作者：阳光保险集团支持中心平台建设管理部数字平台处 崔术丰 李宏松
过去十年，地产和信贷扩张支撑了我国的经济增长，未来十年，数字经济将会成为经济增长的一个重要因素。数字经济有先发优势，会产生赢者通吃的局面，数字经济具有规模效应，边际成本接近于零，可以给企业带来超额利润。抖音、滴滴、美团等企业通过大数据技术迅速成长起来，完成了对传统企业的弯道超车。近几年，传统企业也都积极进行数字化转型，但大多陷入信息孤岛化的谜局而难有成功的案例。
新冠疫情的发生将会促使大量的企业加强数字基础设施建设，信息孤岛化仍然是绕不开的一个问题。
信息孤岛化
是传统企业数字化转型的最大痛点
1.信息孤岛化产生的原因
组织壁垒和技术壁垒是造成信息孤岛化的终极缘由。从管理上看，组织壁垒是信息孤岛化产生的根本原因。它不是具体某个人的问题，也不是某家企业特有的情况，而是管理职能划分和组织细化，导致系统和数据围绕不同管理条线建设，将一个完整业务链划分成一个个管理单元。各个部门在自己的组织架构自建业务系统，因为部门墙的存在，产生了信息孤岛，且难以破除。
从技术上看，技术壁垒是信息孤岛化产生的客观原因。公司各系统的开发步调、开发平台、开发工具不统一；开发团队的经验和从事的业务范围受限；管理过程和规范标准不统一，使各板块的信息系统无法兼容和集成、数据无法联通。因此解决“信息孤岛化”问题并非易事，尤其是传统企业，是一个长期的循序渐进的过程。
2.信息孤岛化难以发挥出大数据的真正威力
目前整个保险行业都面临着成本高、销售难、理赔欺诈等痛点，急需开展全方位数字化运营，利用大数据技术对线上线下全面赋能。虽然大数据在智能风控、智能定损、智能核保等传统保险板块都有应用，但距离一线业务的期待还有较大距离。从大数据实践上看，可归结为两个原因：缺少数据和数据质量差。
大数据人员最常遇到的问题就是到处找数据，一找就要一两个月，找到了细看也都是脏数据，数据来源多、庞大杂乱、含义模糊、数据记录不准确，导致项目的“苦力”工作特别多，沟通和确认的工作使得业务方和大数据方都倍感痛苦和困扰，结果就是数据项目建设周期长，不能及时满足于业务的需要，上线后仍然要面对着业务变化和新一波垃圾数据对模型的挑战，因此导致项目失败概率大，项目存活时间短，大数据威力不能真正发挥出来。
而这一切都要归咎于“烟囱式”系统建设方式，使得相关业务领域的数据分布在不同的系统中，比如组织架构信息分别存放在承保、理赔、人力、财务等不同系统中，而且各业务部门在各自建设系统时都基于各自开发团队对业务的理解，造成不同业务的组织架构不统一，往往出现牵一发而动全身的情况，这就使得数据的打通、抽取和同步工作异常繁杂，而这些工作在非专业人员看来，也许并不复杂，从而导致双方矛盾产生。
破解信息孤岛化谜局的第一步：
建立共享的数据信息字典
阳光保险经历了十几年的发展，系统不断更新迭代，甚至重建，业务人员、数据人员、IT人员也一批批更换，相应的技术文档和数据文档缺失、散乱，缺乏及时维护，缺乏能将业务流程和数据流程梳理清楚的专家，给数据、IT、业务人员带来很大困扰。因此，建立完备、规范的文档，并将文档开放共享，数据工作才会更及时有效，才能实现快速迭代，发挥出大数据的真正威力。而文档作为一种数据资产，可以整理成数据字典，从而解决梳理工作低级、繁重，不直接产生价值，极易被忽视的问题。
1.什么是数据信息字典
建立数据信息字典是一个快速识别数据仓库中各元素的过程，指对数据结构、数据项、数据流、数据存储、处理逻辑等进行定义和描述，对业务和数据流程图中的各个元素做出详细说明，这些信息就是数据字典。通过数据信息字典，IT人员可以方便地取数和开发报表，数据人员可以快速有效地进行数据分析，业务人员可以快速准确地读懂报表和分析报告。数据信息字典使得真正的数字化运营变为可能。
