導讀：金融行業是數據依賴性行業，是最大的數據消費者。在分佈式智能生態體成型之前，數據將成為下半場生態競爭的核心力量；之後，數權將成為顛覆現階段形態生態的關鍵，成為下一步生態的發展的重要風向標。

這是IAB物智鏈第32篇原創文章。保險公司保險科技生態建設的第14篇。以下是數字化轉型的分享線路圖，您現在所在的位置為序號❸的分享：生態圈建設。

互聯網生態的下半場，即所謂的數字經濟2.0時代，最大的三個特徵分別是平臺化、數據化，普惠化，前面在 一文中，分享了平臺的基本構成以及平臺在生態建設中的關鍵作用，在 一文中，集中討論了數字經濟2.0的特徵，這一篇，集中討論數字化在生態中的作用。

數據化是廣義數據的一部分，從更長時間維度來講，生態分別分為前生態與後生態，前生態是典型的互聯網生態，分別指互聯網上半場的生態和互聯網下半場的生態；後生態主要是數字經濟3.0時代的生態，即所謂的分佈式智能生態體。這次數據對生態的價值，主要集中在前生態階段。

在前生態階段，數據是新生產資料，是數字經濟 2.0 的新能源。大數據是智慧商業、智慧醫療、智慧交通、智慧政府、智能製造等一切智能的基礎，沒有大數據，數字經濟 2.0 將缺乏動力。數據產生、收集、存儲、加工、使用於不同的主體，既有個人、企業，也有政府。數據只有充分利用，才能發揮其價值，才能為個人、企業、社會帶來福利。在明確數據權屬的基礎上，促進數據在不同主體之間充分分享，是數字經濟 2.0 的內在要求。

01

巨頭的數據爭奪戰

服務質量取決於數據質量

服務效率源自於數據利用率

在數據應用和戰略佈局上，阿里可謂全球領先，2008年開始，阿里啟動DT戰略至今已十年有餘，每一年的組織調整，都在加碼數據科技，強調數字經濟2.0核心是DT化，即萬物在線互聯，以前所未有的速度增長，數據成為驅動商業模式創新和發展的核心力量。

數字經濟2.0最重要的特徵就是高度數據化，互聯網科技生態，是數字經濟最重要的組成形態。工業時代的公司，以 IT 技術為核心實現數字化，數據的流動以及在線化範圍有限，數據應用場景主要侷限在以自我為中心的小的生態圈之中。數字經濟 2.0 時代，數據的流動與共享，推動著商業流程跨越企業邊界，編織全新的生態網絡與價值網絡。另外一項技術雲計算就可以很好模糊企業內部 IT 與外部 IT 的界線，公司間傳統的數據與程序相隔離的狀態將有望被打破，隨之將出現新的商業生態和價值網絡。未來，公司間的業務流程可能會高速增長，這反過來將有助於商業生態系統的建立。公司 IT 系統一旦打破煙囪式結構實現互通互動，從而越過公司界線執行業務流程，將有望構建全新的商業形態，特別是新型的商業生態。

有人將資本的博弈定調為數據和資本，有人定調為用戶和數據，也有人定調為數據和人才...無論怎麼講，幾乎所有人都認為“數據”是其中最為重要的一項。其實，人才決定技術能力，企業所有的問題，都是人的問題無疑，巨頭不差人，特別是優秀的人；資本是博弈的中堅力量，在企業成長與壯大過程中不可或缺，現在的騰訊、阿里，還有新型生態頭條和美團，前期並沒有太多的資本，僅是維持了基本的生存需要。

巨頭之間的博弈，主要有二：場景、數據。

1、表層物理世界全方位覆蓋場景。

要對物理世界所有的場景進行產品、服務的覆蓋，至於用什麼樣的“端”，例如IoT設備，什麼樣的技術，例如人工智能，什麼樣的互動手段，例如語音交互，都是服務場景獲取價值的手段。

