走出尴尬创辉煌 —— 为二级保险机构IT部发展支招
兵马未动，粮草先行，用这句话来形容保险行业IT部门的重要性不足为过。但在“数据大集中”浪潮的澎湃过后，曾作为行业内最重要的部门之一，今天的各家保险公司二级机构IT部门却从各方面陷入前所未有的尴尬境地。尴尬从何而来？它们和“数据大集中”之间的恩恩怨怨如何产生，众保险二级机构的IT精英们又该如何走出尴尬再续辉煌？要解答这些问题，还得从“数据大集中”谈起。
一、“数据大集中”浪潮
1995年，中国工商银行在国内率先提出“数据大集中”。顾名思义，就是要把各种数据都放在一起。
实际上，“数据大集中”具有两种概念：物理集中和逻辑集中。物理集中强调把可以看见的数据存储设备、核心业务、财务服务器进行集中，构建成服务器集群的同时将核心业务、财务的运行处理过程也进行集中，分支机构只需通过网络访问处理数据。逻辑集中则不管数据到底存储在哪，设备是否在同一个机房，而是更加强调核心业务、财务的运行处理过程的统一和集中。理论上说，物理集中和逻辑集中要达到的目的是相同的。一般说来，物理集中是一个狭义的数据大集中，而逻辑集中则是一个广义的数据大集中。就目前国内保险行业以及整个金融行业而言，我们所说的“数据大集中”事实上都是指物理集中，本文所指的也是这种集中。
“数据大集中”方案提出之后，保险业也把数据大集中作为保险业改革的重中之重了。至少领先于保险业信息化系统5—10年时间的国内银行业，也是在这些年才逐步完成了数据集中系统的建设。采用“数据大集中”来体现一级企业法人治理结构，已经成为各家保险公司乃至金融企业的共识。
从企业应用战略角度说，数据大集中不仅仅是建立一个系统，也不单是把数据存储在特定地点的特定服务器上，“数据大集中”应该是可以保证历史数据迁移，满足现有业务需求并且支持将来应用扩展的一个IT框架。
“数据大集中”从多个角度来说都是发展的必然选择：
首先，从管理角度看，通过数据集中，各保险公司总部对各级分支的管理就很容易一步到位，真正体现了“一级法人”的管理架构。“数据大集中”也加强了总部对分公司的管控能力，使各方面的政策能够及时、有效地付诸实施，并能够及时发现风险于萌芽之初。保险业实行的是分布式管理，总公司很难及时掌握各子公司的经营状况，而层层上报又耗时耗力，在实现数据集中后则完全可以规避这些缺点。保险公司还可以借助数据集中，实现异地间的投保和理赔业务，由此提高经营效率，并可避免投保人在同一保险公司的异地分公司间利用信息不对称，骗取保险赔偿金的不良事件发生。
其次，从成本角度看，好钢用在刀刃上，把有限的技术资源集中到总公司，也有利于成本节约，避免了重复开发。
再次，从技术角度看，数据大集中也是一个必然选择。随着技术的发展，小型机的处理能力不断提高，这为曾经建立在小型机网络基础上的“分布式”业务、财务处理系统“平滑”过渡到“大集中”方式提供了技术保障。通信网络更朝着更高速、更廉价、更稳定的方向发展，公共通信网络越来越值得信赖，因此，通信网络已经不再是制约数据大集中的通讯瓶颈。目前，通过数据大集中，为实施数据仓库创造数据基础的工作在不断推进，国内各大保险公司都已着手数据仓库系统、商业智能BI以及数据挖掘的建设工作，从数据的规模、IT人员技术的积累、市场竞争的加剧等客观情况看，构建分析型应用的时机已经慢慢成熟。
任何事物都应该把握一个平衡，数据大集中也不例外。对于国内保险业，现在的“数据大集中”主要有两种方式：地区数据大集中和全国数据大集中，其中又以全国数据大集中建设为多，地区数据大集中则是主要将几个省份的数据进行集中，同时可将不同地区的数据进行异地数据备份。
二、曾经的心脏
“数据大集中”前，各保险二级机构的数据存储、核心业务、财务系统的运行都相对独立，许多省级分公司的IT部门需要自己承担起各种应用开发任务，例如程序编写等工作，以及数据服务器、高性能主机的维护。以前的省级分公司IT部门负责本省的所有数据存储以及相关的服务器设备，好比是颗心脏，一旦停止跳动，就意味着全省的整个系统陷入瘫痪。
而实现数据全国集中或区域集中后，各保险公司总部一般都有了专门的开发中心，省级机构IT部门的职能除了保证网络安全稳定运行外，只需负责一些前台软件的安装维护即可，同时也不得不面对因为技术提升而造成的尴尬局面：
