2025年6月18日-19日，由中国通信标准化协会主办,中国信通院、大数据技术标准推进委员会承办的“2025数据智能大会”在京召开。在下一代数据治理分论坛中，平安人寿联合平安科技、平安金服、大数据技术标准推进委员会联合发布《平安人寿数据管理实践指南》，系统化总结平安人寿在数字化转型背景下的数据治理与业务赋能实践经验，为保险业深化数据管理、运用数字化手段赋能改革提供借鉴和参考。
一、政策与行业背景
《国务院办公厅关于做好金融“五篇大文章”的指导意见》指出，为顺应经济社会高质量发展的战略需要、阶段特征和结构特点，深化金融供给侧结构性改革，强化金融政策和科技、产业、财税等政策衔接配合，提升金融服务能力，优化资金供给结构，切实加强对重大战略、重点领域和薄弱环节的优质金融服务，支持因地制宜发展新质生产力。
数字金融以数据要素和数字技术为关键驱动，加快推进金融机构数字化转型，夯实数字金融发展基础，完善数字金融治理体系，支持金融机构以数字技术赋能提升金融“五篇大文章”服务质效，推动我国数字经济高质量发展。
保险业是国民经济的重要行业，是建立健全多层次社会保障体系的有机组成部分，更是防范化解重大风险的关键力量。面对人民群众日益增长的保险保障和财富管理需求，以及医疗健康、高质量养老服务等需求，平安人寿积极响应“十四五”发展规划，坚守金融主业，坚持金融为民，积极服务实体经济，强化保险保障功能，助力“数字中国”和“健康中国”等国家战略实施，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章，深化保险+服务体系，为客户提供保险+服务一体化解决方案。
平安人寿数据愿景与历程
中国平安人寿保险股份有限公司成立于2002年，是中国平安保险(集团)股份有限公司旗下的重要成员，向客户提供全周期人身保险产品和服务。平安人寿的服务网络遍布全国，提供全周期人身保险产品和服务。截至2024年末，平安人寿有保险代理人36.3万名、2783个营业网点，年累计承保0.95万亿元，承保756万件，全国客户超9000万，资产规模达到5.53万亿；累计申请专利4286项，其中发明专利占比超过95%。2024年，公司获“年度卓越寿险公司”“高质量发展保险公司方舟奖”“年度保险保障品牌奖”“最佳客户体验创新保险公司”“年度杰出ESG金融企业”等多项大奖。
平安人寿始终坚持以人民为中心，坚定践行高质量发展。公司深入贯彻落实“渠道+产品”改革战略，推动以队伍质量、产品质量、服务质量、渠道质量为核心的各项改革，为客户提供更为适配的产品及服务，打造“省心、省时又省钱”的消费体验，打造有温度的保险。公司深入探索“保险+服务”模式，深化健康管理、居家养老、高端养老三大核心服务，守护消费者美好幸福生活。
二、平安人寿的数字化转型工作自2000年起历经了五个发展阶段。
（一）集中化阶段2000-2009
设立95511电话中心，业务流程标准化、业务办理一柜通，实现了核保、保全、理赔服务的全国集中作业，支持寿险佣金全国集中统一发放并陆续实现保险核心业务流程的系统化、完成初步的E化，依托Oracle搭建核心数据库，数据仓库存储量约为500TB左右。
这个阶段平安人寿将业务数据从机构集中到总公司统一管理维护，并将hbs与lbs整合，减少机构数据库数量，收回机构电脑部人员的数据库操作权限，以确保数据的完整性及统一管理。
（二）线上化阶段2010-2014
2010年以来平安人寿从生成寿险业内首张电子保单开始了全面线上化的进程，为客户提供7x24小时线上自助服务，推出“E保全”、“安E赔”等服务，业务流程精简化、业务办理无纸化，为客户办理服务提供方便、快捷的体验。渠道建立E行销网站，给代理人展业带来便利。
线上化与公司业务扩张共同带来了大量的数据沉淀，2012年平安人寿保单电子函件发送量达到5000万，数据仓库存储量达2000TB。这个阶段平安人寿开始引入BI工具，并开始将数据建模用于业务场景，首创基于大数据挖掘结果应用于保险领域的客户追加销售模式，同时大幅扩充科技团队，引入包括数据科学家、AI工程师、系统架构师等大量科技人才。
（三）自动化阶段2015-2017
在线上化的基础上，打造APP生态，依托丰富的客户数据，将大数据、云、移动互联、AI等技术贯穿在各类保险场景里：上线金管家客户端，为客户提供一站式保单服务、财富管理、生活助手、健康管理等服务。上线“自动核保”、“自动化保全”、“闪赔”等系统，通过业务受理去手工化，让等待时长仅以分钟和秒计算，提供了超预期的服务体验。代理人渠道构建口袋EAPP，实现移动出单、增员支持、保障分析、活动量管理、学习平台等核心功能，为代理人展业提供支持。
2017年“平安金管家”APP注册量突破1亿用户、代理人数量高达138w+，这个阶段为平安人寿积累了大量的行为数据、互动数据，非结构化数据大幅增长，数据仓库存储量达到8000TB。
（四）智能化阶段2018-2019
在客户服务方面，以“AI智能+专家集中”，覆盖投保、保全、咨诉、理赔、增值服务等全服务场景，深入整合低效节点、减少人工处理、精简中间环节；在代理人渠道方面，通过AI面试、AI智能陪练、AskBob、智能拜访助手、经营攻略推荐等功能，更好为代理人赋能。
截至2019年末，平安人寿AI面谈官面试覆盖率达100％，代理人专属智能个人助理AskBob自上线以来累计服务3.1亿人次，数据仓库存储量约为10PB。
（五）全面数字化阶段2020-至今
2020年以来，平安人寿秉持“科技赋能主业，推进金融数字化创新”的思路，依托前期的线上化、自动化、智能化经验，及在数据、AI、算法层面的深厚积累，持续推动平安集团“全面数字化”战略落地实施，打造数字化经营、数字化运营、数字化管理三大系统工程，以数字化创新全方位赋能公司高质量发展。公司持续打造涵盖经营管理“神经网络”全景的“捷报”智慧经营平台，有效助力经营分析与管理决策，实现“聪明经营”；通过“机器+人”模式重塑运营流程，提升消费者服务体验，赋能队伍高质转型，公司服务运营线上化水平已达99%以上，投保及服务自动化水平在90%以上，升级“代理人AskBob”智能工作助理，每月提供超1300万次精准解答咨询，代理人月使用率达到97%；建设数字化管理指标及报表监测体系，强化风险管理和预测预警能力，牢牢守住不发生系统性风险底线。
这个阶段，平安人寿信创、国产化进程全面加速，技术栈快速升级，大数据系统信创改造进入收尾阶段，数据仓库存储量约为50PB。
三、平安人寿数据治理概述
3.1数据特点
寿险业数据包括保单、理赔、产品、客户、机构等主题域，是承保、保全、理赔、收付、再保等业务领域信息交换、资源共享、业务协同的基础。寿险业已经在数据的采集、汇聚、整合和分析利用等方面积累了大量的经验和成果，充分发挥和利用寿险数据规模大、时间跨度长、数据维度多、数据广度宽等优势，为智能核保、智能理赔、智能续期等一系列业务数字化应用提供保障。
续期客户服务风控中心
寿险业的数据资源因其业务属性、风险管理和长期服务的特征，具有显著区别于其他行业的独特性质。
数据中台
1、高敏感性:寿险业客户数据涉及健康情况、家庭结构、财务结构等一系列敏感内容，且健康数据十分细致和全面，隐私保护要求严格。
2、长期性:寿险业的保单数据等贯穿客户终身，需要跟踪数十年甚至跨代际，对数据的记录和安全存储要求高。
