企业微信「数字新基建」，助力保险行业业务重构
周俊 企业微信非银金融行业总监
周俊：各位大咖和领导，大家早上好！我是腾讯企业微信的周俊，这是我们第三次来赞助中科软的会议，每年都在持续为保险企业提供和升级保险的解决方案。今天有幸在这儿和大家做个分享。
先引用麦肯锡在今年3、4月份出了一个报告，他提到疫情之后对于保险行业来说有三大变化。我认为这三大变化中有两大变化和今天我要讲的话题息息相关。它的三大变化：一是企业线上化越来越明显，二是数字化运营越来越重要，三是产品形态需要创新。今天说的这两个话题和企业微信有很大关系。
1、客户线上化。现在做展业或者是做服务，未必一定要通过线下的方式，或者更多时候通过线上化工具就能够达成双方之间的沟通和服务，这个趋势越来越明显。
2、数字化运营方面，不管是对外营销服务，还是对内企业管理，我们也越来越需要依赖于数字化手段和工具。比如在疫情阶段大量企业的工作场景都搬到线上，我们的开会、内部沟通、越来越多应用都变成线上化、移动化手段。疫情阶段发展一定会使我们的客户对于这种行为，对于这种工具的改变越来越强烈。
企业微信就是定位于做这个事。企业微信的定位是“企业的专属连接器”，这也是腾讯擅长做的事连接。我们做什么连接？企业微信对内是个组织内部的连接，一是解决了组织内部的协作沟通；二是解决了产业链的连接，把上下游企业之间的协同沟通产生了连接价值；三是连接了微信，企业微信的连接可以解决对客户之间的不管是营销还是服务的问题。
最早的时候各位企业的办公都还是以PC端、邮件发展过来，但是我们看到邮件沟通上面相对效率比较低，随着移动互联网的时代，随着微信的到来，大家越来越多依赖于移动的交流，包括会使用到即时通信工具。大家越来越依赖用更高效、快速沟通方式的时候，其实我们会发现大家会依赖个人的即时通讯工具，或者是很多保司在使用个人微信做工作交流、建群、会议，我们会发现微信当然很好用，12亿人每天都在用，所以在内部有大量的我们没有能够满足到企业管理的需求，比如我们在内部拉一个群，人与人之间的沟通相对用个人微信比较低效，因为根本不知道我在和谁说话，其中产生的数据文档很难沉淀，很难做归档，还有安全的问题，因为在微信群当中可能忽略了有人离职了，没有及时做组织架构更新，群人数没有做更新，群当中信息的转发没有办法控制，如果这些都能够控制起来，就可以更好的解决基于企业的即时沟通工具。
企业微信保留了12亿人的使用习惯，就是整个产品体验是由微信团队分支出来的企业微信来做的和微信体验一致的产品，大大降低了对于保险公司来说那么多人内勤和外勤人员对于产品培训的成本，这样内外勤员工上线一个新工具可以非常快速，这解决的是企业内部的沟通问题。
随着企业内部大量办公场景线上化，我们会看到企业当中有大量移动办公场景的存在，这当中企业微信又提供了大量的原生免费的协同办公工具，我们会看到包括今年疫情阶段，今年年初快速上线了300人的音视频会议，上线了不限上限人数的直播功能，还上线了文档云盘等协同办公工具，不管是总部还是分支结构，甚至是外勤的小团队都能够轻松快捷的用数字化手段实现办公的需求。
同时，企业微信更深入的做到各种各样API接口，帮助我们和各种各样业务系统的连接。现阶段每年在运维大量APP、客户端，但其实你对此要每年付出大量运维成本还要买一些底层能力在这方面企业微信具备了底层能力，我们只要在企业微信之上通过我们的API接口嫁接我们的应用就可以，可以把更多成本和精力投入在应用上，所以企业微信提供了390多个API接口，并且还在不断增加，同时提供13类服务商应用市场，现在还在做行业的应用市场，这样我们一家保司上线企业微信就可以开箱即用的使用到第三方非常好的应用。
分享几个案例：
1、阳光保险集团。非常早的使用企业微信做集团内办公。今年我们和阳光在交流的时候，阳光说今年上半年疫情阶段，他们光用企业微信开会就有11万次，有600万分钟，这还不包括直播，因为他可能还用直播做更大范围的会议，这样在内部办公的门户完全统一，内部从沟通到业务、信息流转的协同完全是基于一个企业微信平台来实现的。
2、太平洋产险。他们在内部做的应用总结有几个经验值得分享。一是他们在内部发现信息应用越来越多之后需要做信息汇总，因为应用越多大家所接收的信息渠道越多。他们总结对每一个以省为单位的分支机构只允许做两个应用，这样三十多个分支机构共做七十多个应用，总部每个部门只能做两个应用，这样信息更加聚焦，领导也会对于每个部门和每个分支机构，对于信息发布的质量进行报表的察看和管理，这样可以看到每个通道发出去的信息阅读量是多少，阅读比例是多少，这样来对总部的信息，或者是发布的部门，相应的对它的内容进行质量的管控。
3、中国人寿财险。上线时间周期是这两个案例中时间最短的，在2019年初正式在全员做更深入推广，一年多时间就成为保险行业应用数量最多的一家企业，现在企业微信上的应用将近300个。应用是什么概念，就相当于在个人微信关注的服务号，一家公司内部相当于对公司员工建立的服务号，这个服务号可以嵌入各种各样系统，也有消息通道，他们做了将近300个。最早时他们做了一个很简单有效的应用，大家登陆PC端系统时要获取动态密码，入口在企业微信上，通过这个养成大家对使用企业微信的习惯。
这是办公场景的应用，同时关注到寿险的个险场景。上周做了一些个险场景交流会，现在大家个险企业对代理人提供各种各样工具，在这些工具当中企业微信都有能力提供一些支持。
