加入WTO之后,外资保险公司全面进入,给并不发达的中国寿险、财险和再保险事业都带来了巨大影响。沿续传统的运作思路,已无法帮助中国保险企业培养起自身竞争力。
仅以车险为例,2003年1月1日起,新的车险条款费率管理制度开始实施,机动车保险在市场开放、价格自由、竞争激烈的情况下,保险公司即使对购买同一车型的客户,也要考虑年龄不同、驾龄不同等因素,采取灵活的保费策略。这一点,没有IT系统的支持,没有客户信息的集成管理,没有整合的业务数据及精准的数据挖掘能力,没有完整的精算模型,显然是无法实现的。
无人会怀疑,中国将会是最大的新兴保险市场。但就数据挖掘和CRM而言,中国保险企业的应用现状却令任何人都难以宽慰。在业务和技术投资“冒进式”增长的同时,保险公司在CRM应用、客户资源整合管理方面的投入,显然无法适应自身快速的成长势头。相比起普遍进入中国的世界性保险企业,中国保险公司的CRM应用落伍,已是不争的事实。
信息化被视作金融业的生命线,对保险公司来讲,数据则如同企业生命体中生生不息的血脉。近10年来国内保险业信息一直处于加速度状态,2003 年全年中国保险行业IT应用市场规模更是创记录地突破50亿元,人保、人寿、平安等大型保险公司和新成立的小型保险公司在信息化方面的投入都不遗余力。
但在巨资进行信息化的同时,信息化技术组合中更为锐利、高效和复杂的数据仓库和决策支持工具,还没有被中国保险企业所广泛掌握。用一些保险公司业务人员的牢骚话来描述这种现状:报表、报告满天飞,不知哪个没水分;数据、数字遍地有,不知哪个是真的;客户、业务到处是,不知哪个最该抓;考核、决策天天搞,不知哪个有准头。
目前中国保险业数据管理应用的普遍现状是,汇集了大量客户信息和业务数据,但因为缺乏挖掘数据背后隐藏的知识的手段和工具,往往导致“数据爆炸但有效信息贫乏”,“信息繁杂但业务知识孤立”——这种局面若无改观,保险公司就会长期处于“低智商”的业务运行状态。
从业务数据化到业务知识化,以数据挖掘(DM)为基础的数据仓库(Data Warehouse)、决策支持系统(DSS)建设,在未来数年中将受到保险公司的追捧。 为提高决策支持水平,增进商业智能(BI),保险公司往往需要以联机分析处理(OLAP)为平台进行数据挖掘(DM),借助大规模数据,通过清洗、转换、装载等数据处理方法,发现大量资料间的关联与趋势,探寻独特的、通过其他方法发现不了的业务规律和模式。一般来看,数据挖掘的任务可以划分成四个层次:数据分析、知识发现、决策支持和金融智能。
数据分析、知识发现、决策支持和金融智能,不仅是数据挖掘的不同层级的任务,也体现了保险公司在开展数据挖掘工作中的规划进度。早期的保险业数据仓库建设,关注的往往是数据分析和知识发现的内容,如提供统一及时的业务报表,提供集成的客户信息等。当具备了相应的数据挖掘基础,保险公司有可能将数据仓库的应用引入决策支持和商业智能的层面,更关注于提供决策信息支持、辅助业务管理、分析和评价经营业绩等主题领域,从而帮助保险公司跳出“低智商竞赛”的泥潭。
今天的中国保险业,已不再是一个封闭的市场和垄断的格局,国际保险公司正层出不穷地推出新产品和新服务。致力于通过电子化和客户关系管理体系建设提升核心竞争力的中国保险公司,就一定要从核心的业务需求出发,切实推动自身的多层次CRM应用。
从业务需求来看,作为典型的金融服务业企业,保险公司的主要业务集中在保险产品销售、风险控制、财务管理和投资管理上。在业务系统的处理中,目前的保险公司业务系统分为三个层级:核心业务处理系统、财务投资管理系统和风险管理系统。核心业务处理主要包括保险产品销售、保单处理、审核、出单、保全 (批改)以及理陪、赔付等,体现了传统保险业务的主要流程;财务和投资管理主要涉及财务核算、资金管理、出于保值增值目标的投资管理、以及进入基金、债券市场的相应业务管理等;风险管理系统则包括了风险控制、绩效考核、再保险等内容。
事实上,以业务为标准划分的保险系统,随着保险公司管理体制的变革、业务流程的更新必然会发生变化。最重要的是,如果系统的设计应用不是以客户为中心,以满足客户保险需求为基础的话,保险公司的服务质量和销售业绩就不可能大幅提高。
换言之,保险公司在原有业务系统的基础上推动CRM应用,必须从多个层次着手。首先必须以客户为中心,提高客户服务水平,如果没有CRM技术系统、呼叫中心等的支持,企业就难以大规模、标准化地提高服务质量;第二,保险公司必须以集成管理客户信息为突破点,做好关键客户管理工作,从而稳定和发展优质的保险客户;第三,保险公司要能够集成数据,实时分析业务发展情况,从而及时采取营销和调整策略,改进自己的销售管理和业务管理;第四,要能够通过分析数据、通过指标和模型来加强风险控制,做好绩效考核;第五,是借助CRM系统,分析客户需求以开发新产品,实现与业务系统的整合,提高保险公司的决策支持和商业智能水平。