请输入
菜单

不忘集

问:云的平台奋斗目标?

答:本平台的目标是提供一个专业、互动性强的问答服务平台,专注于提供金融领域开展数据工作所需常用知识,包括但不限于监管规定、监管数据制度、数据管理等,在交互形式上本平台会平衡原文和AI回答语料两种形式,为不同用户提供优质的查询服务。本平台不隶属机构,现有管理员1人,如有兴趣一起合作,可以在公众号“阿特拉斯打个盹”后台进行留言。

问:请问你是哪个公司的产品?

答:本平台的主要工作方式是用户在前端提出问题,平台通过关键词在知识库中搜索相关文本资料,并将文本资料和问题推送给大模型进行问题解答,后台大模型目前使用的是claude3。回答问题是否符合用户要求取决问题的准确性和知识库的完整性,管理员将会根据用户问题不断进行文本更新和优化。同时后续平台将引入“直接将问题发送给大模型进行回答”的机制,提供灵活的问答能力。

问:保险公司的发展阶段

答:在企业中定义数据治理的范围通常需要先定义企业的含义。企业是一个创造价值,每个参与者都是为了达到一定的个人目标(个体可能是团队)而加入企业,如果企业不能实现这些目标,那么这个企业是失败的。为了使各方都能得到更多的收益,企业就必须创造出额外的“租金”,也就是说,企业必须是能使1+1>2这个表达式成立的组织。对于1+1=2的企业都没有成立的必要,因为加入企业就要承担一定的责任,这是需要成本的,还不如自己单干。

问:保险业数字化转型困难

答:为何保险业喊了这么久的数字化转型,却没有一家公司说自己已经做到。我认为,主要是重构业务链条的重点是能够对业务链条产生价值的部分,进行数字化表达,虽然很多公司号称业务线上化率很高,但这个线上化并不是数字化的业务模式,通过其他平台和中介以手续费形式买来的业务,无法称之为线上化。以抖音为例,花一笔钱,买一些标签客户,在交易完成前后,我们对这些客户一无所知,碎片化的客户需求带来碎片化的运营场景,这对于长期经营风险的公司,并非长久之策,也不能称之为数字化转型后的业务形态。
  • 决策频率高的环节优先数字化
以寿险公司为例,寿险公司占大头的保险数字化转型的服务对象应该一是业务员,二是渠道管理,三是经营决策。保险公司从管理层到业务一线,在数字化大潮中需要数字化改造的顺序应该按照决策频度进行划分,优先满足决策频度高的业务员,逐级往上。
  • 价值赋能高的工作优先数字化
而于业务员能够忽悠客户的能力,是重中之重,也即业务员培训。对于基本法、对销售技能、对产品理解,现在业务员销售分级管理在即,前些年靠着中介、银保缓下来的时间不多了。从国外经验来看,个险营销队伍培训能力对保险公司来说是一项必修的核心竞争力。

问:数字化转型

答:尽管目前尚未形成统一的对数字化转型的认识,但多方普遍认为,数字化转型是充分发挥数据、信息、知识作为新生产要素的作用,依靠数字技术创新驱动,帮助企业实现跨界融合、重构组织模式、拓展创新路径用,提升数字产业的质量和规模,从而为高质量发展增添强劲新引擎的过程。在数字化转型过程中,数字化是手段,转型是目的,数字技术和数字经济围绕行业特点进行深度融合。 

问:数据生产力创造价值的基本逻辑

答:以算法、算力推进隐性数据和知识的显性化,将数据转换为信息,将信息转变为知识,将知识转变为决策,在数据的自动流动中降低复杂系统的不确定性。

问:数据生产力创造价值的三个阶段

答:第一阶段:提高单一要素的生产效率,将数据与劳动、资本、技术等单个要素相结合。
第二阶段:提高劳动、资本、技术、土地这些要素之间的资源配置效率。具体表现在数据可以低成本、高效率提升生产率,提供公共服务。
第三阶段:激活要素,提高产品形态、商业模式的创新能力。表现在用更少的物质资源创造更多的物质财务和服务。对传统的生产要素产生替代下映,例如移动支付替代ATM,电子商务减少传统商城的大规模建设。