首先，在代理人内部管理和办公场景中，比如开晨夕会，做考勤管理、在线培训等等。同时企业微信提供390多个API接口，可以帮助代理人做各种各样出单，各种活动量管理的工具。我给你的不仅仅是一个客户端，同时还输出一些原来获取不到的数据，比如员工活动量的数据，比如线上化对客户展业的数据等等。我们已经有这样的成熟案例，完全基于企业微信把个险场景数字化形成闭环。
我们在做大量传统保司调研时发现，保险公司对于传统代理人线下管理是很重要渠道，我们从去年开始一直升级软硬件考勤的能力，像这些考勤机都是有时间的，第一个靠近机能支持5万张人脸，第二个刷脸AI速度极快，第三个AI级别率极高，避免道德风险代打卡情况，识别率达到99.99%，第四个有多场景考勤工具，比如蓝牙模块来满足一些考勤需要。
哪些企业在个险场景上做了实践？
1、百年人寿。我们在2019年初和百年人寿做了实践，百年人寿把自己内部的个险、人保等等各种APP逐步的通过企业微信来搭建，当然我们也和中科软做了深度合作，到今年整个APP完全转到企业微信上，同时在里面做了各种各样的活动量管理、代理人销管的应用。
2、华夏人寿。华夏有60万代理人的通讯录，他们最早在2016年的时候就在抉择到底做代理人APP，还是选择微信生态，最终选择微信生态，所以现在整个代理人工具都是在企业微信上完成的，代理人的活动量管理、出单、运营内容都是通过企业微信。
3、友邦人寿。友邦有很多APP，面向几万代理人时信息的传播是通过企业微信的。
它连接的可能是你的网销、座席、代理人，甚至可能是内勤人员也需要做外部联动的事情，企业微信是一个员工的账号，但是它和个人微信最大不同就是后台有管理，有组织管理，有授权，有各种API接口授权和管理等等。所以在企业微信当中我们是帮助保司的业务人员和客户三方进行了连接。
我们来看一些案例，首先在展业场景，在线上化保险行业走在最前头的是网销。平安很早就在实践基于微信生态的网销场景，他们也在推动一些能力的提升，包括合规，基于网销业务场景能力的满足度，现在平安已经有3.5万座席都是在网销上转，所以现在是网电融合，通过电话连接客户，再把客户转到微信线上，用微信和企业微信与客户实现沟通，实现协同。其实网电销的场景是个险场景先驱的实践，我们首先看到的是网销和网电销，已经有大量企业在选择微信，这里面分两种，一种是电销转型做网电销，第二种是传统的保险公司在做网销，第三种是互联网保险公司在做网销，这些企业先期实现了企业微信的能力，在线上化展业渠道进行试点。
个险场景也通过企业微信看到了实现的价值。一家保险公司用企业微信在整个线上化的展业闭环效果。首先我们会看到代理人现在是纯线上化的一种运营管理模式，在线上开晨夕会，在线上参加培训，在线上看公司提供的各种各样运营素材，并且把这些运营素材发给他的客户，他是用企业微信加的对方微信，在企业微信当中运营代理人客户，在整个线上化过程中所发的运营帖客户有没有打开看，客户有哪些交互都会第一时间反馈给代理人，提供代理人更好的为他的客户提供服务的能力。如果客户在线上投保最终还能实时查询到佣金的预结算，同时在内部不管是给客户发邀请，给客户发增员帖都可以发数据化统计，这解决了在管理端的重大问题，原来对代理人管理很难实现数字化，因为没有数据，数据很多都是报上来的主观数据，这些数据是不可审核，不可量化的，而通过企业微信的方式你和客户之间的交互，以及你在当中所产生的应用的交互都有实时客观的数据，来为管理端提供更有效的支撑。
大家人寿新成立了个险，所以之前没有信息化包袱，直接用企业微信实现整个个险场景的闭环。在当中他们看到用企业微信做内部管理，开晨夕会、培训、内部运营积分、运营内容，发给客户之后所有动作都会任务驱动。任务驱动非常厉害，他加的每一个客户都会通过他有一个任务，告诉这个客户每一步应该做什么，通过三步走，通过任务驱动直接和客户沟通相关，因为都加在企业微信上，最终告诉你应该发建议书，应该做身份认证，会大大提升代理人对客户经营的效能。他们还做了线上化远程视频建议书，以及内部运营帖，实现了数字化的闭环。
微信最大的能力要放在整个微信生态来看。因为现在保险公司已经用你的服务号小程序触达了客户，但是最终这些数据在汇总到CRM系统，反哺给业务人员，让他更好的对客户画像和服务更精准，这就是把微信生态整合的来看为保司和业务提供服务。
安全方面，简单一句话来说，企业微信拿到了所有官方专业的第三方审计的安全认证。其实金融行业不仅仅是保险，银行、证券、券商都认可了企业微信，并且在使用着企业微信。
由于时间关系，如果各位接下来还有更多想交流的可以加我的企业微信，谢谢各位！
人工智能+大数据 推进保险业数字化、智能化的核动力
李明 合合信息副总裁
李明：大家早上好！各位新朋友老朋友，非常荣幸每年都能够受中科软的邀请，在每年的7、8月份来到风景秀丽的地方和大家一起交流每天在做的一些事情。
刚才两位嘉宾演讲得非常精彩，也是我们中国非常优秀的企业。华为利用它纯国产的环境，给我们带来源源不断的算力，让我们的人工智能不断的迭代和更新。腾讯给我们无偿地提供了这么优秀的个人生活场景和工作交流场所。
合合信息也是一家提供人工智能技术解决方案的企业，我相信在座有很多老朋友都知道合合信息最核心的能力就是OCR、图像识别和企业大数据。今年带来了一些比较不一样的东西。
合合信息所承载的业务范围非常丰富，有C端业务场景，也有B端业务场景，像名片全能王、扫描全能王、启信宝、找到都是我们在C端场景的几个核心应用，它的底层应用技术就是OCR、人工智能、神经网络、自然语义处理、知识图谱等等，我们做了很多新场景的尝试和落地。