3、价值高:寿险业的核心数据更新和变化频率相比较低，但是赔付事件一旦发生，涉及的金额巨大，数据价值高于一般的交易活动。
4、复杂性:长期动态的保单生命周期结构化、非结构化数据积累、海量客户信息的多源异构整合（健康、财务、行为数据），导致寿险业头部公司数据复杂性较高。
3.2整体框架
在平安人寿“4+3+1”的战略规划下，为逐步实现数字化转型，打造“全球领先的数字寿险”，以构建数字化运营、数字化经营和数字化管理体系为目标，全面支撑渠道与队伍、产品与市场、运营与服务和共同资源四大业务域，并以平安人寿科技中心为核心搭建渠道中台、业务中台、数据中台和监管中台的数字化四中台体系。
 |
图1 平安人寿数字化中台全景图
渠道中台以“交付价值、演进思想、面向本质、兑现交付”为价值主张，直接面向四大业务域，构建增员、产能、培训、活动量、营业部等7个领域，将平安人寿业务模式与商业模式协调统一，落实渠道业务价值，实现“灵活配置、快速响应”的渠道中台支撑。
在信创的国家战略、去IOE的监管要求、业务创新变革的背景下，平安人寿以建设寿险第四代核心系统为抓手，为实现多渠道均衡发展、提供更有温度的产品、持续升级服务能力，搭建业务中台，形成具备组件完善、高度复用、灵活组装、技术先进特色的核心业务能力共享中心。
数据中台以提供“快、准、全的业务支持”为目标，实现了四个统一。通过建立完善的数据管理能力，结合企业结构化与非结构化数据基础，构建企业高质量数据资产。通过建立覆盖企业内外部数据服务管理机制，提供数据资产价值发挥通道。通过搭建健全的数据平台体系，支撑数据全生命周期的管理与应用活动。
在监管形势日益严峻的背景下，平安人寿基于数据中台构建监管中台，通过搭建统一的监管数据集市和监管数据治理系统，确保数据底层一致，统一报送数据口径，开展监管数据的主动治理，提升监管报送的时效和数据质量。
3.3组织架构
职责明确、分工清晰的数据管理组织架构是平安人寿高效推动执行和落地数据管理工作，建立企业高质量数据资产，促进数据应用，发挥数据要素价值的重要组织保障。平安人寿于2022年首次发布《平安人寿数据治理委员会章程》，建立覆盖决策层、管理层和执行层的数据治理组织架构，设置数据治理委员会作为公司数据治理工作的最高领导机构，全面指导及管理公司数据治理的各项工作。
2025年，平安人寿整合数据治理、网络信息安全等8个专业领域委员会及项目组，成立信息科技管理委员会作为最高决策机构，建立联邦式的数据治理运营模式。其中，数据治理工作组是拉通各业务部门负责人、落实数据管理工作的核心管理层组织，由公司首席技术官担任组长，副组长由相关部门总监组成，小组成员由渠道中心、产品中心、运营中心等指定接口负责人担任。数据治理秘书处是数据管理工作的归口部门，由架构与数据管理团队担任，代表数据治理工作组落实数据管理日常管理工作。数据治理的执行层由各业务部门与科技部门组织负责公司数据管理工作的具体执行。
|
图2 平安人寿数据治理组织架构
3.4 制度体系
数据管理制度体系通过将企业数据管理过程中的目标、专业、流程、规范、责任等进行系统化梳理，将抽象数据管理方法转化为可操作的标准化规则，为数据管理相关部门开展数据管理工作提供指导依据，为提高数据质量、保障数据安全、发挥数据价值建立保障。
|
图3 平安人寿数据管理制度框架
四、统一数据管理体系
平安人寿围绕数据应用、价值挖掘为核心，以向应用服务提供可用、可信的数据为目标，形成高质量数据资产，推动搭建高效的数据应用服务支撑公司业务经营管理和创新，构建统一数据管理体系，建立形成企业高质量数据资产的机制保障。通过系统化、模块化数据管理相关工作，提升各级经营管理机构的数据管理和应用能力，提高数据质量，保障数据安全，发挥数据价值。平安人寿统一数据管理体系将数据管理工作划分为数据架构管理、数据标准管理、元数据管理、数据质量管理、数据安全管理等多个管理模块。
4.1 数据架构管理
数据架构是识别企业数据需求，用于指导数据集成，控制数据资产，使 数据投资与业务战略保持一致的数据总览图。平安人寿在新老系统并存、系统间数据架构交叉的背景下，面对日益丰富的数据使用场景和快速增长的数据量，构建了面向数据分析侧和应用系统侧企业数据架构管理能力，以摆脱烟囱式的建设模式，实现数据的源头治理。
4.1.1数据分析侧
平安人寿在数据分析侧摒弃了烟囱式的数据集市模式，构建统一的数据底座，建设了全新的平安人寿数据仓库。数据底座中形成了统一的公共维度模型层，并构建了覆盖从设计评审到效果评价全过程的流程、规范，包括主题域管理、总线矩阵设计、维度表设计、词根管理、模型发布等。
|
|
图4 数据底座全景
在统一的公共维度模型之上，为了快速高效产出各类指标，平安人寿建设原子和派生的指标设计模型和ADS层，然后基于设计的原子指标，在不同的维度进行抽象生成派生指标并进行输出，提升数据一致性。
图5 指标体系建设步骤
4.1.2应用系统侧
平安人寿以TOGAF为指导构建完善的企业架构管理体系，数据架构作为其中的核心环节。通过建立架构基本法，明确数据架构的交付物和标准，对存量系统按架构基本法要求分阶段进行架构资产盘点梳理，对增量系统要求按照架构基本法规范进行架构设计，统一通过架构设计平台进行线上化管理。
|
通过设计企业架构元模型，明确各元素定义和关系，指导设计建模，确保数据架构与应用架构、技术架构、业务架构对齐一致，快速响应业务变化，高效支持业务目标达成。以企业架构元模型为基础，构建企业级数据模型，根据业务架构全景划分主题域，依据业务流程设计，抽象识别业务对象并形成概念模型。在概念模型基础上，根据业务场景添加关键属性，对业务活动、业务规则进行更加明确的定义和表示，形成逻辑模型。
图6 企业架构元模型
4.2 数据标准管理
数据标准是保障数据内外部使用和交换一致性和准确性的规范性约束，包括数据的命名、定义、结构和取值规则定内容。构建企业级数据标准体系，通过解决基础规范性问题、二义性问题、跨系统不一致等问题，能够消除跨业务、跨部门、跨系统之间存在的数据与指标歧义，实现数据在跨系统间的敏捷交互，支持数据质量的提升，减少数据集成和数据清洗的工作量，便于数据融合分析。
平安人寿为贯彻执行数据管理体系规划，推动建立数据标准的长效机制和闭环流程，持续提升数据质量， 实现数据业务价值， 确保数据标准建设符合公司战略、 业务和技术发展趋势，制定并发布了《平安人寿数据标准管理办法》 ，将数据标准分为业务术语、基础数据标准、参考数据标准和指标数据标准四大类。
长效机制与闭环管理流程
平安人寿确立了“整体规划原则”“价值优先原则”“前瞻性原则”“共享性原则”“唯一性原则”“稳定性原则”“可扩展原则”“可行性原则”的数据标准管理原则，建立了包括信科委、数据治理工作组、数据治理秘书处、数据属主、数据管家等角色在内的组织架构，设置了数据标准编制、数据标准审核与发布、数据标准执行、数据标准变更维护、数据标准考核评价五大管理活动。
4.2.1参考数据标准
参考数据是指数据的可能取值范围，也被称为属性值域，是对数据分类的主要标准，用于描述或分类其他数据，或者将数据与组织外部的信息联系起来的任何数据。平安人寿制定一套管理机制，发布《参考数据管理办法》，明确参考数据梳理的标准与方法，采用监管优先治理和区分数据生产端与消费端的差异化落标两大策略，设置“定范围、找专家、建标准、推应用”的四步规范流程，完成了首批企业参考数据标准的建立。
