使用大數據對顧客進行分析後有針對性的作出策略,早已經成為各大企業必行的做法,精算師早在理財服務出現時就已經存在,近來更是出現專門整理與分析資料的數據科學家,兩者之間到底有什麼異同?又應該怎麼樣合作,創造更高的價值?

*本文獲得LIMRA授權,轉載自「LIMRA Number 2,2017」

大數據的分析及應用,正逐漸變成理財服務業的核心要件。更特別的是,分析學正加速成為行銷及配銷主動性的驅動者,使對的訊息,在對的時間,對的通路,傳遞給對的人。

現在的環境下,蒐集整理所有數據資料,並分析創造其意義的數據科學家(data scientist)十分受歡迎。然而,資料整理者已存在多年,精算師在理財服務業開始之時就存在了,數據科學家可以做什麼是精算師不能做的呢? 美國壽險行銷研究協會(LIMRA)綜合了行銷、配銷、預測分析及未來性,精算學會(the Society of Actuaries)則為了理解精算師在今日行銷及配銷分析中扮演的角色及如何善用分析學,雙方共同於二○一六年底進行了一項線上問卷調查,合計有來自49家公司的55位受訪者回覆,其中一半以上是精算師,本文即針對此問卷調查結果進行探討。

分析學在行銷及配銷的應用

分析學在行銷及配銷的應用,是相當多樣性的,5家公司中有4家集中在消費者,有2家則強調他們實施配銷的接觸面,可分為下列3項:

.傾向模式(Propensity Model)
許多公司已經建立起模式,去預測及企圖影響消費者或顧客行為,包括了應用、購買、客戶反應、留住顧客、客訴及轉變(定期險轉換到終身險)等傾向。

.消費者和消費者分析
用以描述消費者的特質有數千種,公司也一直努力發掘更多新方法,來利用新型態的大數據,例如消費者輪廓化,建立區隔模式、預測失效期、死亡率模式及消費者價值等。

.配銷和銷售分析
數據資料可應用於許多新方法,來改善配銷成效,也包括了財務顧問的自身瞭解,財務顧問本身也是消費者,現在的消費者或顧客訊息當然也適用於財務顧問本身。

配銷分析學可分為2類,為了配銷及關於配銷,前者包括了「客戶開發(lead generation)」及「交互行銷(cross-sell)」模式,後者則是財務顧問區隔、招募、生產率及客戶維繫模式(retention model)等。所以,是哪些資源來協助支援?行銷及配銷組織運用不同方式的分析學,多數是來自公司本身的分析團隊(見圖一)。

精算師在分析中的角色

精算師在支援分析上的參與,至少在行銷配銷方面,大致來說是很有限的(見圖二)。10家公司中有6家,精算師很少或完全沒有涉入,公司或許會使用來自精算團隊的資料,請其協助將分析模式應用在真實世界,用精算內容來檢視及整合結果。

精算師協助產品設計、配銷的分析結果和實際應用等三者間達到平衡,精算師可以分辨出創新方案中涉入的不同的個體。有些受訪者表示,公司正整合精算師進入其分析團隊,數據科學家和精算師分工合作,數據科學家建立預測模式,而精算師則應用其模式設定死亡率。

是否有精算師可協助行銷及配銷分析的地方?精算師的技能及經驗可導致分析努力的成功是什麼?

成長的空間

受訪者建議,精算師可擴充其價值到分析層面:

.統計/技巧/模式化
精算師使用較傳統及已建立的方法來工作,關於資料的模式化則沒有被特別訓練。接觸更多現代化的方法,可使其價值擴充到新領域。

.業務流程
精算師更加理解產業及其經濟性,若經由分析學的強化,可以從行銷及銷售流程中獲益,有助於公司整體業績提升。

.彈性化
不論是精算師與否,一致同意精算師可以從創造性思維及創新中得到好處,更能發揮及擴充精算的功能及價值。

差異和優勢

精算師及非精算師都同意,精算師一般較數據科學家有著較多產業專業知識,數據科學家則有較強的統計分析能力。精算師更擅長集中在風險,也更加瞭解業務結果,對產品有深入瞭解,更熟悉保險公司的運作。精算師通常用較傳統的方法來看待趨勢,而數據科學家則運用創新接觸,集中於個別案例。

精算師有專業知識,數據科學家有著分析技巧,然而願景不一定導致健全的決策。因此,精算師和數據科學家共同努力是很重要的。此外,精算師也應該要溫習及加強分析技能,同時也成為數據科學家。

整體而言,理解及平衡各自的角色優勢,找到可以識別各自工作的方法,分工合作,是建立更有效團隊公司資料策略及前進的關鍵。