但基於場景提高服務質量，同時實現效率的大規模提升，是所有企業孜孜不倦的追求，數據讓這一目標有了突破的可能性。

2、底層數字化世界全方位獲取數據。

在另外一個平行宇宙，完全複製一個數字化的世界，描述這個世界的技術就是知識圖譜。利用雲端的數據，結合算力和算法，從而服務物理世界，實現質量和效率的提升，這是數據存在的根本價值。

也就是是說，服務特定場景下的用戶，是企業存在的價值；高質量、高效率實現這一目標的原材料是數據。除此之外，雲是算力，人工智能是算法，網和產品（互聯網平臺）

屬於連接器，端（各種IoT設備）是觸點或渠道。

這是數據的第一層價值，服務質量和效率提升的原材料！

02

數據成為核心要素

互聯網生態一般都指2C生態，講究產品、用戶、轉化率。其中，用戶是生態的一切，想要服務好用戶，至少要具備三個能力：用戶畫像（描繪用戶的能力）、服務能力、反饋閉環。

一套機器學習系統希望在圖片中找到一隻狗，並分辨出品種。為此，大量帶有“標記”的圖像不可或缺：一組圖片教會系統在圖片中識別狗的位置，其他圖片集則用於區分不同犬種。在監督學習模式下，圖像通過手動標記，不僅告知系統動物位置，同時也說明其種類。

並行處理技術和人工智能算法的發展進一步開啟了深度神經網絡的潛能。受到大腦的神經連接模式的啟發，深度神經網絡可以學習大量的現有數據（即使它們中混雜著許多無用數據也不受影響）。作為學習過程的一部分，這些算法會自主掌握新的數據聯繫方式—這意味著，深度神經網絡人工智能系統可以不斷拓展和提高自身能力。

這裡面，無論是圖片本身，還是人工對圖片進行標記，都是一個個鮮活的數據。

另一項進步則體現在強化學習領域—AI 完全自主學習，無需人為監督。 DeepMind公司的AlphaGo Zero人工智能系統在不瞭解任何規則的情況下，自學了圍棋下法。在幾天之內， AlphaGo Zero便已成為頂尖圍棋高手，以100比0的絕對優勢擊敗了自己的上一版本—曾戰勝全球最優秀人類選手的“阿法狗”。

AI獲取的數據越多，其預測效果就越好。它通過學習，能夠利用這些數據建立模型，然後根據測試數據理解各種因素的作用。例如前面提到的識別寵物及其品種，測試數據集中可以加入一幅在雜亂背景中存在多隻寵物的圖像。一旦模型達到了所需精度，就可以在生產環境中使用。

1、用戶畫像的意義

用戶畫像至少分為三個維度的意義：戰略層面、產品層面、對外服務層面。

（1）戰略層面的意義，從這個層面講，用戶畫像是企業業務經營、收入分析，競爭分析和用戶維護的基礎。

（2）分析用戶的基礎，即完善產品運營，提升用戶體驗的基礎。這個維度主要包括業務運營監控和用戶體驗優化。

（3）第三個維度就是開放，即對外開放服務能力。主要包括精細化營銷服務，數據服務等等。

所有的東西都是圍繞服務用戶進行的，前兩者是服務生態內部的用戶，第三個是服務生態外的用戶，或者更準確的講是企業用戶。

2、用戶畫像是所有服務的基礎

用戶畫像的核心工作是為用戶打標籤，打標籤的重要目的之一是為了讓人能夠理解並且方便計算機處理，最終可用於：（1）分類統計，最後進行用戶分群，分群是服務優化的前提。（2）數據挖掘。利用關聯規則計算，例如喜歡紅酒的人通常喜歡什麼運動品牌；聚類算法分析，例如喜歡紅酒的人年齡段分佈情況。（3）數字化、智能化營銷的基礎。前面談到的數字化營銷，智能化營銷，都是建立在瞭解用戶的基礎上。（4）精細化服務的基礎。（5）挖掘用戶潛在價值的基礎。（6）挖掘用戶關聯關係，進行關聯服務的基礎。（7）風控的基礎。移動大數據在預防互聯網惡意欺詐和高風險客戶識別方面，已經有了成熟的應用場景。（8）信用系統構建的基礎等等。