2024年4月，平安人寿发布首批14个参考数据标准，并进入标准落地实施阶段，通过新标准的案例解读宣传以及综合评估影响，分批推进已发标准在系统中的落地实施。2024年下半年以来，平安人寿围绕27个监管相关参考数据，发布第二批参考数据标准10+，持续推进参考数据标准的建设、实施和落地工作。
|
团队 |
数量 |
说明 |
|
核保**团队 |
7 |
重疾分类、伤残等级等 |
|
**企划团队 |
3 |
国家行政区划等 |
|
品质**团队 |
2 |
证件类型、国别等 |
|
财务**团队 |
1 |
财务销售渠道 |
|
产品**团队 |
1 |
按保障类型的产品分类 |
表1 平安人寿第一批参考数据标准清单
对齐监管要求，规划范管理个人身份证件类型
|
为解决过去码值设置不唯一、名称不规范、歧义性码值未及时、分类颗粒度不够细等问题，新标准对标国标/行标重建编码，提升对码效率；废弃、新增码值内容，确保数据准确性、及时性，及时满足监管和业务实际需求。
图7证件类型码值更新对比
4.2.2基础数据标准
基础数据标准是指在业务流程中直接产生，由应用系统记录并存储信息数据的规范标准。基础数据标准管理通过明确重要数据字段的定义，建立平安人寿内部核心数据“新华字典”，确保业务间数据的一致性和准确性。从数据标准的应用价值出发，平安人寿将跨部门高频应用，用于提高沟通效率的作为主数据标准进行管理，将行业必备通识，有利于在企业内部知识传承的作为数据元标准进行管理。
4.2.3指标数据标准
指标数据是指具备统计意义的数据，通常由一个或以上的基础数据根据一定的统计规则计算而得到。规范化的指标数据设计、开发与使用，对于平安人寿及时掌握公司经营现状、制定运营策略、优化业务流程意义重大。为此，平安人寿在业务层面，以战略目标为因，层层下钻，全员覆盖，绘制平安人寿指标神经网络图谱。在管理层面，将指标依据重要性划分为公司战略层级（TI级别）、业务策略层面（T2级别）、业务执行层面（T3级别）三个重要性等级。在技术层面，为规范化指标的开发体系，将指标数据标准拆解为“原子指标”与“派生指标”两个类型进行管控。
|
图8 指标数据标准构建方法
4.3元数据管理
元数据管理是公司数据资产管理的重要基础，各业务领域均依赖元数据管理开展领域数据的治理工作。可靠的元数据可以帮助企业识别、评价数据资产，追踪数据资产在使用过程中的变化，实现简单、高效地管理各类数据，同时帮助用户评估数据质量，实现数据的有效发现、查找，有助于组织对数据的有效管理。
平安人寿发布《元数据管理办法》，将元数据划分为业务元数据、技术元数据和管理元数据三类，并围绕元数据全生命周期管理环节，设置了元数据采集、元数据维护、元数据共享、元数据下线、元数据考核等一套规范化管理流程。
平安人寿通过开展数据摸底、前置分析、管家认责和业务认责四项专项工作，建立元数据管理与保障机制，全面数据治理工作的开展奠定基础。2023年已完成全量数据梳理及55万数据表的认责确权，其中数据管家认责完成度100%，覆盖11个开发团队，业务数据属主认责完成99%，覆盖10个业务中心。
平安人寿元模型
业务元数据：描述数据的业务含义、规则和场景，关注数据的内容与条件，以及数据治理相关的详细信息，包括主题域、概念、实体、属性的非技术名称和定义。
技术元数据：描述数据的技术属性和系统实现细节，如物理数据库表名、字段名、数据库对象的属性、访问权限、ETL作业详细信息、作业执行日志、错误日志、创建时间、灾备恢复预案等。
管理元数据：描述数据管理过程，强调控制、治理和合规，通常包括数据的责任主体、权限信息、生命周期信息、安全级别、版本控制、访问日志等。
4.4 数据质量管理
数据质量是衡量企业数据治理能力的重要标尺。构建高质量的数据资产基础，是企业实现数据驱动转变的决定性因素。平安人寿通过推动建立数据质量管理的长效机制和闭环流程，促进国家以及行业监管数据质量管控，提升公司经营数据的真实性和准确性，从而提高监管数据报送质量以及全面提升公司经营管理能力打造良好的数据基础。
平安人寿将数据质量管理作为数据治理的事后监督环节，发布了《数据质量管理办法》，设置数据质量需求、数据质量定期检查与异常监控、数据质量提升与改进和数据质量考核评价四大管理活动，充分覆盖监管、合规、业务的数据质量需求，并明确面向开发和管理的数据质量管理要求。
平安人寿客户数据质量管理实践
平安人寿品质风控团队作为客户数据的属主，将客户数据质量管控作为常态化开展的重点数据治理工作之一。品质风控团队内化外规要求，遵循《中华人民共和国个人信息保护法》《人身保险客户信息真实性管理暂行办法》等法规要求，通过控增量、清存量的内化管理策略，聚焦3类客户10项信息4级维度和2个重点，建立客户数据质量管理体系。
针对存量客户数据，品质风控团队聚焦客户信息规范性、唯一性等典型问题，有效协同总部与机构，采用批量清理、逐单清理、触点管控的方式进行清理。针对增量客户数据，品质风控团队对其客户信息校验标准，设置客户信息规范性校验、疑似客户识别、新建与更新接口规范，在客户信息通过接口接入环节实现问题拦截。
此外，为实现线上化客户信息质量闭环管控，搭建客户信息质量管理系统作为客户信息查询及质量管理任务处理平台，设置信息查询、问题处理和消息提醒等核心功能，与金管家等业务系统协同，确保客户数据质量的完整性、准确性、一致性和时效性。
|
图9 标准化智能化客户数据质量问题治理流程
4.5数据安全管理
近年来，应对日益复杂、严峻的网络数据安全威胁，国家监管部门持续加大在网络安全、数据安全、个人信息保护等领域的管控力度。将《中华人民共和国数据安全法》《银行保险机构数据安全管理办法》等外部数据安全合规要求转化为内部的管理标准和操作规范，构建覆盖数据全生命周期的数据安全治理体系势在必行。
平安人寿以保障数据的机密性、完整性、可用性为核心目标，以国家法律法规和行业标准为工作行为准绳，建立了“合规引领、管理整合、技术突破”的数据安全治理框架与理念，并形成安全策略、安全管理、安全支撑和安全监督的四层数据安全管理体系。
|
图10 数据安全治理框架
|
图11 网络以及数据安全管理制度体系
以评促建，全公司、多角度、细粒度的自查对标
平安人寿建立了数据安全评估、个人信息安全影响评估以及内外部数据安全检查与评估的工作机制，通过“数据安全治理能力-金融专项（DSG-F）”、“个人信息保护认证”“APP隐私安全检测”等一系列数据安全专项行动，从多角度开展了覆盖各业务领域、各层级的自查对标工作，全面提升数据安全合规能力，强化数据安全保障能力。
|
图12 数据安全专项行动证书
五、统一数据资产体系
数字化转型的核心路径是通过数据驱动企业原有的能力体系升级，数据能力是数字化转型的基石，企业的数据资产是数据能力的重要体现。数据是平安人寿的重要战略资源和核心资产之一，构建统一数据资产体系在推动数据应用建设、数据价值发现、业务经营管理和创新等方面意义重大。平安人寿依据内部数据拉通、业务流程刻画、战略绩效拆解、业务场景个性化需求等数据资产应用需求，将统一数据资产体系划分为主数据资产、基础数据资产、指标数据资产和标签数据资产四个部分。
5.1 主数据资产