在整个B端的商用矩阵我们也做了很多行业解决方案，我们把非结构化数据转结构化，随后进行数据流程处理、核保处理，我们有很多基于金融场景的解决方案，赋能的保险公司也特别多。
下面我为大家详细介绍一下AI的数字化。
2020年一定是载入史册的一年，整个上半年相信各位都经历了一场非常严峻的全球化的社会问题，就是疫情。我们发现数字化对未来人们的工作、学习、社交等都起到非常重要的作用，我们仔细想想数字化主要是基于文本识别，语音识别、计算机视觉、个人场景的识别，把一些原来没有结构化的数据转为结构化数据之后，可以做很多基于数字化的线上流程优化。
合合信息文本AI处理平台可以推出一站式全文本和图像的解决方案。通过合合信息AI文本处理平台可以一站式解决所有大家想象得到和想象不到的文本处理相关的任何问题。
我们做了很多有意思的事，今天主要通过六个方面和大家阐述，原先我们只做识别，但是发现还不能完全解决客户的问题，可能会由于各种取照样本质量参差不齐，导致某些样本质量并不一定完全满足识别引擎的要求，所以我们在前端做了图象处理，做了图像质量检测，用OCR识别引擎做分类，不用人工分类，然后再做智能识别，识别完成之后发现有各类表单，需要有各种配置工具。
我们的识别率虽然已经能够做到99.9%，但是当样本绝对值放大之后，不能识别的0.1%样本绝对数量也很大，这在各类寿险的各种理证，或者是投保证件的场景中是非常常见的，我们合合信息的机器学习训练平台，傻瓜式地解决一切样本可能存在的识别率不一定很高的问题。
我们也知道各大保险公司已经采购大量OCR证照，需要有一个统一的管理平台把整个OCR的能力统一管理起来，这些就是我们目前合合信息推出的一站式基于AI文本处理核心功能的平台。
左边列出了一些应用场景，包括证照机器人、分类机器人、票据识别、配置、合同比对、财报等等，基于这些场景化机器人，我们能够提供准确性、稳定性、适用性非常强的各种OCR模块，满足客户多样化的业务场景。
各类样本图像质量不一定非常好，我看到很多保险公司的样本肉眼都不一定看得非常清楚，这时候会存在识别率下降问题，我们在前端利用图像检测技术，判断样本是否足够优秀，如果不行可以让业务员或者是代理人重新拍摄。另外一点，拍摄完的样本可以通过图象处理的前端模块把图像质量做标准化提升，这样OCR识别引擎识别率会大大提高。
除此之外，保险场景可以吸收大量样本，包括进件和理赔，原先的做法需要代理人或者是操作人自己训练：这次拍摄的是什么证件？拍摄的是什么单证？但是目前利用OCR技术可以做各类文档、进件的自动分类，通过分类引擎能够快速地识别出拍摄的是什么样本，这些样本具体的字段是什么样的。
合合信息的基于AI的OCR技术，目前已经能够做到什么样的程度呢？在这个地球上有两个唯一的编号，一个是人的编号，就是一个自然人，另外一个编号是一个组织。我罗列了一下，目前合合信息能够覆盖的单证和样本，基本是一个人从出生到死亡，包括一个组织、企业从成立到注销，全流程中用到的各类客观和主观单证都能够识别。
一个自然人的出生证、学生证、毕业证，以及拿到的一切证书，填的一切单证都可以通过合合信息一站式文档处理系统做结构化处理。组织的证件也一样，甚至于企业的很多证件都可以通过启信宝数据接口进行数据更新和核验。
我们还有相关的智能影像识别平台，这当中包括很常用的票据。票据分为几类，一类是日常财务用的增值税票据，一类是员工报销用的报销类票据，一类是寿险领域的医疗理赔票据。目前合合信息已经能够针对这几类票据做全站式识别。
配置工具，可以很快速的把一个样本通过配置工具实现结构化处理。右边的是一个医疗相关的单证。
当整个智能分类加上结构化识别及提取，整个流程串起来之后，我们发现在纯线上的智能开户，或者是智能投保阶段就能够完全傻瓜式的操作，只要用户拍摄一个投保需要的证件，就能够自动判断需要拍摄的是什么证件，这些证件相关的结构化信息是什么，按部就班的录入到相关的业务系统，这样纯线上的投保和出电子保单的工作完全可以纯线上的实现。
我们还给保险公司的寿险做在线理赔的智能分类，在线理赔涉及到很多单证，像保单批单、保险确认书，这些样本目前都可以通过OCR智能分类引擎做自动分类，自动分类完了之后进行全字段识别，然后在业务系统挑选需要的字段进行录入，实现全流程自动化。。
电子医疗票据的识别方面，这块已经能够支持全球统一的新版电子医疗票据的识别，这当中包括很多门诊发票、住院发票、费用清单、出院小结等等。把这些内容结构化之后，可以根据不同保险公司保险条款进行相关的，合规的在线核保，然后进行全流程自动化的，或者很少需要人工干预的核保的全流程服务。
在线理赔图像处理+智能分类+OCR识别应用方面。刚才说到这么多演变功能，前端图像质量检测，种类的自动分类，识别、结构化输出，我们可以在整个环节中充分利用OCR技术进行AI赋能。
这次推出了基于合合AI的机器学习训练平台，基于深度学习可以快速适应引擎的开发。原来需要大量样本，需要对真值做标注，需要大量算力做训练，再分装成相关的识别模型。在整个过程中，如果在我们的自有环境，保险公司是没有安全感的，因为这些真值数据不允许离开保险公司环境。所以我们推出了能够私有化部署，在客户自有环境中进行，无须集中标注，无须算法驻场和无须离线更新这样全流程的训练学习平台。例如这个训练学习平台可以做到无感知训练，让识别引擎识别率越来越高，越来越好用。
合合信息基于图像处理和文字识别的AI2.0整个闭环中，我们考虑了很多，包括数据私密性，驻场人员公式标注的海量工作量。这些痛点都可以通过合合信息AI2.0整个业务闭环和能力来优化，做到可以在客户自有现场做无感知训练。详细资料如果大家感兴趣，我们有线上和线下交流给大家一一做沟通和咨询。