问:数字经济时代的资本剥削特征

答:数字经济时代资本主义社会剥削方式和剥削程度,是通过占有非工作时间的无报偿劳动所实现,从而导致剥削率上升。

问:剩余价值在数字经济时代的基本特征

答:剩余价值在资本主义数字智能化中的生产呈现无偿性、流动性、共同生产性、时间空间的融合性等新特征,数字劳动表面上是以生产满足自己的日常生活需要,但实质上实在生成资本,不仅带来资本的价值增殖,而且生产了资本与劳动之间的泛雇佣劳动关系。

问:数据商品的价值构成

答:W=c+v+m,商品价值等于生产资料价值(企业为收集、传输、处理数据所投入的各种设备的价值)。v主要是为雇佣劳动力而支出的劳动力价值(工资);m是雇佣数字劳动和非雇佣数字劳动所产生的的剩余价值之和。

问:数字平台的生产关系

答:资本控制下的数字平台运用信息优势构造新的生产方式,在个体层面上集中表现为各项人类活动的数字化,人类活动的各项指标、信息以数据形式被资本系统地收集、处理和利用。由于数字平台具有规模效应、网络效应、自然垄断等特征,数据只有在被大量收集、处理、分析的前提下才具备生产资料的属性,因此“数字化个体”依然是处于丧失生产资料的“一无所有”的状态,其所拥有的碎片化数据和终端设备并不能被视为生产资料,正如马克思所讲的“只是充当劳动对象的容器的劳动资料”。

问:关于GPT类的AI技术

答:首先ChatGPT真的很不错,感兴趣的小伙伴也可以在我网页中尝试。AI在传统的信息搜索、形成文档框架、修改代码方面展现出异常强大能力,大大提高了人们的工作效率。对于网上提到的对于干饭人的影响,我还存有疑虑。
(1)目前它还是一个工具,极大提升单节点工作的神器,同时对提示词的质量相对比较依赖,人们从码字或使用百度转变成了写提示词的人,不变的工具属性。同时能用好它在短时间能的确能形成一定的市场竞争力。
(2)在创意类(图片、视频)领域,虽然降低了个人使用门槛,也许收益更多的是诸如iSlide等以往提供服务的组织,他们有更强的动力和能力使用GPT类工具,突破以往版权、出图效率等限制。
(3)紧随着上一个问题,由于门槛降低,是否会带来算力、能源等的过度使用和浪费,产生过多垃圾数字信息,最终对环境造成更大的影响。
(4)最后一点是我自己感到紧张的,人不断完善自我的过程就是改造认知框架,这个过程需要在实践、反馈、思考、总结、实践这个循环中不断打磨,而GPT类工具对这个过程是破坏性的,这也是为什么大学会对这个工具深恶痛绝。如果过度依赖这个工具,就想《魍魉之匣》中的那个场景,人进入了匣子,成为了匣子。

问:保险数据人需要什么样的GPT类工具

答:我想至少不会是文字转图片,或文字转ppt这样的功能,文字变成Excel宏可能用些。也许GPT的能提高我们单次搜索的知识密度,也许某些思考过程会被跨越,但随着高密度知识的堆积,也许行业整体思考的深度能得到提升,不会被无效信息占用认知资源,影响知识获取和理解。在我此前做统信、EAST的经验中,想要提高密度分为两部分:第一部分是已有知识,包括来自监管制度规范、公司年报、处罚信息、偿付能力报告、保险产品文档等已有信息以及对这些信息的直接分析;第二部分是隐含信息,这些信息中有的是实际工作中某些既定事实,有些是预设观点下对某些解读和口径。从GPT现有表现看,首先第一步应该尽快使其学习已有知识。看起来尽快openai展现出更强的对话理解水平,但我觉得国内的清华ChatGLM-6B、百度、阿里依然是保险业开展相关工作的首选,目前我自己只尝试的清华模型和百度的模型,对个人而言清华模型在本地部署需要个4080级别显卡进行模型学习,成本略高,而且学习后只能应用在对话第一轮,对于我这种对乐高AI选手略微费劲;百度相对功能和交互好一点,不过毕竟是向商业化的百度,希望能对个人签报友好些。