主数据是企业中需要跨流程、跨系统、跨部门进行共享的核心业务实体数据，是支撑企业核心业务运作的“数据基石”，是平安人寿数据资产中的“黄金数据”。通过构建一致、唯一、稳定的主数据资产，是消除数据冗余、提升数据处理效率、提高公司战略协同力的重要数据基础。
目前，平安人寿已对照《主数据管理办法》要求，确立了公司区域码、客户、产品、部门、代理人五类主数据对象，并由相关归口管理部门开展主数据资产的管理工作。
|
主数据对象 |
主数据定义 |
归口管理部门 |
|
区域码 |
公司各层级营业单位基本信息的集合，是公司对分支机构管理的基础 |
**企划团队 |
|
客户 |
依法享有保单利益请求权的保险合同当事人，包括投保人、被保险人或者受益人 |
品质**团队 |
|
产品 |
公司销售的产品信息，主要包括产品代码等 |
产品**团队 |
|
部门 |
公司的销售及服务人员的组织架构信息 |
基本法**团队 |
|
代理人 |
公司的销售及服务人员信息 |
基本法**团队 |
表2 平安人寿主数据对象清单
区域码主数据资产是公司各层级营业单位基本信息的集合，是公司分支机构管理和各类业务报表系统构建的重要基础。自2022年全面构建主数据管理体系以来，区域码部分以完成4300+个区域码、3500+张机构牌照、800+个虚拟架构的主数据资产建设，在核心系统机构支持、业务政策设置、内外口径匹配和监管报送方面，均起到的重要作用。
|
图13 区域码主数据资产架构示例
主数据管理原则
共享原则：主数据是具有共享和交换需求的数据，应作为各相关方共同遵循的准则，并不为特定部门服务；
一致性原则：主数据的命名、定义、口径、来源等应与标准保持一致；
唯一性原则：主数据的命名、定义等内容应具有唯一性和排他性，不允许同一主题下标准内容出现二义性；
稳定性原则：主数据需要保证其权威性，应充分考虑业务改造风险和技术实施风险，不应平凡修改或删除；
前瞻性原则：主数据定义应充分借鉴相关国际标准、国家标准、行业规范，充分体现公司业务的发展方向。
5.2 基础数据资产
平安人寿基础数据资产是产生于销售、服务、管理和经营等业务流程中，蕴含基础业务信息的数据资产。构建一致、准确、全面、标准、规范的基础数据资产是支撑平安人寿在数字化运营、数字化经营、数字化管理三个领域落地数字化应用场景的核心数据基础。
在数字化经营方面，为实现“三先三预、聪明经营”，全链路打通经营指标，建立全局闭环的管理模式，构建了面向分析侧的基础数据资产。在数字化运营与数字化管理方面，为厘清源头业务应用系统数据资源进而完成数字化升级，构建了面向系统侧的基础数据资产。
5.2.1分析侧基础数据资产
分析侧基础数据资产作为支撑构建指标数据资产和标签数据资产的基础，是基于源头系统数据完成数据加工与整合、建立一致性维度、构建可复用面向分析和统计的基础数据资产。
平安人寿在数据底座中集成企业源头系统数据，采用Kimball维度建模方法，在CDM公共维度模型层中进行汇总与整合。为便于开展分析侧基础数据资产的管理和应用，平安人寿进一步将联系较为紧密的数据主题整合，形成队伍管理、后援服务、客户、资源、投资、银保等9个CDM数据域主题。
|
图14 数据底座CDM公共维度数据模型
CDM评价指标体系
|
序号 |
指标名称 |
指标含义 |
|
1 |
注释率 |
CDM有注释表占CDM表总数量的比率 |
|
2 |
命名规范率 |
CDM命名规范表占CDM表总数量的比率 |
|
3 |
跨层引用率 |
ADS引用ODS表数量占ADS表总数量的比率 |
|
4 |
跨层调用率 |
ODS被ADS调用表数量占ODS表总数量的比率 |
|
5 |
逆向调用率 |
DWS调用ADS标数量占DWS表总数量的比率 |
|
6 |
复用度 |
CDM中各层级表被引用的数量之和 |
|
7 |
复用系数 |
复用度与CDM该层级标数量的比值 |
5.2.2系统侧基础数据资产
系统侧基础数据资产是围绕企业价值链，以数据刻画企业业务活动与流程的基础数据资产。梳理并构建健全的系统侧基础数据资产，能够全面驱动业务降本增效，形成数字化生态，助力达成数字化改革目标。
平安人寿在企业架构框架的指导下，面向产品开发、市场营销、渠道销售、客户服务、投资管理、内控管理等10个价值链环节以及25个业务一级域，于2023年7月起，以业务应用系统为抓手，持续开展基础数据资产的梳理与沉淀。截止2025年5月，以完成近300个系统的梳理工作，形成130+功能分解图、150+服务信息图、180+业务流程图、130+应用系统实现图以及990+数据实体。
|
图15 平安人寿价值链及业务域
5.3指标数据资产
|
平安人寿搭建了适合寿险行业的指标经营体系，围绕统一经营关注点、标准化会议流程，建立寿险指标框架，实现渠道、产品、运营、资源等全场景覆盖。在数据中台搭建平安人寿指标体系，建设产品、客户、IT经营、内控等8大领域以及35个二级主题域，共计形成约12000个指标数据资产。
图16 指标数据体系框架
指标数据资产管理成效
平安人寿秉承“一次生产N处使用”的指标管控原则，采用6V质量管控方法，持续提升指标数据资产开发时效，现已降低捷报、MIS等平台人工采集量69%，提升口袋E、金管家等业务自主采集率109%，提升投诉、绩效等人工采集时效55%。
5.4标签数据资产
平安人寿为支撑升级数字化客户经营体系、开展产品数字化创新及提升数字化智能风控能力等方面，针对标签对象无明确统筹方、标签归属不明确、标签管理机制缺失、没有统一管理体系等管理问题以及标签同名不同义、同义不同名、元数据不准、烟囱式开发等技术问题，搭建了完善的标签数据管理和建设体系。
平安人寿标签数据以标签物理对象为唯一最小单位，确保标签数据的准确性和一致性，减少数据的冗余和冲突。通过构建完整、清晰、层次化的6层书架结构，将标签数据分类，提高数据的可搜索性和可分析性。建立完善的标签管理体系、管理流程及管理规范，在保证数据来源可靠的基础上，增强数据分析的准确性。
目前，平安人寿已建设8000+高质量标签数据资产，将原有14类标签对象精简为包括客户、客用户、客户代理人在内的7类标签对象，并整合原有11套标签书架形成标准化5套标签书架，清理重复标签7900+，实现标签数据使用量、接口调用量及支持业务分群经营分析数量全面提升。
|
图17 标签数据体系框架
平安人寿标签数据建设体系
平安人寿建立标签数据建设体系，依据标签分析、标签设计、标签开发、质量检测、标签评估五个闭环管理流程全面开展标签数据整改，解决标签不准、重复、效率低等问题，实现标签提质、应用提效。
|
图18 标签数据加工链路
六、统一数据服务体系
数据作为新的生产要素，在企业的业务、经营、管理活动中应用数据资产，发挥数据价值，是构建企业新质生产力的核心。如何有效归集企业高质量数据资产，拉通各业务、各部门数据进行共享与交换，安全合规的与企业内外部开展数据合作是数字化转型过程中面临的难题与挑战。为此，平安人寿建立了统一数据服务体系，以数据底座实现全域数据集中接入，明确数据共享机制，并统筹管理涉外数据。
6.1数据集成
平安人寿在数据中台中搭建数据底座，以ODS层作为系统之间数据同步的中心节点，依据《数据中台ODS数据管理办法》与《数据中台ODS开发规范》，借助“北斗数采平台”实现全域数据集中接入，覆盖金管家、口袋E、E行销、核赔、销售等业务系统，涉及200+个数据库、25W张源数据表。