一是部门地位下降。虽然“数据大集中”有着众多好处，但是因为数据“走”了，数据库主机、高性能服务器“上缴”了，二级保险机构IT部门的地位也开始下降了，之前在整个行业里的重要地位不再，明显变成了一个救火中心，哪里有问题就出现在哪。部门职能也从过去的项目规划、开发，逐渐回归到简单的网络管理、应用维护，相比以往，众IT精英们的成就感骤降。
二是队伍不稳定。以银行业里的某银行深圳分行为例，在数据集中后，其分行电脑部的人员减少了1/3以上。对银行业尚且有如此大的冲击，可以想象同样的冲击，撞在国内金融行业中无论个头还是阅历都处于小字辈的保险业身上，所产生的效果就好比一记打在大人身上的重拳，不巧也砸在了孩子的脸上。在国内保险业中，各二级机构IT部门的技术力量原本就不强，甚至可以说是势单力薄，而随着数据集中后二级机构IT部门地位的不断下降和职能的不断弱化，老资历保险公司的二级机构IT部面临的是人员流失，而更多新开设的省级机构IT部则只能一个人又当兵又当官地“唱独角”。优秀人员的外流和新鲜血液的缺乏，对原本就十分薄弱的保险信息技术队伍来说无疑是雪上加霜。
一记重拳过后，面目全非的二级机构IT部对总部的技术支持角色不复存在，IT技术人员的储备也断了源。以致在新项目开发时，不少保险公司都难以从自家省级IT部门里轻松借调适合的技术人员参与开发，间接也造成外请资源的费用浪费。事实上，在我看来，通过借调技术人员参与新项目开发同时也是培养自家IT队伍的一条便径。
数据大集中后，虽然二级机构IT部门的工作量有所减少，但由于IT部人员的数量与工作负荷不成比例，工作量和工作压力实际上却是增大了。此外，由于部门地位的下降，二级机构的IT精英们也普遍对个人前景不抱乐观态度。
最后，是尴尬的维护工作。对于一名IT技术人员，特别是软件开发人员，软件代码好比故障手册，当软件出现问题时，只有检查软件代码才能发现问题根源。但由于如今二级机构IT部门手头已经没有代码，基本上也不需做二次开发或本地化，所以面对出现的问题，往往显得无能为力，有时甚至连问题出现的原因都难以找到，只得求助于总部，大大弱化了省级IT部的技术职能，多少对省级IT部门技术人员的士气有所影响。
三、心脏变大脑
“数据大集中”是发展的趋势，二级机构IT部门要么在这主流中获得新生，要么被其淹没。IT部门有着难以埋没的技术优势，如何在数据大集中下再次创造辉煌，也许我们可以通过开拓数据挖掘新领域，来体现二级机构IT部门的巨大价值。
自上个世纪80年代末的初露头角到90年代末的广泛应用，以数据挖掘（Data Mining）为核心的商业智能（Business Intelligence）已经成为IT及其它行业中的新宠。数据挖掘是从大量数据中发现潜在规律、提取有用知识的方法和技术。因为与数据库密切相关，又称为数据库知识发现（Knowledge Discovery in Databases， KDD）。商业智能，简称BI，就是将数据挖掘应用于传统商业领域，从而提高数据分析能力，优化业务过程，提高企业竞争力。虽然商业智能的普及仅仅是近几年的事，但已经渗透到金融、电信、零售、医药、制造以及政府等各个行业和领域，成为大中型企业经营决策的重要组成部分。
数据挖掘是一项技术，通俗地说就是从数据里发现有用的知识或潜在的可能性，例如找出一种关系，发现数据里的特定规律等等。数据挖掘比传统的统计要高级，把数据挖掘具体应用到特定的商业领域就可以称为商业智能。举个最简单的例子，一家商场发现一些顾客在采购涮羊肉的同时还会采购一种特定的火锅底料，通过分析积累的条形码数据，发现顾客同时采购这两种商品的可能性比较大，于是将这两种商品尽量放在很近的地方，这样既方便了顾客，也增加了火锅底料的销售。
谈到数据挖掘，就不得不提到客户关系管理（Customer Relationship Management.CRM）。客户关系管理的概念由来已久，但现代的客户关系管理一般是指以客户数据为处理对象的一类商业智能应用。通过挖掘客户信息，发现潜在的消费趋势或动向。
在现实生活中，已经有许多数据挖掘、商业智能的事例。例如网络新宠GOOGLE公司（www.google.com），其搜索原理实际就是一个数据挖掘模型，简单地说就是通过一个页面的被链接数，以及链接到该页面的其他的页面本身的质量来计算该页面与搜索关键字的相关性分值，把最高得分的页面返回给用户。又如，当你访问亚马逊网上书店（www.amazon.com）和国内的当当网（www.dangdang.com）时，在选中一本书后，会出现相关的推荐数目“Cus-tomers who bought this book also bought”，这背后其实就是数据挖掘技术在发挥作用。而美国目前则已经将数据挖掘技术应用于其反洗钱、反金融诈骗系统。