每家保险公司都采购了大量的基于OCR的业务，我们的OCR业务能力可以通过整套AI管理平台做管理，这当中就包括各类单证的使用频次、计价、表现等等，可以通过大门户统一管理，这个门户也可以私有化进行部署。
说完OCR必须要说到DATA，大数据对各类作业环境、工作场景都起到了非常巨大的赋能。对我们来讲，合合信息的启信宝场景已经做了很多年，我们已经能够非常专业地把政府公开公示的数据和企业各类数据做聚合，目前数据量已经能够覆盖国内全量2.3亿家企业主体，1000多个维度，总数据量已经超过700多亿条。基于这些数据，我们很清楚的知道在中国境内的任何一家企业，有什么样的一些企业行为标签。这些行为标签在给各个行业，特别是保险公司做精准客户的触达以及精准客户筛选的过程中，其实都可以用到我们全景全量的企业画像。
对合合信息来讲，目前除了能够在线查询2.3亿家主体之外，还能遍布全球中国以外的2.2亿个主体，这些主体基本信息都可以通过线上方式自动搜索和查询，在关联关系搜索部分，我们覆盖了全球94%的企业及法人。除了股权之外，也可以可视化展示基于股权、疑似、涉诉等等各个维度的关系，甚至可以随时通过知识图谱技术找到两家企业直接和间接的关联路径，这些都是我们在整个企业数据方面的能力。除了展示之外，可以延伸到对一家企业做风险监控，对它的整个营销拓客进行全标签分析，合合信息在企业大数据领域，目前都有非常成熟的解决方案赋能各种保险公司。
在发现客户、尽职调查、授信评级、业务监控、风险管理等部分，都可以利用启信宝公开公示，优质全量的外部数据，再结合内部数据做数据融合，这样就可以在客户自有的业务系统中实时展示各种客户的关联关系、集团属性、业务属性等等。
这段时间我们发现各大保险公司都有一个诉求，如果一个企业投保必须实时关注这个企业的实际受益人，这个过程中用到AI技术加上底层核心技术，利用智能的方式可以实时查询任何一家企业当下最新的实际受益人是谁，这也分装成标准接口和产品，能够赋能给各个保险公司。
除此之外，我们还对一家企业进行综合评分，因为我们有多维度数据，对一家企业的风险属性，自有风险传导，或者企业实力传导，都可以利用启信信综合分和企业复杂的股权分析进行判断，由此我们做了风险以及实力传导模型，我们很清楚这个企业一旦出现任何经营行为的负面信息，它的风险大概能够传导到哪些和它相关的企业，这个当中对保险风险承保和信用履约上非常受用。
基于各个维度数据可以诞生很多企业的深度报告，这当中可以通过报告的方式展示任何一家企业多维度的，你们想了解的任何基本信息，以报告的方式做呈现。
说到尽职调查，在很多内审和外审合规条件上，都需要对一个主体做信用评级，可以利用我们的数据接口，进行快速的主体尽职调查报告生成，或者是相关信息的实时获取，这些都是启信宝目前能够标准化输出的核心数据能力。
目前，头部的几家保险公司，都在利用我们的大数据进行内外数据整合，进行大数据共同的建模，进行漏斗式营销挖掘，这个场景在很多保险公司数据领域的创新都在落地。怎么做这个事，拿其中一个险种举例，无论是寿险还是财险都有主要投保主体的经营画像。比如寿险，我要去打一个大型公司员工的福利险，这时候需要了解中国有多少家企业员工数在1000人以上，员工属性应该是科技属性的员工，我们通过这种企业画像和标签，能够快速的找到所有符合这个画像的企业，方便你们的保险代理人、经纪人营销拓客，这就是通过企业多维度画像，进行标签组合后全量筛选，从而完成精准获客的典型场景。
合合信息基于OCR和DATA，已经赋能大量全球商业合作伙伴，其中有大量保险公司，我相信线下很多保险公司也是合合信息目前的客户。这就是我今天上午分享的主题，这里有我的微信公众号，大家感兴趣可以扫一下，我们可以在线下进行沟通。
谢谢大家！
联邦学习助力保险数据应用创新
郑磊 腾讯云-保险行业中心
保险高级解决方案架构师
郑磊：各位保险行业的领导上午好，很高兴今天有这样一个机会代表腾讯云，给大家介绍腾讯目前在联邦机器学习方面的进展。
越来越多的保险公司在进行科技创新的时候都会用机器学习的方式构建智能化的应用。传统的编程方式更多是通过编码方式实现业务逻辑，然后对数据进行计算处理。机器学习的方式更多是利用保险公司的历史积累业务数据，通过模型的训练和学习优化出来一个蕴含逻辑规则的机器学习模型。在训练好机器学习模型后，可以对新的业务数据进行准确的预测。机器学习是一种全新的模式，来挖掘保险公司业务数据的价值。
随着机器学习研究的发展，研究人员逐渐意识到数据对于提高机器学习模型效果的重要性。在计算机图像识别领域，ImageNet包含了将近1500万张已经做过标注的图片数据库，ImageNet诞生之初大量标注好的数据改进了图像识别算法模型，极大地提高了图像识别准确率。
在自动驾驶领域，特斯拉自动驾驶一直处于世界的领先地位。先进的技术离不开海量的驾驶数据支撑，特斯拉在客户的授权许可情况下，通过车辆上的传感器搜集车辆在行驶过程中的驾驶数据。特斯拉利用这些驾驶数据，不断优化自动驾驶的算法。
数据是机器学习的基石，数据的质和量决定数据应用的成功关键。
保险公司在长期的业务运营中也积累了很多业务数据，这里包括客户的基本数据、保险投保过程中的保单数据、理赔环节的理赔数据。由于保险自身的业务特点，保险公司搜集到的数据在特征维度上相对有限，所以保险公司在构建数据应用的时候往往还需要结合第三方的数据。但是现实的情况，由于用户隐私、数据合作信任问题，法律法规等限制，保险公司在与第三方数据供应商合作的时候，合作推进的效果并不是特别理想。
