下半年》报告显示,2018 年全球金融科技融资上升至 1,118 亿美元,较 2017 年 508 亿美元激增近 120%。不断增长的交易规模、更高级别的并购活动以及交易的地域多样性,表明金融科技板块在全球范围内走向成熟。

作为金融科技在保险领域的延伸,保险科技落地开花。营销、核保、保单服务、理赔等保险业务环节被重塑。以互联网保险公司众安保险为例,其在线客服人工智能使用率达到 70%,带来了在线服务人力同比大幅下降 63.7%,去年上线的智能保顾众安精灵已服务百万用户,并使投保转化率提升 3 倍。2016 年 11 月,众安成立全资子公司众安科技,致力于科技赋能于自身保险业务的同时,更将科技经验以模块化的方式进行对外输出,服务于保险和金融行业。

云上核心系统“无界山”

作为国内首家自有核心系统架在云上的金融机构,众安技术团队搭建了内部代号“无界山”的“基于海量交易的互联网保险核心平台”。不但支持每秒 3.2 万笔保单的峰值压力,还能快速进行产品上线以及渠道对接。

为了适应互联网保险产品高频、海量、场景化的特点,众安在无界山的基础上开发了一套全新的基于微服务架构的开发、测试和运维体系。该体系以 Docker 容器为基础,以微服务为计算单元,以持续集成和持续交付为目标。

换言之,众安尝试将大型系统按照业务场景拆分成多个子系统。以无界山核心系统为例,其被拆分为诸多子系统,包括风控规则中心、接单中心、数据中心、流计算中心、业务前置系统、核心处理系统等。系统被拆分后,众安通过分布式中间件来实现子系统间的交互和数据的同步,从而完成完整的业务场景。故而,众安自主研发了分布式消息队列、分布式数据库中间件、分布式缓存服务、分布式数据库数据同步中间件、分布式搜索中间件等分布式架构的部件。同时,为了系统性提升保险业务的处理速度及用户体验,众安进行了一系列的技术研发。

  1. 首先,众安设计了一套数据补偿机制,在无界山的各个子系统通过幂等重做、容错隔离、数据实时自检,离线报警等机制保证数据的完整性和一致性;
  2. 为了解决传统数据库存在单机(单库)的性能瓶颈,数据的分布式存储就成了众安的选择,针对 300T 的存量数据,众安可在用户查询时做到 10 毫秒内响应,1 秒内反馈;
  3. 为解决分布式架构导致的主机资源占用过多、部署环境复杂等问题,众安设计开发了被称为“双翼守护神”的分布式的上帝之眼全网监控平台和神龙岛自动化运维平台,目前其对系统异常的报警敏感度保持在 100 毫秒内,对系统的自动恢复隔离时间控制在 1 秒内;
  4. 与此同时,金融业务追求的稳健和严谨,与互联网环境追求的高速和海量,形成了看似矛盾的目标,这就对容灾要求提出了极大的挑战。与传统的“两地三中心”的冷备方式不同,众安采用了更具互联网特色的“异地双活”方案,当任何一个机房遇到火灾、洪灾、断电等不可抗拒因素时,整个系统仍能交易,服务不会中断。

数据智能决策“集智平台”

在人工智能及大数据领域,众安依托数据智能中心,利用前沿技术实现数据资产体系完善、业务决策辅助支持、业务环节效率优化、全新保险场景探索的四大目标,赋能保险业自动化、智能化升级。就在今年,众安推出保险行业数据中台概念,利用公司数据资产进一步挖掘数据价值,为保险业务提供决策支持。在技术创新层面,众安保险数据智能中心打破原有业务边界,建立了基于多种传感器数据的人、车、路一体驾驶行为分析平台、AI 医疗影像辅助诊疗平台等。

针对当前部分传统 BI 工具无法满足数据价值挖掘工作的现状,众安保险数据智能中心专门开发了全链路数据价值挖掘平台 —— 集智平台。集智平台是数据智能中心结合互联网保险业务特点,通过沉淀数据分析师、算法工程师在工作中的最佳实践,建立的全链路数据价值挖掘平台。平台贯通了数据价值挖掘流程中的数据接入、数据处理、数据服务三大步骤,将数据与业务无缝结合,包含四大模块。

数据流水线

用于数据连接、同步及数据处理、数据建模。其基本组成是数据处理 Processors 以及由 Processors 组成的 Flow。Processors 分为可视化 Processors 和代码 Processors。可视化 Processors 用于简单的数据处理,无需编写代码便可完成数据操作,针对复杂的数据处理,数据流水线提供代码 Processors,可以通过编写 SQL、Shell 等代码来灵活的操作数据。Flow 分为实时 Flow 和离线 Flow,分别支持亚秒级的实时流处理和 T+N 的离线任务。另外值得一提的是,数据建模操作也可以在数据流水线中完成,支持离线建模及实时建模。通过 Processors 和 Flow 的组合可以保证输出的数据对于数据服务是“开箱即用”的。

