案例研究ㅣ某大型保险经纪公司 X 北极九章:搜索对话式数据分析实践

作者：沙丘社区分析师团队

01

案例企业

02

业务挑战

A保险经纪公司过去已规划建设数据中台，融合了收入数据、案件赔付管理数据、人力数据、法务数据等业务数据，在数据中台中通过BI报表部分实现了重要业务数据的归集和展示。

但数据中台无法全范围支撑业务数据分析的需求，在实际的数据“接管用”过程中，业务人员反馈缺少真正的自助式数据分析，欠缺提升数据质量的必要能力。随着业务需求的增加，A保险经纪公司对于满足数据资产管理及数据增值产生了深度需求。

A保险经纪公司业务人员面临的数据分析痛点总结来看有三点：看数慢、看数难和数据业务割裂。具体体现在业务侧和数据侧两个层面：

从业务层面看，随着A保险经纪公司业务体量的高速发展，收集上来的能够给业务提供支撑的数据量也不断增大，业务人员的数据需求日益多元，大量突发、零散、随机、简单、灵活、一次性的需求增加，但以往固定看板/报表仅能解决一部分预设需求，新需求取数响应时间往往较长，导致大量临时性、突发性且具有业务价值的数据分析需求无法解决。

从数据层面看，业务人员在数据分析工作中高度依赖数据分析师，通常是把需求提给数据分析师，做成固定报表解决看数问题。几个人的数据分析师团队需要支撑几十人的业务团队的数据需求，在人手不足的情况下需要给需求排优先级，推迟或拒绝一些数据分析师认为优先度不高的需求，但对于业务而言，每个数据分析需求都是有价值的。

此外，数据和IT团队除了日常的取数工作外，还要负责完善数据基建。但由于业务人员往往不具备数据背景，无法快速从数据库中取数做分析，导致数据团队耗费大量精力建设的数据基建的价值很难直观传导给业务，数据和业务间存在割裂。

03

驱动因素

在政策和技术的双重驱动下，A保险经纪公司想要找到一款“能让员工自己搜索、分析数据的产品”，改变业务人员与数据之间的交互方式，降低数据门槛，实现数据的“平民化”。

（1）政策因素

《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》提出要“提高数据应用能力。全面深化数据在业务经营、风险管理、内部控制中的应用，提高数据加总能力，激活数据要素潜能。加强数据可视化、数据服务能力建设，降低数据应用门槛。挖掘业务场景，通过数据驱动催生新产品、新业务、新模式。提高大数据分析对实时业务应用、风险监测、管理决策的支持能力。加强对数据应用全流程的效果评价”。

对于A保险经纪公司在数据分析方面遇到的痛点问题，政策为其提出了明确的改进方向：

针对交互复杂，核心是降低数据应用门槛，用最简单的方式实现解决数据分析问题。

针对看数难，核心是加强数据可视化，让所有的数据都能被人看懂。

针对看数慢，核心是提高大数据分析对实时业务应用、风险监测、管理决策的支持能力。

（2）技术因素

数据分析不仅仅是一个结果，而是一个价值创造的过程，需要用户高度参与。

传统BI更注重数据整合和报表结果的展示，自助BI为用户提供了更大的自主性和灵活性，但仍然无法解决业务人员“最后一公里”的数据分析需求。增强分析的出现，将颠覆现有的数据分析模式，成为数据分析的第三波浪潮。

Gartner于2017年首次提出增强分析这一概念，是指使用机器学习和人工智能等支持技术来协助数据准备、数据发现、洞察生成和洞察解释，以增强人们在BI平台中探索和分析数据的方式。

增强分析简化了数据准备和分析的过程，通过自然语言查询、自然语言生成和实时切片等功能提供更易于访问和有价值的数据洞察。此外，增强分析还改善了数据对普通用户的可理解性和可操作性，进一步降低使用门槛，使得数据分析在企业内部变得更加普惠。

大模型的出现更是为增强分析带来了更大的发展空间，使增强分析可以理解更复杂的自然语言以及生成更有意义的文本，具体来看：

• 增强语义理解：大模型具有更强的语义理解能力，能够更好地理解复杂的自然语言表达和语境，使增强分析在数据探索、自然语言查询和智能问答等方面更加精准。

• 辅助搭建模型：大模型能够从大量的数据中学习并提取出更多的模式和关联性，使增强分析能够更准确地预测和建模，为企业决策提供更可靠的依据。

• 生成数据解读：大模型可以生成更丰富、更自然的文本和数据描述，可以用于生成更具可读性和解释性的报告、摘要和数据描述，使用户更容易理解数据分析结果。

• 提高用户体验：大模型具有更强的上下文理解能力，能够根据用户的个性化需求和特定的上下文语境提供定制化的分析结果和建议，提高增强分析的个性化服务和用户体验。

04

解决方案

在对市场上提供增强分析产品的厂商进行充分调研后，A保险经纪公司选择与北极九章合作。

北极九章成立于2018年，是新一代增强型数据分析领航者。北极九章DataGPT是一种搜索对话式数据分析工具，颠覆性地采用中文问答式搜索，让业务人员可以通过打字/语音等自然语言的形式简单直接地与数据对话，改变以往写代码、拖拉拽搭建数据看板的交互方式。

北极九章DataGPT直连企业数据仓库，通过AI自动配置模型提高数据准备效率。结合大模型的能力以及自研的语义解析引擎，DataGPT可以准确理解用户数据分析意图，并根据用户搜索的问题自动展示关联问题、多维度下钻分析和预测分析，实现大模型数据解释和大模型行动建议，帮助用户建立分析思路、挖掘数据价值，提供更准确的洞察，辅助业务决策。