大數據處理，離不開計算機的運算，標籤提供了一種便捷的方式，使得計算機能夠程序化處理與人相關的信息，通過算法、模型能夠“理解” 人。當計算機具備這樣的能力後，無論是搜索引擎、推薦引擎、廣告投放等各種應用領域，都將能進一步提升精準度，提高信息獲取的效率。

3、用戶畫像在保險生態的作用

在互聯網環境下，保險企業經營的核心競爭力在哪？必爭之地在哪？應該有四個：服務精準觸達、用戶風險評測、風控、潛在需求挖局。

（1）服務精準觸達。通過各種方式，和用戶發生接觸，促進用戶和公司的觸點產生直接或間接的交互，包括獲客、流量、場景、渠道更各方面的覆蓋，從而精準的提供服務。

（2）用戶風險評測。利用自有數據、第三方數據以及用戶實時行為數據，進行個體需求評估和個性化產品的服務匹配，例如智能保顧。

（3）風險控制。動態、持續的進行用戶風險監控，利用數據、建模等方式進行賠付控制等。

（4）潛在需求挖局。在滿足顯性需求後，怎麼挖掘用戶的潛在需求，將成為下一輪競爭的重點，而且潛在需求將遠大於顯性需要。

所有以上四個問題的解決，是建立在一個重要的基礎之上的，就是對客戶進行動態、持續和精準的畫像。完成動態精準畫像的基本要求是要有兩個方面的能力：

（1）數據。必須是實時、多維、充分的熱數據。這就要求企業要具備數據獲取、存儲和加工的能力。

（2）技術。能將數據進行加工、清洗、建模、計算後將結果反饋給用戶，形成高效服務的反饋閉環，並持續優化反饋結果。這一點，要求企業要同時具備建模、算法化、算力化、產品化、網絡協同化等等一系列技術相互協同的系統化的能力。

這就是互聯網生態的本質特徵，基於這個邏輯，可以對保險的互聯網生態作如此定義：保險互聯網生態是指利用保險科技，通過產業鏈縱向和橫向延伸服務的形式，形成數據智能和網絡協同，並以開放和流動做為基礎，最後實現產業無邊界擴張的商業模式。

4、用戶畫像、服務能力、反饋閉環三者之間的關係

如下圖，數據化就是用戶動態畫像。物理世界和數字化世界，要想形成有效的服務閉環，任何一步都少不了。

物理世界場景，要通過端、網、雲，最後反饋到物理世界服務於具體的場景。例如，通過用戶在IoT設備上的交互，將數據通過網絡連接反饋到雲端，在雲端進行數據的清洗加工，用戶畫像的完善，之後進行必要的模型核算法化，最後將計算結果配以必須的產品和服務，提交給IoT設備端的App產品，服務於用戶，等待下一步的反饋。

用戶畫像、服務能力和反饋閉環三者之間的關係。畫像判斷用戶需求，通過需求通知智能工廠生產產品或服務（智能保險產品工廠（上）理念篇 | 新保險（五））並選擇合適的服務推送到設備端。整個過程形成的第一個閉環，但必須要通過該閉環不斷的和用戶交互反饋，才能夠提高服務的精準度，也就是說反饋閉環是精準服務的必要條件。

這是數據第二層的價值，構建動態的用戶畫像。感興趣的可以搜索數字孿生了解更多。

03

數據是數字經濟時代的新能源

工業經濟時代的能源概念更多是指以石油和煤等自然物質資源為代表的能源，而數據則是人類自己創造的新能源。數據是物理世界在虛擬空間的客觀映射，過去快速發展的互聯網時代，以人人在線為主要特點，僅僅是數字經濟的開始，未來物聯網時代，物物在線，原子比特世界融合成一體，人、事、物都在實時被數據化，人與人、物與物、人與物之間瞬間就會產生大量的數據，才真正使得在線成為常態。