数据洞察引擎

数据洞察引擎加速海量数据分析,应用于数据处理中的数据建模环节。为了应对不同特征的数据,数据洞察引擎分为支持预计算的 Kylin 和支持 Ad hoc 的 Clickhouse。Kylin 有优秀的查询表现,可以做到 PB 级数据的亚秒级查询,但是随着维度的增加 Kylin 会遇到“维度爆炸”的问题,导致模型占用空间过大。针对这种情况,引入查询能力稍差,但支持多维度情况下进行分析的 Clickhouse,可以很好的解决“维度爆炸”的问题。

可视化分析平台

可视化分析平台主要针对数据分析人员,产出图形化报表。目标是辅助数据分析人员以可视化、拖拽的方式快速进行图形报表创建及数据洞察分析。同时,图像报表可以被无缝的嵌入到业务系统中,而这一过程基本是无代码的,极大的加速了数据到价值的产出速度。

机器学习平台

机器学习平台主要针对算法工程师,产出对系统的数据服务,即数据 API。机器学习平台生成的算法可以融入数据流水线中,封装为数据 API,极大降低了算法融入业务的门槛。

自主研发区块链协议—Annchain

在区块链领域,众安科技区块链是国际标准参与者与国家标准制定者。在 2018 年的 ISO/TC 307 伦敦会议上,众安科技等中国机构推动《区块链 数据格式》定为新项目“数据流动和数据分类”的重要基础。众安科技目前是工信部牵头的中国区块链技术和产业发展论坛副理事长单位,其自主研发的高性能高扩展通用性区块链基础协议——众安链(Annchain)首批通过工信部区块链标准测试。同时,Annchain 也是工信部指导中国区块链技术和产业发展论坛首批开源项目之一。

Annchain 当前包含两个子项目 Annchain.Genesis 和 Annchain.OG。Annchain.Genesis 是基于链表式结构的区块链基础协议,模块化、高可靠、易用,支持多种智能合约引擎,开发者可根据具体业务需求选用共识与合约引擎,满足企业级使用需求。

Annchain.OG是基于 DAG 账本结构的分布式账本基础协议,拥有 DAG 高效,强扩展特点的同时,又通过基于贡献的多维共识解决其安全可靠问题。其最突出的特点是在 DAG 结构下同时支持多种智能合约引擎及计算引擎,具有了更强计算和存储能力,旨在打造更高效的区块链生态。

AnnchainTPS 达到 10,000,出块速度 1.5s,采用基于 BFT 的 POS Anncensus 共识算法。Annchain 在满足金融业务在数据一致性、安全、数据隐私、稳定可靠、可用性和可拓展性要求的同时,为银行、保险、证券等行业提供国家标准和国际标准的区块链解决方案及产品。
Annchain 团队专注于底层区块链协议的构建,通过区块链、人工智能、密码学三者交叉,使得数据开放不共享成为可能。此外,基于 Annchain 目前已经落地包括保险、防伪溯源、共享、公益等超过 20 个区块链应用场景。


众安拥有国内首个高校与企业联合组建的区块链与信息安全实验室:众安 - 复旦区块链与信息安全联合实验室。目前众安累计提交区块链相关专利 145 项,已授权软著 17 项。

通过以上举措,众安实现了决策支持、业务实践、场景创新的产学研路径。

持续科研投入,重视金融科技复合型人才培养

随着技术投资体量不断攀升,金融科技的人才需求快速增长。尽管各大金融机构都在尽力拥抱科技浪潮,横亘在面前的一大现实是复合型人才的紧缺。国际人力招聘公司 Michael Page(中国)去年 7 月发布的《2018 年中国金融科技就业报告》显示,92% 的受访金融科技企业发现中国目前正面临严重的金融科技专业人才短缺。

众安作为保险科技行业的领先企业,其背后在科研上的投入可想而知,据了解,2018 年,众安的研发投入达到了人民币 8.5 亿元,占公司总保费收入 7.6%,比去年同期上升 64%。截至 2018 年 12 月 31 日,众安的工程师及技术人员共计 1,618 名,占公司雇员总数的 52.4%。今年,众安将在科研上持续的投入,并更加重视金融科技复合型人才的培养和储备。继 2018 年众安首届大学生黑客马拉松之后,今年 7 月 5 日,众安携手 InfoQ 开启第二届大学生黑客马拉松大赛,与单纯的技术赛事不同的是,众安黑客马拉松将技术与行业实践进行了有机结合,参赛者不但需要在专业能力上征服观众,还需要对保险有快速学习的能力,在有限时间内寻找最优解决方案。同时,让更多的新生代用户了解保险科技背后的运作模式和有趣故事。

收藏

评论

微博

发表评论

注册/登录 InfoQ 发表评论