问:激活数据要素

答:数据要素已成为国家最为关注的新金矿,《关于构建数据基础制度更好发挥数据要素作用的意见》)、《企业数据资源相关会计处理暂行规定的政策》等文件逐一出台,各地数据交易所的陆续成立,国家数据管理局也已成立,并且在2023年12月与国家发展改革委一同印发《数字经济促进共同富裕实施方案》,国家监管层面的发力,推动行业沿着业务数据化、数据资产化、资产业务化的方向前进,数据要素则是实现这个闭环的生命水。业务数据化主要是通过各种技术或管理方式将尽可能量化公司各项业务及管理行为,并以结构化或非结构化的方式进行记录管理。目标是积累数据资源,并且通过管理和技术手段不断提升数据质量,支撑或驱动企业内部管理和业务发展。数据资产化是将所积累的数据资源转化为存在交易可能或相应价值的数据资产。目标是以整理、加工和分析,能够给企业带来经济利益的数据资源,其本质依然是数据。资产业务化是通过对数据资产的应用,所形成的的具有盈利能力的业务模式。从实践来看,目前多数是以某类对外服务的形式存在,未来如何如何提高业务壁垒,也将是资产业务化的重点。以投资中ABS的形式举例,资产价值的精髓是对风险的评估。在推进方向上,我们也许不能活在某些白皮书了,必须得先用起来,也就是使用主导,从混沌向清晰逼近,从迷蒙向真理逼近,沿着曲折的道路螺旋上升。不会现有清晰的确权,合理的规则。

 

问:来自金融监管一表通的挑战

答:银行业一表通铺开试点有一段时间了,虽然现在还没有看过正式的监管数据模型和监管文件要求,汇总整理实施技术厂商、咨询商公开出来的信息来看,这对于金融监管和机构的监管数据治理又是一次生产力级别的跨越,作为身在保险行业的数据人来说,得祝贺银行业已经一脚跨入到新的次元。

面对银行业监管报送的今天,保险业的机构应该提前开始考虑建设公司层面的监管数据集市,并将各监管报送任务以服务的形式进行输出。从实际上做到不同监管数据的同源管理,监管数据质量问题快速溯源。当然现实中推进还是有很多问题,集团内跨法人信息协调、机构内跨部门信息协调,我个人认为这些主要是时间和数据管理思维普及的问题。银行业从2012年进入监管数据标准化(EAST)阶段,开始在公司层面推动监管数据治理、监管数据集市概念的普及,截至到2022年启动银行业一表通设计建设前,已经走过了接近10年的时光,在这个期间,监管数据治理规范从《银行监管统计数据质量管理良好标准》(银监发〔2011〕63 号)到《关于印发银行业金融机构数据治理指引的通知》(银保监发〔2018〕22号),监管举措从数据质量通报到金额巨大的行政处罚,银行业机构从组织层面上逐渐适应了监管报送明细化、标准化带来的监管数据报送集中化要求。

来看保险业的情况,2006年开始的保险监管统计报送与银行业1104(非现场监管报表指标体系)属于同期生,目前是服役的主力保险监管数据,2021年初人身险初次报送EAST数据,截至目前人身险、产险、再保险实际报送时间不足3年,集团、保险资管公司实际报送期间不足1年,之前虽然有诸如保单登记平台、反洗钱系统、稽核系统等明细类监管报送,但没有像EAST这种需要动员起组织管理各环节参与的监管报送,基本停留在IT部门内处理,并且监管举措还停留在通报阶段,工作氛围上比较宽松,难以激发管理层从组织层面考虑统筹监管数据工作的动力。

现在,金融监管总局逐步进入正轨,职能慢慢落地,对于银行业、保险业机构的监管数据能力要求正在快速拉齐,产品复杂性、管理架构特殊性这些因素也许不能说服监管给出更多的准备时间,留给保险业补齐短板的时间并不充裕。

分享文章
最近修改: 2024-04-16