一种折中的方式是保险公司和数据供应方用各自的数据进行独立的模型训练。第三方数据供应商通过模型分数输出的方式，和保险公司的模型进行简单的结合。这种方式一定程度上规避了数据合作的相关问题，但是本质上不是联合的建模，所以整个模型系统的效果往往都是打折扣的。
那么是否存在一种方式，在不共享数据的情况下可以进行联合的机器学习建模？谷歌在2016年提出了一个联邦学习的概念。谷歌手机端的输入法的单词推荐的场景，通过将基础模型推送到客户手机终端，利用存储在手机终端的客户历史输入数据，在终端上进行本地化的机器学习。训练好的机器学习模型最终返回到谷歌服务器进行合并，客户并没有将自己数据对外输出的情况下面就完成了整体的单词推荐模型的训练。这种在参与各方不披露底层数据前提下，进行机器学习联合建模的方法，我们称之为“联邦机器学习”。
联邦机器学习目前主要分为两大类，一是横向的，二是纵向的。横向联邦学习，用户样本重合度比较低，特征的重合度比较高。例如，A地区寿险客户和B地区寿险客户，重合度是非常低的，但是因为都是保险客户，所以客户特征维度是非常类似的。横向的联邦学习本质更多是样本数据的联合。前面提到的谷歌做的单词推荐模型训练就属于横向联邦学习；纵向联邦学习，用户样本重合度非常高，但是用户特征重合度非常低。例如，保险公司和腾讯公司，腾讯作为国内最大一家互联网公司，基本涵盖了整个中国的用户，保险公司客户和腾讯用户在重合度上是非常高的，但是腾讯搜集到的用户特征数据，更多是趋向于社交领域，而保险公司更多趋向于金融领域。所以，横向联邦学习更多是合作各方对于特征的互补。
针对金融行业对于联邦机器学习的需求，腾讯云在上半年推出了神盾联邦计算平台。神盾联邦计算平台属于多方的分布式计算平台。平台通过对于机器学习常用的算法在数据隐私上做了非常深度的改进，从而可以保证在机器学习的过程中样本的数据在不出本地的情况下，仅仅是传递机器学习训练过程中的中间的参数，完成整个模型的训练。
神盾联邦机器学习平台使得不同企业之间进行数据的合作成为可能，从而可以更好挖掘每一家的自身的业务数据价值。
神盾联邦机器学习更多的还是针对纵向联邦机器学习场景。在这种场景下，金融企业和社交企业用户的重叠度还是比较高的，样本的特征维度可以做非常好的互补。通过增加用户样本的特征维度，可以更好的改进机器模型的训练效果，对于保险领域，可以在保险风控，广告营销和产品推荐都有很大的探索空间。
借助神盾联邦机器学习平台，腾讯也可以作为一个数据的提供方，和保险企业展开合作。保险公司将自己的业务数据与腾讯相关数据做结合，从而可以更好的找到和保险业务领域结合的数据应用的方向。
神盾联邦计算平台工作原理，分为训练和应用两个阶段。在模型训练阶段，首先进行用户样本交集的筛选，做完这一步之后针对具体的数据应用场景，双方再去准备具体的特征数据。在数据准备玩后进入机器学习训练阶段，在这个过程中神盾联邦控制器负责整个平台的基本管控，如数据方的注册、计算任务的启动和监控。在训练的过程中，参与各方只是传递机器学习训练过程中中间参数，各自样本数据都保持在自己私有化的环境当中。当机器学习模型训练完成之后，参与各方都拥有了一个模型的子引擎，当有新业务模型数据进来后，神盾联邦计算平台会协调各个参与方获取对应的业务特征数据，把这些特征数据作为各个模型子引擎的输入，进行计算后最终将模型结果输出给上层的数据应用。
神盾联邦机器学习的部署方式主要分为两种。一是公有云方式，二是纯私有化。公有云的部署方式，神盾联邦计算平台的控制节点部署在腾讯公有云之上，参与各方私有化的环境中只会部署一些机器学习相关的服务组件，另外需要开通参与各方之间，以及与联邦控制机器平台网络端口。如果是在安全性要求非常高的情况下，也可以完全做到将联邦控制器这部分相应服务组件部署到客户私有化环境中，采用这种方式，只要开通合作方网络通信的端口即可。
神盾联邦计算平台目前已经通过了中国信通院多方安全产品认证。产品在安全性、稳定性、计算能力等方面符合认证的各种指标。神盾联邦机器学习平台已经具备了服务金融级客户应用的要求。
神盾联邦机器学习平台在信贷风控、广告营销领域都已经有了落地的实践。首先看一下在信贷风控领域，这是一家头部银行，因为数据监管的限制，每次去拿样本数据的周期长。数据量也受限，通过利用神盾联邦机器学习平台，和第三方数据方进行联合建模。在这种情况下数据双方并不需要做数据分享，通过不断的迭代优化，联邦建模的效果已经达到传统建模的效果，整个模型具有非常好的性能和区分度。
在广告投放领域，这是一家排名比较靠前的互联网金融公司，它在广告媒体投放的时候通过和第三方的公司，利用联邦机器计算平台进行联合的广告投放模型训练，通过扩展用户的维度特征，提高了广告投放模型效果，更好的筛选优质和劣质潜在客户。
数据应用的创新离不开对保险业务深入的理解，我们希望与更多保险企业在这方面展开合作，不断的挖掘数据应用价值，从而开启数据合作的春天。
谢谢大家！
打造保险行业一站式全场景的AI核心能力平台
陶亮 竹间智能产品与解决方案部总经理
陶亮：各位领导，大家早上好！很高兴又一次来到寿险峰会。
竹间成立于2015年，从成长到壮大，今年因为疫情的关系有很多发布会改到线上，今年发布了最新一站式AI能力交互、认知和数据优化的产品。
竹间智能在五年当中有200多个标杆的大型客户，主要的金融像银行、保险、证券等主要金融客户有50多家，还有一部分业务是做IoT相关解决方案和整合，所以我们覆盖到8亿多手机智能客户，包括华为手机、OPPO手机、vivo手机底层交互用户，都是由竹间智能提供所有交互的能力。