据IDC对欧洲和北美62家已采用商务智能技术企业的调查分析发现，这些企业的3年平均投资回报率为401%，其中25％的企业的投资回报率超过600%。调查结果还显示，一个企业要想在复杂的环境中获得成功，高层管理者必须能够控制极其复杂的商业结构，若没有详实的事实和数据支持，将很难办到。因此，随着数据挖掘技术的不断改进和日益成熟，它必将被更多的用户采用，使更多的管理者得到更多的商务智能。数据挖掘是一个日新月异的发展领域，美国的IBM公司现在就已经着手研究从公司存储的客户服务电话语音中进行数据挖掘，分析消费趋势或动向。
目前，数据虽然集中了，但数据大集中却不能消除市场存在的地区差异性，相反对地区性数据的知识发现越来越重要，因为对于特定的市场进行决策时，依靠的还是本地数据。同时各业务部门对客户信息数据挖掘的需求也越来越强烈。随着保险市场竞争的白热化，更加科学的决策才能使企业立足于不败之地。
保险市场竞争需要更科学的决策，而数据挖掘可以提供很好的决策支持。两者的紧密结合也许可以为二级机构的IT部门创造一个再次辉煌的舞台，如此一来，省级IT部门的功能也将从以前的心脏进化到大脑。
为什么要把数据挖掘定位在二级公司层面？其中的原因有两个：一、市场存在着地区差异性；二、数据挖掘的处理层次越高，或者说要处理的市场的范围越广，其反映的局部信息就越失真，对经营决策的有效支持也就越弱。事实上也正因为省级分公司这一层面刚好处在不大不小，不高不低的位置，恰好就为数据挖掘提供了一个比较合理的挖掘范围。
对于二级机构IT部门而言，数据挖掘是机遇，因为保险业的商业智能在分析性的客户关系管理中极具生命力，从分析、计划、实施到销售跟踪，无不发现数据挖掘的优势。试比较一下，是用传统的销售方式——人海战术去面对越来越理性并苛刻的客户合理，还是通过发现市场表象下的特定消费规律，用科学的服务吸引客户更高效？
与此同时，给省级分公司IT部门带来更多的是新的挑战，因为数据挖掘的对象是某一专业领域中积累的数据。挖掘过程是一个人机交互、多次反复的过程，挖掘的结果要应用于该专业。因此数据挖掘的整个过程都离不开应用领域的专业知识。“BusinessFirst，technique second”是数据挖掘的特点。因此学习数据挖掘并不意味着丢弃原有的专业知识和经验。相反，如有其它行业的工作背景，是从事数据挖掘的一大优势。如有销售，呼叫中心等工作经验的人员，通过学习数据挖掘，可以提升个人职业层次，在不改变原专业的情况下，从原来的事务型角色向分析型角色转变。这也要求IT部门的技术人员要和业务走得越来越近，毕竟数据挖掘的实施应该是由开发者和使用者共同完成。
四、结语
数据大集中后不可避免的对二级机构IT部门有着巨大冲击，同时也冲击着整个金融行业的省级分公司IT部门。
与此同时，随着我国加入WTO，国内各家保险公司将面临来自国际大型跨国公司的巨大竞争压力，而国外发达企业采用商务智能的水平已经远远超过了我国。国内保险业的信息化建设原本就有些先天不足，这种不足不只是硬件设备的落后，更体现在对数据的深度分析上。
根据CIRC2003年的一份调查报告显示，国内70％的保险公司都已经实施或正在实施客户关系管理CRM。但是，从各家保险公司的CRM系统应用实际来看，并没有充分发挥客户关系管理CRM应有的作用。把所有的挖掘工作都集中在总公司一层而忽略地区的差异性，应该算是众多原因中的重要一条。
今天，各家保险公司的二级机构IT部门处在一个拐点，要么更加健壮和智慧，要么被更加的边缘化。心脏变大脑的前景固然很美好。但真正意义上要实现从心脏到大脑的转变，却不是一两天就能做到的，还需要走很久的路：例如不断提高省级分公司IT部门技术人员的业务知识和自身IT技术，以及总公司相关制度的支持等等。其中最关键的还在于企业高层的重视程度，毕竟从衣领挂衣服才能达到顺而直的效果。只有各种条件都成熟之后，才能真正再续省级保险公司IT部门的辉煌，也才能为民族保险业的做大做强贡献出更多力量。
喻炜/江苏分公司