平安人寿将数据集成相关方划分为ODS接入管理方、源数据提供方、数据消费方和平台工具维护方四个角色，由数据管理团队数据运营组作为ODS接入管理方遵循“不重不漏”的原则统筹推动全域数据集成工作的开展，各数据及系统属主作为源数据提供方负责确保源数据库环境及权限的稳定。
|
图19 北斗采数平台实现全域数据集中接入
平安人寿ODS数据接入类型划分
按数据类型区分：
结构化数据接入：指存储在关系型数据库中的数据接入；
非结构化数据接入：指以文本、图像、音视频等类型的数据接入。按接入内容区分：
元数据信息：包括业务元数据、技术元数据及管理元数据；
数据表信息：指单张数据表中存储的记录。
6.2数据共享
平安人寿为充分发挥数据价值，实现数据在集团内部与公司内部的互联互通，2023年5月正式发布了《数据中台数据共享管理办法》，确立了合法合规、充分授权、最小化和实用性原则，由寿险总部科技研发部架构与数据管理团队担任牵头管理部门，统筹数据共享业务需求方、数据共享业务提供方、数据提供方IT侧和数据共享需求方IT侧开展面向企业内部的数据共享以及面向平安集团内部其他专业公司的数据共享场景。
平安人寿围绕数据中台，建立了“安全屋模式”“数据API模式”以及“OCP模式”三种数据共享模式，以保障数据在符合法律、法规、监管要求及公司规章制度的前提下开展数据共享。
安全屋模式：应用于跨公司的数据共享项目，通过建立专用的安全屋数据库，存储和分析多个不同公司的数据，以保证数据安全性和合规性；
数据API模式：一种数据接口交互方式，数据共享业务需求方通过数据服务平台提供的API接口交换数据；
OCP模式：一个批量提供数据给平安集团及集团内部其他专业公司的方式，应用于离线批量模式的数据共享场景。
数据共享设计及服务
平安人寿基于HeadLessBI理念，借助北斗数据服务平台实现设计即服务，构建了数据API一处定义多处消费一致的数据共享模式。目前，平安人寿内部数据共享API已支撑捷报、智能核保系统、保全平台、保单管家等50多个应用系统，共计搭建900多个数据API接口，实现日均调用1200万余次。
图20 北斗数据服务平台API调用分析看板
|
6.3涉外数据
随着金融业的发展，在符合监管要求的前提下，金融集团为客户同时提供银行、保险、证券中两种或两种以上产品的综合金融服务是业务发展的一大趋势。平安人寿作为平安集团重要的业务板块之一，如何协同集团战略，统筹协调公司内外部数据资源，保护公司知识产权、维护个人信息合法权益、强化数据安全、促进合规发展是一项重要的议题。
为此，平安人寿发布《涉外数据管理规范》，整体采用了“统分结合”的模式，由数据安全管理部门统筹开展涉外数据交换的安全管理工作，针对外部数据引入、数据对外提供等5类涉外场景，提出了“谁收益、谁申报”的管理原则。管理规范贯彻落实主体责任，坚持“谁经营谁负责”、知悉需要和权限最小化管理原则，明确了从外部机构获取数据与向外部机构提供数据的管理要求及流程，确保涉外数据活动的合法合规性。建立事前申报、事中管控、事后监督的管理模式，明确业务经营方、数据所有者、数据安全管理部门、法律合规团队以及运维安全团队职责与分工，全方位控制涉外数据活动存在的风险。
平安人寿涉外数据事中管控机制
一、与集团范围外的机构开展数据交换，包括①通过系统对接方式进行数据交换。②通过邮件、大文件等非系统对接方式对外提供敏感级别及以上数据。③报送监管类外发④物理介质文件外发。⑤源代码外发。⑥应用系统安装包及部署包外发。
二、与集团范围内公司以外的专业公司开展数据交换，包括通过系统对接方式进行数据交换。
七、统一数据平台体系
数据管理工作的开展、数据资产的积累以及数据价值的发挥需依赖全面、完善、高效、可用的平台工具支撑。平安人寿面向企业内各类用户，搭建寿险数据中台门户，为用户提供一站式数据管理与应用服务。面向数据中台内部，平安人寿搭建了北斗产品矩阵，覆盖数据管理、数据开发和数据应用三个场景，搭建10余个数据平台，为输出数据中台能力提供了坚实的工具基础。
图21 平安人寿北斗产品矩阵
|
7.1数据资产管理平台
平安人寿搭建统一的数据管理平台。通过构建资产全景，为用户提供清晰、全面的企业数据资产全景视图，帮助业务和数据分析人员迅速定位指标和标签定义，开展数据分析与应用。为支撑数据管理工作的高效开展，搭建元数据管理平台、数据标准管理平台、数据质量管理平台、数据安全管理平台、数据资产管理平台等数据管理平台，并在北斗资产管理平台中进行集成。
图22 数据资产管理平台整体框架
|
7.1.1数据标准管理
平安人寿的系统建设经历20余年，各部门有执行统一的数据标准进行相关建设，随着业务的发展以及数据管理理念的深化，存在部分新兴领域的数据标准不够完善，未形成企业数据标准体系，导致部分领域的数据相关问题出现。平安人寿通过构建数据标准管理平台，实现数据标准建设工作规范化，体系化，线上化管理，形成企业级的数据标准管理体系，形成企业统一的数据沟通交流语言，避免数据理解偏差，提升数据工作的效率。
|
图23 数据标准管理框架
7.1.2数据质量管理
数据质量管理是平安人寿数据管理的重心，平安人寿以统一的数据质量管理平台为依托，辅以各类专项质量管理平台支持各类特殊需求，落实数据质量管理的各项要求。
平安人寿公司级质量管理平台提供包含规则模板、自定义规则或脚本、监控告警、报表统计等功能，通过对指定库表、字段、加工任务的创建监控规则或方案（规则集、运行设置、告警设置等）等，实现通用的事后质量监控功能；
此外，考虑到不同场景的特殊需求，平安人寿还搭建了多个专项质量平台，用于管理特定领域的数据质量，比如监管报数据质量平台支持根据报送批次出具质检报告，并按照特定的问题处理流程追踪问题；客户信息质量问题需要分配给客户归属的机构、代理人解决质量问题，并支持基于OCR识别等发现数据质量问题。
各类质量平台一般包含如下通用模块：
质量规则管理：业务核心数据的质量规则在平台中集中管理。
数据质量监控：定期自动执行质量监控规则，发现异常数据及时通知责任部门分析整改。
质量问题追踪：质量异常全流程追踪责任部门整改落实。
质量评价管理：分领域定期对数据质量进行量化评价，一站式全面评价数据质量提升的结果。
|
图24 数据质量管理框架
7.1.3元数据管理
元数据信息是企业开展数据管理工作的重要承载，平安人寿搭建统一的元数据管理平台汇集公司所有系统的元数据信息，并以此为基础通过一系列治理动作构建成公司业务、科技部门的理解数据和学习数据的知识平台。
|
图25元管理框架
数据认责模块：落实数据表的业务责任部门、科技责任部门并及时更新维护责任人信息，实现元数据问题及咨询能落实到责任人；
数据表、字段维护管理：因为数据是在跨系统流动，且存在多数据库环境下同构表，通过自动合并、标准化等动作，将数据表/字段进行合并处理、标注等维护，为终端用户提供高质量的元数据信息；
数据资源目录：结合监管分类分级要求以及公司实际管理需要，建立3大类，30小类的数据资源目录，方便数据人员检索及管理数据；
数据检索查询：提供业务、技术两类视角的检索查询，技术视角可检索全域数据以进行技术沟通，业务视角检索经过梳理后的高质量有价值的数据结果，避免提供冗余重复等无效信息