二、我们的技术和产品
主要以三部分为主。基本上以这三部分交互和应用为主，一是短文本，以对话方式为主，比如再线上咨询，做对话类交互，这部分都是短文本应用。在短文本和场景应用当中有三个大的技术方向，一是基于对话和文本的生成，二是基于所有交互语言的智能，三是基于图像相关的解决方案和应用；二是长文本，对于所有的文章、评论、知识所有相关的应用，最终的方式会把我们所有的结构化、非结构化、半结构化数据，通过我们的引擎转化成可以结构化查询检索和利用的知识。最后对于集团、部门做更多决策辅助；三是全能力平台，基于机器学习平台，基于底层NLP平台之上做应用方式，比如对话，基于联络中心AI智能化应用，包括做工作流相关交互，应用的方式，以及最终实现文本数据处理的相关场景和解决方案。
三、我们需要什么样的AI能力平台
基于我们的技术和产品来看一下我们在保险行业需要AI能力平台，可以满足我们对于用户、技术、业务不同的变革和诉求。
大家都会买到保险，对于保险用户、保险公司来说，诉求有什么不一样。对于客户，需要一致性的服务体验，包括对于保险的条款、产品能不能有一个非常简单明了的说明。对于保险便捷性，理赔、核保能否快速的把保险相关购买的方式快速的进行下去。对于技术，现在都是新基建基于AI能力的平台，能不能快速的有一个集成式能力的展现，同时避免烟囱式建设。对于保险公司，大的金融机构，大家都在推不同AI能力落地场景和不同AI交互方式，是不是一定基于业务有需求之后建设一个平台，还是统筹规划一个平台之上，然后再根据业务不同需求，基于同样的平台提供不同的能力，这样两种方式是完全不同对于IT投入、后期运维，面对业务的敏捷性有很大差异。
拿疫情来说，竹间，包括在座各位的公司、领导、相关用户，都受到疫情影响，很多工作没有办法进行下去。竹间智能基于自身一整套平台能力，我们在疫情期间帮助众多客户完成了60多万次以上的外呼、回访，以及相关业务的应用。这样的方式可以在短时间之内，在疫情期间通过远程方式快速响应，基于一整套平台能力，根据客户不同需求所做出的满足不同客户响应的场景，避免烟囱式建设，也是信息化建设的重要考量。
我们的能力平台是否具有足够开放性，从前端客户请求，到中间能力的变换，到后端所有业务数据端的打通，通过AI的能力平台是否能够端到端贯穿起来。
我们的能力平台是否有足够的横向扩展能力，比如我们要做核保、核赔需要有相关产品和业务模块加尽力，我们能否快速对接起来，形成技术流和业务流的支撑。这是技术方面的变革。
对于业务来说，第一，所有的场景、新业务、新诉求能否快速上线，这要基于成熟平台、成熟能力，有一个搭建的快速响应业务的能力平台；第二，业务分布场景上能不能做很丰富的基于同一个平台的场景拓展，而不是基于一个业务做一个平台，基于另一个业务再做一个平台，那么平台和平台之间能否打通，数据能否胡同，所有画像、数据、知识、体系结构能够互相流转做共同应用；三是知识贯穿、业务能力贯穿，我们从客户的需求，从技术，以及对于业务上的需求来说，整个AI的能力平台可以满足这三部分不同的关于技术场景不同的诉求。
四、竹间智能的智能化一站式平台
这个火箭图是我们今年发布的最新产品比较形象化的说明。依托在底层的机器学习平台，依托在中间部分NLP算法能力，提供了所有的底层技术支撑。左边是可以根据客户不同业务做流程自动化，我们可以做知识推理引擎，可以基于保险条款、产品说明，以及健康检查，做识别之后做NLP识别、文本抽取，进行比对。然后会到机器人应用平台，构建我们自己的机器人体系，不光可以对外给到客户用，也可以给到内部，比如代理人、员工，或者是其他合作伙伴，通过一整套平台把知识放到里面之后做更多场景应用。可以基于呼叫中心、联络中心做AI全场景能力改造、优化、升级迭代，可以构造为企业服务闭环能力。
除了基础能力和引擎部分，可以在上面有更好的信息或者是文本、数据处理能力，可以做到文本聚类、数据聚类，可以构建保险行业知识图谱，应用到保险内部所有客户，所有业务和相关不同的诉求。再往上会针对不同业务场景有智能化应用，比如可以做导购，可以做针对性的营销服务，包括客户画像提取，包括通过AI方式把所有沉淀的客户做激活，续保客户提取意愿，这是对外部客户。对于内部客户，可以通过AI方式和能力平台提供代理人助手，以及代理人基于自己的产品，相关的同业产品比对，他不是很清楚的，我们可以通过知识图谱构建知识体系给到代理人做助手，做展业支持。对于营销端、客户服务端做营销支持、服务支持，等等这一部分相当于做机器人助手的能力。在外边可以支撑到保险行业全流程，包括保单服务、营销、画像、客群分析、客户分析、精准营销的应用。
五、基于客户需求的多样话灵活部署模式
对于有自己开发能力的客户，更多诉求是能不能由我们提供一整套的可以供他们自主开发，形成自己场景的平台。整个平台可以打包在一起，同样可以基于不同客户需求拆解，比如底层NLP平台，可以给所有的自有平台提供基础的能力，同样可以把底层的API进行开放，为客户自己基于我们开放的所有NLP底层API做定制化场景。比如在阳光保险，通过NLP能力的配合和集成应用，基于我们的底层能力平台已经推出了智能OCR场景和智能陪练场景，这样对于保险公司来说可以有更大活力，以及满足更多业务的诉求，因为这样可以基于底层能力平台跟业务端更好的契合和配合，这样打造自己真正的保险行业业务平台的底层能力，提供基础的这部分技术能力平台，您这边做业务契合和场景自己的迭代开发，这部分可以有比较灵活的模式部署应用。