1、生態下半場下的數據核爆

移動互聯網如同一個強大吸引力的黑洞，將世界萬物連接在一起。截止2018年底，全球網民突破40億，超過世界總人口的 1/2。人的在線化程度不斷提高的同時，物的在線化也正在迅猛發展。人與人、人與物、物與物構建了互聯互通的網絡，人與機器自由穿梭在邊界日益模糊的虛擬與現實之間，共同編織著生動的實時在線世界。數據量將呈現爆發式增長，真正成為核心生產要素，通過在線數據、迭代算法、實時計算匹配供需，進行市場資源配置。

預計未來十年超過萬億傳感器將接入移動互聯網，超過 10% 的衣服、鞋、眼鏡等都能接入移動互聯網，首款植入人體式手機也將上市。無人駕駛汽車將佔美國汽車保有量的 10%，人們將樂於使用汽車共享計劃而非使用私家車，全球範圍內使用汽車共享服務的行駛里程將超過私家車。超過 10% 的人擁有人工智能私人助理，幫助我們買菜、飲食搭配、健康建議、安排行程、補充知識等。自然人機交互成為主流，人類可以通過自然語言、身體動作甚至思考意識與機器進行交流。全球的數據量將超過 230ZB，以數據計算為基礎的零人工干預的經濟模式也將迅猛增加，將超過經濟總量的 10%。最後，計算量將代替耗電量成為衡量經濟活躍度的重要指標。

2、數據是數字經濟新時代的新能源

在技術，生態之基一節中（技術，生態之基！ | 保險科技生態建設（十一））分享了阿里研究院關於數字經濟2.0的架構圖，第二層數據層，包括數權、數字資產、數據流動與共享、數據保護、數據倫理以及數據成為生產要素各項。數字經濟2.0 是在線產生的數據，是活數據。數據用於記錄、反饋和提升互動體驗，過往雜亂、無用、靜態的數據因為在線而變得鮮活，因此數據就擁有了生命，能夠用於量化決策與預測。發掘數據價值的技術成本降低，數據可以用在全局流程及價值優化，並且實現真正的數據業務化，產生新的社會經濟價值。以保險業務價值鏈為例，從產品設計，保險推薦，到核保核賠，每一步數據的作用都至關重要，而這僅僅是數據改變傳統保險的第一步。

這是數據第三層的價值，數據作為數字經濟 2.0 的核心生產資料和生產要素。

04

數據治理

人人參與，人人受惠

大數據治理是指充分運用大數據、雲計算、人工智能等先進技術，實現治理手段的智能化。如城市交通治理，運用交通實時大數據分析車流量，可以減少擁堵。購物平臺的打假、炒信，面對海量商品、海量賣家買家、適時交易、碎片化交易等特點，利用傳統的商業監管方式已無法應對這些新情況，而利用圖片識別技術、先進算法、大數據分析等方法，可較好地發現問題、解決問題。這其中，數據治理尤為重要。數據治理，除了頂層設計以外，更為重要的是要以普惠心態進行數據治理。也就是人人參與，人人貢獻數據，人人維護數據，最後人人享受數據帶來的價值。從經濟學角度講，真正能做到效率最大化、才能讓參與者收益。

在數字經濟 2.0 環境中，“人人參與、共建共享”的特點，實現了普惠科技、普惠金融和普惠貿易。以保險所在的金融領域為例，以互聯網信用為基礎的新型信用評分模型，對於普惠保險的實現具有不可替代的作用。通過大數據統計概率計算，可以使得不同風險的個體得到精準的風險評估，從而能夠匹配差異化的金融信貸服務，讓更多的個體享受到適合其各自風險特質的保險服務。

這是數據第四層的價值，普惠化講究人人參與人人享受數據帶來的價值。

總之，沒有數據，就談不上生態~

總結：

1、數據的第一層價值，服務質量和效率提升的原材料！

2、巨頭博弈：表層物理世界全方位覆蓋場景，底層數字化世界全方位獲取數據。

3、數據第二層的價值，構建動態的用戶畫像。

4、數據第三層的價值，數據作為數字經濟 2.0 的核心生產資料和生產要素。

5、數據第四層的價值，普惠化講究人人參與人人享受數據帶來的價值。

6、沒有數據就沒有生態。

延伸閱讀：