北极九章DataGPT产品的核心技术优势体现在以下两方面：

第一，语义解析引擎，保证SQL转写准确率。北极九章自研的语义解析引擎，可以理解各种各样的嵌套问题、模糊问题、补全问题等，将自然语言转化为机器可读的SQL查询，并进一步取数做分析。

当前，用大模型直接分析数据的方式并不现实，一是对用户来说门槛依旧很高，需要用户懂数据并且有分析思路，二是容错率低，需要一个足够准确且完整的prompt才能生成一个足够精确的回答，三是大模型每次输出的结果不一致，导致代码正确率不稳定，尤其是复杂的问题正确率明显降低，四是无法进行权限管控隔离，有数据安全风险。

第二，自动洞察引擎，数据分析能力产品化。北极九章自研自动洞察引擎，用户与机器交互的过程中，机器不仅回答问题，还会进一步推荐关联问题、学习人工反馈，主动深挖数据，可视化地展现数据成因、波动、异常等复杂的洞察，一次性反馈给用户，将一个拥有3-5年经验的数据分析师能力浓缩为产品能力，快速帮助用户定位问题、解决问题。

A保险经纪公司通过引入北极九章DataGPT产品，旨在实现如下目标：

第一，探索数据应用创新。在内部打造新一代数据应用，建设零门槛搜索式分析工具，帮助集团业务部门分析工作降本增效，打造行业标杆。

第二，建设数据分析助手。建设企业内部数据分析小助手，以出险索赔分析场景为切入点，根据不同用户的访问权限实现不同的分析，帮助企业各角色构建数据决策支撑能力，提供PC端应用，将复杂的数据分析简化为每个人都可以操作的功能。

第三，放大数据平台能力。对接数据平台，充分复用数据价值，以保险数据为切入点，提高数据共享能力，短期为客服部门分析提供数据洞察，长期为整个集团业务部门提供有效数据支撑能力。

在项目建设路径上，为了避免搜索无边界，A保险经纪公司采取统一规划、试点先行、分步实施、强化应用、提升效率的实施方法。

第一阶段在集团总部试点，以索赔分析场景为切入点，简化过去复杂的数据逻辑，把工具提供给业务人员（业管系统人员、国网保险系统人员等）使用，业务人员通过搜索问答的方式快速完成数据分析，实现30%业务人员使用。

第二阶段向分子公司推广，扩充更多数据源，包括客户、收入、索赔、财务等，探索更多业务模型，实现80%业务人员的使用。

具体实现方案架构如下：

• 在数据接入层，北极九章DataGPT产品对接A保险经纪公司的数据中台，包含财务、客户、赔案、收入、保单等数据。

• 数据处理层提供问题解析&处理能力、机器学习预测能力、数据可视化服务、异常数据处理、数据预计算引擎等。

• 最终交付给业务用户的分析平台具有如下能力，包括文字/语音自助搜索、数据下钻洞察、基于机器学习的智能预测&洞察、可视化模型管理工具、自助报告以及与WPS、Word等报告工具深度集成，方便用户延续以往的操作习惯。

基于上述能力，业务人员可以实现索赔分析、多维精益分析和审计分析，实现数据驱动决策。上线产品后，除了数据分析师之外，集团总部领导、集团业务部、集团服务部、审计部、省公司业务部的业务人员都可以实现数据分析。

05

价值与效果

上线搜索对话式数据分析产品后，A保险经纪公司的业务人员可以自助开展数据分析工作，满足日常80%的数据分析诉求。具体来看：

第一，自助快速获得数据洞察，提升效率。搜索对话式数据分析工具中有75+维度、40+指标，业务人员可以通过搜索对话的方式灵活自由组合查询，数据获取时间从周级别提升到分钟/秒级，数据获取效率提升几十倍。

搜索对话式数据分析工具成为企业内部的“数据版ChatGPT”，业务人员可以直接问问题，例如“2022年出险案件、已结案件、赔款金额分别是多少”，而且能够自动生成图表，即时解决业务人员灵活、长尾的数据需求。

当业务人员可以通过对话的方式解决数据分析问题且每个问题都能及时得到答案时，业务人员就会开始追问问题，而不是像过去看板被动接受固定信息的方式。例如，业务人员发现某个趋势增高时，会继续追问哪个片区的案件增多、具体是哪个险种增多，在这个过程中快速锁定业务问题。

第二，业务反哺中台建设。业务人员80%的一次性诉求都可以通过搜索对话式数据分析工具解决，还有10%的常搜问题业务人员可以通过一键加入报告的能力形成自己千人千面的报告，相当于为业务团队额外增加了40+数据分析师能力，机会成本超过1600万元/年。

数据分析师的时间被释放，集中精力做更复杂、更有战略价值的数据分析和洞察，针对业务常搜的问题或搜索不到的问题，进行反馈优化并完善数据基建，使数据能用得上、用得好，形成数据驱动的飞轮效应。当所有人员都愿意并有能力做数据分析，中台的价值就会被充分释放。

第三，数据驱动企业数据分析文化。随着项目从一阶段到二阶段的建设，数据范围逐步从索赔数据扩大到财务、审计数据，产品使用人群从总部扩大到分子经纪公司，使越来越多的人享受到数据建设的成果，并在日常自助分析数据的过程中提升数据思维和数据素养，通过一个简单的搜索对话式数据分析工具撬动了企业数据驱动文化的建设。