我们可以把文本平台拆解出来，针对保险行业保单信息、合同条款、保险说明书，做大量数据分析和比对，包括合同比对、解读、相关审核，可以通过文本平台做所有的数据抽取、比对审核之后，最终形成保险自己客户自有的知识图谱，包括可以把这部分所有知识直接放到知识库，形成某一个业务部门，或者是某一个区块，或者是整个集团打造语义搜索知识引擎，也可以做更多NLP数据解析。
OCR的识别，可以用NLP做更多事情，比如数据比对、审核、纠错，所有能力都可以通过NLP做更高和更有效的提升。
六、面向业务和客户的智能交互中心平台
现在在很多保险公司都用到了不同的场景，比如有一部分用到智能客服，有一部分用到语音机器人、外呼机器人，或者是呼入的IVR机器人，也有可能有一部分用到我们的质检，还有一些用到我们的辅助等等。这些场景一个个切开看可能都是单独的一两个场景做，但是对于横向的能力来说，它完全是割裂开来的，没有统一同步的能力，比如在智能客服这一端有一条新知识，训练之后是否可以把这个知识用到语音机器人，同样的问题和同样的问法是否可以只训练一次，只发布一次给整个平台做使用。是否可以基于统一平台给客户画像系统做打通和贯穿，客户从不同维度进来的基于交互的业务的咨询，在其他渠道一样能不能识别，能不能知道他的喜好，知道他们的问法或者是相关能力。所有的这些场景、应用都要基于同样一套平台之上做整个业务的贯穿。
竹间在整个智能交互平台的底层，无论是从知识端、客户画像端、数据流通端，还是从客户行为端都是全向打通的。无论您在上面构建什么场景，它赋用的都是一套平台，训练的知识只要训练一次，做的客户画像可以全场景复用，做的所有数据流转都是在各个节点之间做不同的流转。
七、智能化应用—智能陪练平台
（APP展示）
这里展示了一个智能陪练场景，在这套平台之上，我们可以对新进的员工和老员工同样提供定制化课程智能练习。尤其是在疫情期间，对于陪练场景的需求是非常大的，比如新进员工怎样做培训，怎样掌握相关知识，怎样有更好的课程体系，用现代的方式很难达到现场培训应用，基于智能陪练提供了远程不间断，7×24小时，或者是基于每一个人不同标签做自动化业务和课程推荐能力，这是第一块。
第二，基于文本、图像都会有不同反馈，后面会有一个业界比较领先的引擎，它会根据练习人当时的表情、神态、亲和力，包括对这些知识是否熟练的因子判断相关分数。对于保险行业，无论是代理人还是营销，有需要练习和需要和客户接触的所有部门，都可以通过这样能力的平台，为大家提供接近于真实的场景模拟，。
目前我们在中宏观保险和大家保险这两家客户有落地。中宏保险做的是代理人陪练系统，大家保险做的是车险相关座席的智能陪练系统。在这两家公司，我们的课程、应用模式，和对于所有练习人的提升数据都有非常好的能力提升。
八、基于平台能力的联络中心一体化场景
基于所有联络中心的不同场景有不同的应用，不同应用之下怎么把传统割裂的方式进行打通。基于竹间智能一站式能力平台，可以把每个场景之间不同的点在业务端做更深入的支持和支撑。比如，根据客户录音、通话交互数据，我们可以得到客户画像。客户画像来源于不同方式，比如和买过保险的这些客户，或者是在保险公司大数据平台有交易的画像，但是我们的画像来源于对话当中实时产生的不同画像，比如买寿险、重疾险，这些在传统画像中是没有的，但是在对话中说出了这些话，或者是有这些意向，可以按照不同画像做获取。基于客户画像，可以根据画像做不同知识的推荐，其实就是做相关的精准营销，比如客户要买重疾险、意外险，那么在话术上的推荐和风格就会不一样，基于整体画像和知识平台的画像一体化能力。
下一端是到辅助。无论是对代理人的辅助，对座席的辅助，还是对营销端的辅助。我们会发现在和客户沟通交流的时候中间是否会有实时的问题产生，你能不能把这些问题做检测和处理，后边对应的是质检平台，我们会形成质检辅助一体化。
质检部分，无论是金融机构还是保险公司、呼叫中心、代理人，或者是有营销、网销、电销部门来说都是必不可少的。对于质检的能力，里面会有一些录音不合规的，或者是有一些漏项，可以通过人工方式进行补录音的操作。我们把质检和智能外呼打通之后，可以自动检测出有一部分是有缺失的，可以和智能外呼机器人做打通，可以及时呼到客户做补录音工作。一方面是规范工作流程，另一方面是满足监管的要求，打通之后可以做到智呼一体化。
对于所有的陪练，以及智能陪练的系统，什么样是可以练习的课件，或者什么是好的场景，这部分来自于智能质检检出的好的录音，把他作为智能陪练的来源。在推到智能陪练系统之前会有人工审核，以及做发布的动作之后才会去做。
基于整个平台能力的联络一体化当中，可以实现以往业务割裂、场景割裂而没有办法改变和解决的问题。通过一站式平台能力就可以把原来没有办法做的画像、知识辅助、外呼相关应用有机串接在一起，把所有业务通过人工智能方式自动的形成智能化的闭环流程。
九、智能一体化平台的价值
第一，整个平台可以整体的应对您的需求，也可以分拆开根据不同业务需求做定制。
第二，我们是一个完整的平台，整个场景、能力、技术和相关的应用是一体化整合在里面的。
第三，面对客户、平台、整体平台业务端做全向贯穿，从客户请求到后端数据、IT业务系统做贯穿和相关应用。
第四，我们会打造整个智能化中台能力，通过数据中台、业务中台的整合，打造保险行业一整套完整的中台能力，给客户端提供更好支撑，对内部有更好服务。
第五，平台建设很大的方向是避免单点建设，避免烟囱式建设，整体的平台横向的扩展，降低运维和业务成本。
第六，同一个平台，同样的相关能力，会保证用户在各个场景和各个平台体验的一致性。