数据血缘信息：建立数据表之间的数据血缘图谱，实现对数据表的上下游的关系查询，加深数据的理解并支持科技人员进行关联影响分析。
数据报表：通过一系列的数据报表监督评价责任团队对元数据的质量、信息完善程度进行多方位的评价。
7.1.4指标标签管理
指标标签数据是公司重要的数据资产，也是公司日常经营管理工作中最常用数据。通过指标、标签资产管理平台提供准确、便捷的资产信息管理，为公司的数据价值提升提供基础支持。
指标标签数据是公司重要的数据资产，也是公司日常经营管理工作中最常用数据。通过指标、标签资产管理平台提供准确、便捷的资产信息管理，为公司的数据价值提升提供基础支持。
|
图26 指标标签资产管理框架
指标主题目录管理：支持多层级多类型的主题目录管理，以1+N的模式支持指标主题目录管理建设，其中建立企业统一的主题目录管理，目前已建设5个一级主题域、30+二级主题域的指标管理目录。同时可支持各业务部门根据自身需求灵活建立各自领域的主题目录
指标信息管理：实现指标的业务名称、口径、技术口径、管理属主、指标与维度的关系、指标应用情况等信息标准化维护，保障指标信息的完整性、全面性与准确性。
维度信息管理：维度信息是数据分析的观测视角，平安人寿利用资产平台实现企业维度的集中、标准化的管理，支持业务进行更广泛更深入的数据分析工作；
标签书架管理：实现对标签书架的维护管理，目前已针对4类标签对象建立了4个层级包含50+子目录的标签书架，实现标签信息的更便捷的查询管理。
标签信息管理：实现标签的标签、业务口径、技术口径、管理属主、标签质量、标签应用情况等信息的标准化维护，保障标签信息的完整性、全面性与准确性。
7.2数据开发平台
平安人寿秉承“设计即开发”的DataOps理念，构建企业数据研发治理一体化能力，面向研发的数据接入、维度模型设计、指标设计、标签设计、数据服务设计等环节，搭建北斗数采平台、北斗数据设计平台、北斗数据服务平台，实现数据开发链路端到端打通，统一管控数据同步授权，确保数据共享服务口径一致。
图27 数据开发平台整体框架
|
图28 DataOps数据开发平台成效与效益
|
7.2.1北斗采数平台
北斗采数平台构建了平安人寿数据统一集成解决方案，通过构建业务数据库与数仓之间的数据传输功能，帮助各部门线上管理数据传输任务，提高采数和输出效率，为实现数据的统一集成与共享提供了平台支撑。
图29 北斗数采平台框架
|
7.2.2北斗数据设计平台
平安人寿基于寿险场景+DataOps理念，提供指标、维度、模型等数据要素从定义、设计、开发、编排、部署到服务的一站式研发运营一体化平台，平台旨在构建统一语义层，实现指标、标签统一规范定义，灵活自主开发，并在统一语义基础上实现指标、标签共享服务。
|
图30 北斗数据设计平台框架
7.2.3北斗数据服务平台
北斗数据服务平台基于HeadLessBI理念，实现设计即服务，确保一处定义，多处一致消费。通过搭建以元数据管理和数据服务内核应用为核心的完整数据服务流程规范，实现数据服务简单、快捷、低成本的交付。
图31 北斗数据服务平台框架
|
7.3 数据应用平台
平安人寿为支撑实现数字化经营、数字化运营和数字化管理的目标，围绕报表分析、标签、可视化、用户行为分析等数据分析应用需求，搭建捷报、MIS、可视化平台等多个数据应用平台，为数据分析人员提供便捷数据分析工具，以实现业务分析需求的敏捷响应，充分发挥寿险数据资产业务价值。
图32 平安人寿数据应用平台框架
|
7.3.1捷报平台
捷报平台专为寿险内勤管理人员设计，基于大数据、AI等前沿技术，构建了以驾驶舱为主的大、中、小表，了解经营全貌、预警归因、预测趋势、提问追踪的管理闭环。搭建标准的会议体系，支持寿险各类检视会议，统一经营关注点与经营检视频率。实现“聪明经营”的管理模式。
图33 捷报平台框架
|
7.3.2北斗标签平台
平安人寿为通过提升分群经营能力，提升资源利用效率、优化客户体验、实现精准营销和业务增长，针对分群经营过程中出现的“标签不可用”“名单反复采”“画像难分析”“人群追踪难”等难点问题，建设了北斗标签平台。该平台以赋能业务分群经营、降低分群经营难度、提升分群经营分析效率为目标，设置了标签查询、人群圈选、画像分析和人群检测四大核心功能，为客户经营、代理人推动、产品推动、品质管理等多个业务场景提供了统一高质量标签服务。
图34 北斗标签平台功能全景图
|
7.3.3北斗可视化平台
北斗可视化平台聚焦数据探索和数据分析两大功能，通过可视化能力帮助各业务部门构建数据分析系统，实现数据驱动业务决策的使命。可视化平台支持接入多种数据源，制作酷炫的监控大屏、多样的电子表格，并搭建基于不同维度的分析看板。该平台通过打通捷报平台、数据运营平台、调度平台等多个寿险内部平台，采用链接跳转、邮件订阅等方式，实现了多样化的应用场景。
|
图35 北斗可视化平台框架
7.3.4北斗MIS平台
北斗MIS平台是一款多维度报表分析平台，以助力业务快速分析趋势、洞察经营问题为核心，为个险、银保、新渠道等用户提供快捷、可靠、安全的多维分析解决方案。该平台作为服务上万用户的数据分析型BI工具，构建了全功能体验的新用户模式：
①全平台报表一键搜索：搭建“北斗快搜”功能，在保证权限管控的前提下，通过关键字全量精准定位用户报表；②高效数据多维分析：实现全新自定义维度集，支持用户自定义“明细型”“统计型”“标签型”维度，实现多场景多维度数据分析；③自动化维值查漏补缺：推出维值补齐功能，帮助业务人员实现自动化维值补齐，建立业务和开发双保险，高效高质响应各类需求。
|
图36 北斗MIS平台框架
7.3.5智能客户营销平台
为了适应市场变化、探索新的客户经营模式，提出由线下经营向线上-线下联动经营模式升级转变，平安人寿建立覆盖多场景跨渠道的一站式智能营销平台。平台以构建面向多渠道输出精准策略能力为核心，以统一用户ID精准识别客户，以全流程客户经营触点数据为基础构建面向业务的多维用户标签，以灵活的营销略配置体系支持客户360°全景画像洞察与分析及客户营销全链路监控，以工具化赋能寿险营销内勤，实现业务全场景、端到端的精细化、个性化和智能化客户营销，赋能业务增长。
图37 智能客户营销平台产品全景图
|
7.3.6用户行为分析平台
一站式用户分析与运营平台，为用户提供数字化消费者行为分析洞见，发现业务的关键增长点，提升效益；平台提供app埋点的全场景分析，支持私有化部署，全端数据采集和建模；广泛用于用户精细化运营改进、产品功能及用户体验优化、产品个性化推荐改造、用户标签体系构建等场景，具有海量实时、简单强大、开放集成、灵活部署等特点。
图38 用户行为分析平台框架
|
7.3.7机器学习平台
机器学习平台旨在为机器学习工程师、数据科学家和开发人员提供用于构建、测试和部署机器学习模型的环境和工具。平台支持从数据输入、特征分析、特征工程、模型训练、模型预测全流程自动化，可以大大提升模型开发时效；平台研究多种数据处理方法，实现最优分箱、GBDT编码、WOE编码、One-Hot编码等多种编码方式，为模型精度提供保证；同时，平台采用联邦学习的方式训练模型，在保证业务数据隐私安全性的前提下，利用联合建模技术，参与方各自在本地训练一个初始模型，通过确定全局模型架构和超参数，汇总各参与方的梯度更新模型，从而提升各模型的精准度。
