引言
保險公司業務快速增長,保單數量呈幾何級遞增。傳統的精算系統已難以支撐如此巨量數據的運行,嚴重影響財務評估結果的準確性和時效性;基于保險行業的革新趨勢及精算系統的發展要求,中軟國際憑借自身在大數據和保險精算領域豐富的實施經驗和研發能力,借鑒已有大型保險公司的IFRS17壽險精算大數據系統的實施經驗,有針對性的推出了壽險精算大數據平臺系統方案,是壽險精算系統的國產化替代解決方案。
壽險精算大數據平臺系統采用主流的大數據技術,對精算部的核算工作起到重要的支持和推動作用,為保險公司經營發展提供更加精準、高效的數據評估支持,全面提升系統運行速度、運行效率與系統的數據準確性。中軟國際將在打造行業領先的精算核算、經驗分析平臺道路上不斷開拓創新,為保險行業客戶數字化發展提供更加安全、穩定、高效的整體解決方案。
解決方案
壽險精算大數據系統為壽險精算部的準備金核算及數據經驗分析提供了一整套解決方案,實現從數據的采集、準備金計算到最后模型點數據的輸出,在保證數據質量的前提下,大大提升了精算運行效率,滿足業務要求。在經驗分析模塊中,通過對各維度數據的深度分析處理,加強營運經驗分析,拓展了保險公司特性產品的深度開發。
數據采集: 每天批處理定時采集數據,在精算大數據平臺生成采集模塊中的保單、賬戶、收入、支出和其他信息等數據,以供準備金結算及經驗分析模塊使用;
準備金計算: 采集數據計算處理完成后,會進入到準備金計算節點中;在進行壽險準備金計算時,需要按照不同的險類(如傳統、分紅、萬能、投連等)進行分別計算及分表存儲;同時,在數據計算時,會根據設定的數據修正規則進行數據自動修正處理,以保證后續數據的完整性與準確性。
模型點計算: 準備金計算數據處理完成后,會進入到模型點計算節點中;在模型計算時,根據計算節點的數據進行數據處理,生成模型所需要的寬表數據,再根據寬表數據,生成逐單及分組模型點數據,以供數據分析處理。
系統功能模塊
基于中軟國際在保險行業的壽險精算大數據的實施方案,我們將壽險精算大數據系統的技術及功能進行梳理拆分,并設計生成對應的實施方案。
數據存儲架構
數據存儲按照從貼源層、基礎數據層及分析數據層的存儲結構,對導入大數據基礎平臺的數據,分別進行數據存儲、數據校驗、數據標準化處理及數據匯總處理,實現數據的通用性及可重復性的數據轉換。
方案優勢
客戶案例
某大型保險公司壽險精算大數據系統項目
隨著數字化進程及未來精算系統的發展要求,某大型保險公司為提升經營發展效率,需要構建精準、高效的精算大數據平臺,以支撐高速遞增的業務體量及數據評估的安全穩定運行。
中軟國際為該項目提供了基于壽險精算大數據平臺國產化替代的整體解決方案,完成了準備金核算、經驗分析兩大功能模塊的構建;同時,系統基于IFRS17國際會計報告準則要求,進行了IFRS17精算準備金模塊構建與接口對接。該系統采用主流的spark生態大數據計算引擎,極大提升了數據處理的時效性和準確性。
兩大功能模塊
準備金核算:主要包含精算數據采集、數據計算、DCS計算及收支核對等功能。
經驗分析:主要包含短險計算、大病計算、重疾計算、預警線、退保率、傭金等功能。
在數據采集功能中,主要采用Spark-SQL技術,將數據歸集到數據采集表中;采集完成后,將進行數據計算及校驗,由于該模塊涉及到大量數據的運算,因此該模塊主要使用Spark-Core技術;在計算時,會將正確計算數據放入到HIVE中,錯誤待修正的數據將放入到Hbase中,待后期進行數據的修正及重新計算;數據計算完成后,根據計算結果進行DCS數據計算,然后生成對應的模型點文件。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
關鍵詞：
營業執照公示信息