数据信息字典包括各个业务系统的数据字典、业务系统流程、主业务数据流程、指标字典、关联业务系统的相关业务信息整理打包后都放到数据中台上。
2.数据信息字典建设
数据信息字典的整理是一项繁杂的工作，耗时费力，无明显的经济价值产出，不为业务人员所重视。为此，我们的做法是，将此项工作作为新系统上线标准，老系统需要在优化项目中补充整理相关信息，由立项和审核管理人员负责统一要求、考核和搜集。在初始阶段，数据信息字典的建设采取宜粗不宜细、不断迭代优化的原则开展。数据信息字典建设主要包括以下内容：
（1）业务系统介绍
介绍业务系统功能，主要解决哪些业务问题，由IT需求和业务人员整理。供新员工及刚接触该业务系统的外部人员简要了解业务使用。
（2）系统业务流程
描述系统内各部门、人员之间的业务关系、作业顺序和管理信息流向的图表，并明确各操作环节的工作内容和责任人，图1为报销系统业务流程，通过系统业务流程，新员工可以迅速理解业务流程，数据人员可以了解系统中哪些数据可挖掘，哪些数据还需要进一步采集，业务人员和数据人员合作交流可以快速挖掘出更多智能应用场景，通过智能模块可以与更多系统互联互通。
（3）主业务数据流程
主业务数据流程（参考图2），全面描述系统数据逻辑模型，可同时反映业务流程和数据在系统中的流转情况，帮助数据人员和IT人员快速准确理解业务，尤其是对初次接触数据的人，效果会尤为明显。
（4）关联业务系统
关联业务系统显示该系统的输入提供方和输出接收方，确定系统间交互方式，帮助数据人员快速梳理该系统与周边系统的关系，如图3所示。
（5）数据表结构
数据表结构（部分截图见图4）定义一个表的字段、类型、主键、外键、索引，是数据字典中最基础的信息，是对业务系统后台数据的详细描述。数据表结构可以将零散的数据快速整合输出，是系统开发、数据提取分析以及平台建设必不可少的支撑。
（6）指标字典
业务系统一般都会有很多张报表（图5为数据表结构部分截图），有的在MIS报表系统里，有的在数据平台上，通过建立指标字典可以统一口径，方便IT人员、数据人员快速准确理解数据和业务。
3.数据字典的作用
通常概念的数据字典主要指数据表结构，是本文介绍的数据字典的一部分，本文所设计的数据字典更强大， IT人员、数据人员、业务人员都能用的上，更像一个知识库，适用多场景，构建一个全公司公开、共享的数据字典，将极大地方便各业务部门之间的了解和沟通，促进数据互联互通，挖掘更多有价值可落地的创新业务场景，从而真正创造边际成本为零的超额利润，实现真正的创新。
当前，在各企业的数字化运营实践中，涉及跨部门数据合作时，数据提供方往往不主动提供数据信息，需求方又看不到对方有什么数据，导致最终达成合作的只能是最小可用数据，达不到场景价值赋能的要求。究其原因，可能是数据信息整理工作既耗时又无技术含量，偏离KPI，而无人愿意去做。
但事实上，“巧妇难为无米之炊”，建立和完善数据字典是所有数据相关工作的第一步。企业由于各系统数据体系不完整、各业务条线对数据的认知程度高低不同，坚持和持续建设数据字典就显得尤为重要。对于新系统，数据字典应成为满足上线标准的必选项，只有迈出第一步，才能有效破解“信息孤岛化”问题。
同时，海量、多变的数据信息需要新型的处理方式，以实现支撑洞察客户需求、协助管理决策、降低内部成本、提升作业效率的目的。未来，随着AI技术在金融行业的深入应用，机器人将逐步代替人，完成低价值、繁琐的重复劳动，让员工做更有价值的工作，加速企业从“业务驱动”转变为“数据驱动”。
如果觉得《观点 阳光保险：共享基础数据信息 破解信息孤岛化谜局》对你有帮助，请点赞、收藏，并留下你的观点哦！