图39 机器学习平台框架
|
八、数字化运营打造领先服务
平安人寿数字化运营是以“机器+人”模式驱动业务流程重塑，通过去手工化、去中间层，实现前、中、后台集中化、专业化、标准化的革命性突破，实现提升业务效率、优化用户体验、降低运营成本、保证服务质量的目标。面向客户，通过智能核保、一站式数字门店、精准续收、111极速理赔，提升服务方式与手段，实现业务质量和服务效率大幅提升。面向代理人，通过构建覆盖增员、培训、课部、展业的智能化体系，全方位、全旅程赋能代理人，实现高素质、高产能、高收入队伍的打造。
8.1内外部数据要素结合打造“数字核保”
核保是保险承保的前提，是保险公司对投保人的投保申请进行审查、核定和选择风险的过程。核保资料涵盖客户个人与家庭信息、既往病史、投保信息等，涉及大量图片、影像等非结构化数据。平安人寿引入外部数据生态、促进内外部数据要素结合与流通，搭建了新一代智慧核保平台，推出行业领先的核保政策，构建领跑行业的大数据风控模型、布局国际领先的“AI审核”等核心工程，解决了核保效率低、作业提效压力大的难题，打造与现代经济体系相适应的“数字核保”。
平安人寿搭建的新一代智慧核保平台，以“科技创新为驱动，全面革新核保体系”，汇聚自有数据、同业数据、疾控数据等平安人寿内外部多源数据，采用OCR、NLP、隐私计算等技术拉通数据要素、解析非结构化数据，充分发挥多方数据的融合价值，构建亿级数据集市以及客户、健康、财务、保单和行为五大主题数据标签，构建精准的客户画像和全方位风险防御体系，构建贯穿客户投保前、中、后全生命周期的智慧核保体系。
|
图40 新一代智慧核保平台架构图
在保前咨询阶段，传统核保主要依靠机器人问答、人工来解答客户问题，对于保单是否可以投保无法立即告知。新一代智慧核保搭建行业一流的预核保平台，一键上传资料即可获取预核保结论，随时随地可检验投保计划的合理性，为客户设计最佳保险方案提供便利。在投保过程阶段，在充分获得客户信息授权的前提下，借助科技赋能，引入大数据、人工智能、机器学习、联邦学习等新技术，融合各类数据，搭建了一系列核保风控模型，精准识别低风险客户面核保，支持差异化线上核保，全流程极致精简。在审核作业阶段，充分利用NLP、知识图谱、大模型等新技术，从既往“人工审核”发展为“全流程智能审核”新核保模式，打造核保全流程智能收集、智能提取、智能决策，全流程减少人工耗时，实现全流程“AI审核”。
平安人寿新一代智慧核保平台上线后取得了良好的社会效益、经济效益，仅2023年就服务超800万客户，96%保单免打扰承保，AI审核覆盖率100%，最快10分钟承保，审核效率提升30%以上，审核工时年均节省超2W人天；模型防范风险保额31亿，同比提升55%，增加保费收入0.8亿，同比提升67%。为提高用户体验、强化风险管控、企业降本增效做出重大贡献。同时智慧核保平台通过对低风险客户的精准识别，有效减少核保函件的下发，预计未来10年减少纸张消耗约2400万张，助力保险业践行绿色环保。
8.2新单品质管理平台
近年来，在政策和监管指引下，保险业正逐步迈向高质量发展，但业内仍存在个别代理人虚假出单、唆使客户“撤旧投新”等销售品质问题，对消费者、代理人自身及保险公司各方造成损害。就险企自身而言，新单风险难识别、追踪时效长、可回溯智能化程度低等，也是新单管理领域较为普遍的难题。
平安人寿“新单品质管理平台”通过搭建“1个全面品质管理系统、1套AI双录技术支持、N个智能品质风险识别模型”，全流程覆盖承保前、中、后各环节，从客户投保真实性、代理人展业品质等多类场景着手，拦截、化解新单品质风险，实现风险识别准、时效追踪快、前置风险管理、管控体系化，从而快速预警发现问题，提升新单保单品质，保护消费者权益。
新单品质管理平台”平台通过科技创新，解决样本少、追踪周期长和双录实时提醒难等难点，已获得13项国家专利。平台搭建了事前、事中、事后模型体系，运用级联思想，基于NLP、图像等技术对代理人及客户文本图像识别，提升模型精度，并针对AI双录应用场景研发多梯度检测，实现身份核验、违规检测、视频异常核验等。同时，运用并行计算技术，在海量数据中迅速筛选、清洗、整合、分析并挖掘关键信息，实现高响应、高精度的数据处理。平台涵盖150多项监控指标、开发三大类共30+模型，构建了完整、敏捷的品质风控视图，共探索公司内外部结构化及非结构化标签高达5000多个。截至2024年，平台年使用人次超100万，累计拦截化解风险保单24万件。
|
图41 新单品质管理平台功能架构
8.3智能理赔
保险业的发展历程中，理赔服务一直是衡量保险公司服务质量与效率的关键标尺。它不仅关乎客户利益的保障，更是保险公司履行承诺、赢得信任的关键所在。作为寿险行业的领跑者，平安人寿以科技创新为驱动，把客户最关心的理赔报案、申请、审核等环节进行了全面升级，打造了“一句话报案、一键上传、一分钟审核”的“111极速赔”智能化理赔服务，为客户带来全新理赔服务体验。
一是在理赔报案环节，实现“一句话报案”。平安人寿引入虚拟数字人，率先推出多模态理赔视频人，依托虚拟数字人和多模态交互方式提供7*24小时不间断的拟人化服务，满足客户一句话语音报案、AI自动录入信息等需求；基于生成对抗网络(GAN，即GenerativeAdversarialNetwork)的虚拟生成技术及基于深度强化学习的智能对话管理，实现数字交互及主动对话引导，带给客户亲切自然的交互体验。
二是在理赔申请环节，实现“一键上传”。平安人寿通过智能化数据分析处理，降低理赔申请难度。具体来看，通过图像类型识别、质量判断、信息核验、合规检测四大功能模块，实现客户“一键”上传全部理赔材料，AI智能识别分类所有材料，并对缺失、模糊等问题进行实时提醒。
最后，在理赔审核环节，实现“一分钟审核”。平安人寿在理赔标签结构体系基础上，借鉴人工审核特点以及搜索推荐的经验，借助ORC、集成学习技术与Transformer模型等技术能力，设计由粗审、精审两个细分阶段组成的理赔智能审核系统，全面提升理赔审核效率，实现秒级审核、支付，极大缩短理赔审核时效，同时充分保障AI智能审核准确性，减少技术应用风险。
|
图42 “111极速赔”功能介绍
九、数字化经营追求极致效率
平安人寿数字化经营以实现“聪明经营”和“三先三预”为目标，打通结果、过程、行为和财务数据。建立一表一会体系，自上而下构建神经网络决策树，实现管理直通，经营全局驾驭;构建预测预警能力，实现目标达成预警、杜邦快速归因、闭环追踪督办。让平安人寿每个人都能清楚公司经营状况，知道正在发生什么、预测将会发生什么、要解决什么问题以及解决进度如何，真正做到“知、行、果”合一。
一表一会：一张图表管全局，周单元经营闭环管理，实现经营驾驭
通过报表平台统一经营标准、线上会议构建经营管理闭环。一眼看全局，通过人手一张表，聚焦经营核心，层层穿透，从机构及驱动二维定位经营问题，经营全景一览无余。多维看问题，以杜邦形式对利润展开，根据亮灯预警，迅速定位问题。机构随时随地线上开会，参会人同看一张表，以周作为经营单元，将业务规划目标与达成路径分解至周，每周开展复盘检视，根据会议讨论自动生成会议纪要，录入追踪事项，上层管理者随时切入观看，设定追踪时间，系统直接追踪，责任到人。通过“一表一会一周一制”运作体系，实现管理模式、响应速度、决策效率的突破转变，有效提升了全局经营驾驭能力。
预测预警：经营四管、逐层下钻、根因分析、预警干预
借助神经网络和决策树分析、杜邦分解、数据建模等方法论和工具，构建从上到下贯穿经营全的“一张表”，提前获取信息、快速分析定位问题、做出正确决策、及时采取行动，做到“三先”（先知、先决、先行）、“三预”（预测、预警、预防）、“聪明经营”。平安人寿基于“捷报”智慧经营平台，构建了涵盖千级经营指标的经营驾驶舱，赋能全系统600+类内勤岗位，初步实现了核心指标的预测预警及智能归因。
十、DeepSeek赋能寿险业务智能化
2025年，我国在大模型技术封锁下，DeepSeek公司开发出首个自 主可控的世界一流大模型DeepSeek-R1，实现人工智能领域的“精彩一跃”。DeepSeek以其“深度数据挖掘”“灵活推理策略”“强大学习能力”“高效信息处理”四大核心能力，是驱动保险业务创新再上新台阶的潜 在核心动力。
寿险作为平安集团内首家利用自有业务数据进行模型增强并成功上线的专业公司，已在个代渠道、社会渠道和后援运营等核心业务场景中取得显著成效。目前已联合业务部门深入挖掘130余项DeepSeek赋能需求，为寿险数字化转型及生产力提升注入强劲动力。
10.1 打造寿险DeepSeek平台
2025年2月，平安人寿面向全公司正式发布DeepSeek平台，携手各业务条线和职能部门，全面启动DeepSeek应用推广，建立统一知识管理机制，将现有业务和办公体系深度融合，全面赋能销售营销、运营服务、产品设计、财务企划、投资决策及科技研发等全业务场景，助力公司各业务环节实现增收、提效和风险防范。
|
平安人寿整合算力，构建知识索引和召回引擎，打造增强版寿险DeepSeek平台及应用。通过集中GPU资源统一调度以及部署支持不同长度的模型，进行多资源混部和多尺寸推理，构建统一算力集群。针对复杂结构知识文档，采用表格解析、图片解析、文档切分等技术手段完成知识解析，建立知识索引。面对海量业务知识，通过关键词和语义向量定位匹配知识，依据相关性排序确定知识优先级，搭建召回引擎，实现知识检索找全找准。
图43 平安人寿DeepSeek平台框架
平安人寿DeepSeek平台内部推广成果
平安人寿DeepSeek平台上线4个月以来，已服务约2w用户，覆盖寿险客户服务部、个险事业部、产品精算团队、人力资源部等业务团队，使用次数合计超100万次。
10.2寿险DeepSeek驱动核心场景智能化升级
平安人寿全速推进DeepSeek应用落地，实现DeepSeek在业务应用场景的本地化训练，推动产品销售、人员培训和客户服务三大核心场景完成智能化升级。
10.2.1 代理人AskBob升级，产品销售更精准
在产品销售场景，基于真实代理人咨询对DeepSeek进行专项训练，强化疑难问题解答和销售建议，辅助代理人为客户提供更专业、更精准的保险方案。通过对深圳、上海2个营业部的深度访谈和使用测试，90%以上的代理人认为新版AskBob在回答完整性、准确性、实用性上显著优于旧版模型。
10.2.2 RAG技术加持，人员培训更高效
在人员培训场景，应用RAG技术将业务知识引入社区金融AI培训师，显著提升AI培训师的理解能力，在各类情境中为代理人提供专业培训指导，不仅能够准确理解复杂的业务规则，还能结合实际场景提供更具使用价值的解决方案，专业度获一线业务团队高度认可。
10.2.3 智能理赔新突破，打造AI理赔专家
在客户服务场景，基于DeepSeek打造AI理赔专家，构建多险种智能审核体系，复杂案件准确率达83%，较原模型提升23pt。上线首日即辅助一线理赔专家审核理赔案件5000+，助力客户实现“快赔快享”。
10.3寿险DeepSeek赋能业务智能化创新突破
平安人寿DeepSeek技术赋能已进入体系化推进阶段，通过将前沿技术深度融入核心业务流程，公司正加速构建智能化运营体系，为业务高质量发展注入持续创新动能。
10.3.1督导续收AI复盘专家
电话沟通作为续期服务的关键触点，是运营督导提醒客户交费、处理客户异议及维护客户关系的重要渠道。在督导续收复盘环节，基于寿险DeepSeek构建的续收AI复盘专家，通过对平安福续收录音进行智能分析，实现三大核心功能：
1)快速复盘保单历史催收记录，评估客户交费意愿；
2)精准识别客户异议，分析督导沟通话术并提供话术建议；
3)提炼金句话术，沉淀优秀沟通经验。
自上线以来累计使用超25万次，分析录音3.6w份，服务督导近3000位，助力督导提高客户沟通技巧，为续收业务高质量发展提供支持。
10.3.2消保案件自动审计
基于寿险DeepSeek研发的消保案件自动审计系统，通过智能匹配消保总部《2025投诉案件审计规则》48项审计指标，实现案件信息自动整合并实时出具审计结论，不仅能自动划分问题等级，还提供详尽的审计依据说明。2025年在湖南、广东、上海、山东、湖北5家机构试点以来，已累计完成超700件案例审计、审计覆盖率由原1%抽样检查提升至100%全量覆盖，件均审计时效从人工处理的45分钟大幅缩减至5分钟，有效提升案件审计时效和合规性，为金融消费者权益保护构建起智能化投诉风控新防线。
10.3.3伴随式咨询作业助手
基于寿险DeepSeek打造的伴随式咨询作业助手，覆盖咨询案件受理、处理到结案全流程，通过智能化手段显著提升案件处理质效。在案件处理阶段，依托标准化服务模型，作业助手可对客户诉求进行智能分析，精准识别咨询关键点并自动生成专业规范的回复话术，确保服务响应符合监管要求。在结案环节，通过智能整合咨询客户资料、保单信息及处理记录，作业助手可一键生成符合行业规范的报告文档，报告制作耗时锐减98%。仅上线1个月内，作业助手已累计生成600余条回复意见及400余份总结报告，为咨诉处理作业提质增效提供有力支撑。
十一、未来展望
深化数据管理根基，激活数据要素价值
《推动数字金融高质量发展行动方案》中明确提出推进金融机构数字化转型，夯实数据治理与融合应用能力基础，提升数字化经营管理能力。平安人寿作为中国保险行业创新引领者，已将数据视为企业数字化转型的核心动能。持续深入开展数据管理工作，打造“业务-数据-智能”协同的生态闭环，积累企业高质量数据资产，是平安人寿构建未来核心竞争力、实现高质量发展的基础。
推动数据管理与AI深度融合，重塑业务全链路
近年来，人工智能技术的爆发式演进，DeepSeek大模型横空出世，正在重塑数据管理的边界和价值。在平安人寿内部，推动数据管理与AI的深度融合不仅仅是技术升级的必然选择，更是重构业务模式、实现“数智化”转型的核心路径。OCR、NLP等人工智能技术能够将非结构化知识性文本数据，解析转化为可分析的结构化数据，能够将人工智能技术的应用融入数据管理流程中，以体系化数据管理能力，为人工智能应用的构建提供机制保障，并形成高质量数据集供给，将AI成为业务应用场景中数据价值释放的“加速器”。
聚焦智能化场景创新，锻造差异化竞争力
如何将企业数据资产转化为可落地的智能业务场景、如何在保险业务模式下有效整合并应用各类大数据、人工智能、机器学习等技术以实现智能化场景的创新和升级，不仅关乎企业运营效率的提升，更是定义未来保险服务形态，形成企业差异化竞争力的核心问题。平安人寿将围绕四渠道以及三产品，持续开展企业数智化升级探索，打造场景化智能应用生态。