十、众多金融行业客户案例
竹间已经有五年时间，拥有大量的客户，我们在保险行业也积累了众多的相关客户，包括它的场景、建设的不同能力方向、不同的诉求。
如果在座的各位领导，或者是保险公司的相关有AI能力中台建设需求，数字化转型需求，AI场景、业务、数据相关的建设需求，可以扫描我左边的二维码，我们很愿意和您分享我们在保险行业相关经验和相关产品案例。
以上是我今天的介绍内容，谢谢大家！
联络产生价值，数据驱动创新——保险行业应用实践分享
梁宾海 Avaya高级咨询顾问
梁宾海：非常荣幸，我是来自Avaya的梁宾海，非常荣幸能够代表Avaya和大家分享Avaya最近几年在联络中心和企业协作领域的一些实践。
这次疫情我本人感受最深的一点是，我们发现通信在整个业务活动当中起到了越来越重要的作用，而Avaya就是这样的一家公司，为企业内部实现办公的协同通信，同时对客提供联络中心平台。
一、关于Avaya
如果算起来，从贝尔实验室开始算起，Avaya已经有百年历史，进入中国也已经有二十多年时间。目前来看，我们拥有全球最大的UC和CC客户群。在座的各位保险同仁你们的联络中心平台，企业内部协同办公系统，甚至桌面上的电话都是由Avaya提供服务的。
今年我们做的最大的一个客户，就是即将在明年上半年开园的北京环球度假区，它是世界上最大的环球主题乐园，我们明年去乐园参观和游玩的时候，就可以体验到Avaya为大家带来的不同联络中心的通信体验和协作办公的终端体验。
说到体验，就在这个月我们刚刚发布了最新的Avaya平台战略，我们在企业通信这条路上只做两件事。第一件事，打造基于未来的客户体验，这个客户体验是基于我们在联络中心及服务这个角度去赋能的；第二件事，面向企业内部的员工，提供数字化的员工体验。这两者体验有一个共同的产品名称，我们管它叫“Avaya OneCloud”，正是这种非常明确的定位，Avaya受到了全球以及国内用户的认可，在过去一年中产生了6000以上的新客户，从全球范围之内有超过500万CC座席用的都是Avaya这套平台，其中一半是支持移动座席,在UC角度，在全球范围内有超过1亿用户。去年推出一个新的服务模式，也是一个商业模式，过去我们在和客户和保险同仁聊的时候，大家都在讲去买产品，从去年11月份开始，我们所有的CC的解决方案和UC的解决方案全面支持订阅模式，也就是可以花很少的钱把CC系统、UC系统创建起来，可以支持本地化的部署，也可以支持云端部署。
以上我把Avaya最近一两年的最新消息，包括Avaya所做的一些事情给大家做了一个分享。
二、保险科技
保险是社会发展的稳定器、经济增长的助推器，在疫情之下各行各业都受到影响。从保险行业属性的角度，它本身具有专业的管理风险的能力，以及提供的就是保障产品的特殊优势，在疫情之后有一些新的机会。
右边这张图，在2013年非典之后三年，健康保险的保额每年增速超过30%，这次疫情下，人们对健康关注度进一步提升，所以有可能迎来健康险新一轮爆发。
在这种背景下，疫情之后会发生哪些变革，麦肯锡报告指出了三方面变化。一是客户行为加速线上化，线上的沟通交流，线上的核保，甚至云理赔会越来越普遍；二是产品形态更具创新性，保险，尤其是寿险是低频的，严格意义上说是非刚需的产品形式，如何把它变成刚需，如何变成我们离不开的解决方案，更多的产品创新发生在实际的衣食住行上，比如将来物联网，会有一些保险的原生诉求产生出来，保险产品形态也随之发生改变；三是运营模式全面数字化，这一点大家都会有共识，原来的电话销售，我跟一些保险公司客户在聊，其实数量在下降，更多是网电销相结合，与此同时网销趋势越来越明显。
面对这三种变化，Avaya能给大家带来什么？从三方面来谈。第一，连接在线；第二，智能在线；第三，数据在线。
1、连接在线
连接在线，一是连接员工，二是连接客户。连接员工，疫情对各行各业都有影响，我们在处理数字化转型过程中，过去关注重点更多是关注科技、关注业务转型，这次疫情之后需要花一些精力在员工上面，或者放在员工通讯上面。在疫情发现之后，我们有一个客户已经准备好了，疫情发生之后职场不能去了，电销也不能集中，这时候业务怎么办，因为他之前部署了Avaya整套UC通信系统，他在内部朋友圈发了一个通知，所有系统都可以通过Avaya进行通信，可以进行语音、文本、视频会议，即使在家也可以完成内部协作沟通。因为保险行业是个强监管行业，对于合规我们更关注，因此对于在家办公的这部分员工，我们给他实现了桌面的录屏，通话的录音，在特定时间内做监管。安全问题，在内外网会有SBC网关，从语音和协议角度都是加密的，保证我们在家里办公和在内网办公是一样的，这是连接员工；连接客户，看到的是由我们的联络中心方案提供的能力，现在的联络中心大家都在强调智能化、全媒体，其实还不够，应该让客户无论在任何触点都可以用他最喜欢和便捷的方式和你联络，这一点非常重要，过去有语音渠道，而保险行业在嵌入到具体场景时客户发起呼叫是随机的，这种场景很多时候是通过APP中来，或者是通过其他渠道引流APP或者是原生APP。比如招商银行，过去查询余额通过微信查，但是现在发现微信查不了了，会把你查询余额诉求引导到APP终端上，APP可以做很多事情，比如普通业务查询、业务办理、理财办理。Avaya做的是什么事情，就是在客户需要真正联络到你的企业时，我们来提供这种服务能力。比如大家都有自己的APP和微信公众号，有文本回复、文本机器人等等，语音这个渠道通常是嵌入一个电话号码，弹出一个电话还要调P STN（音）服务，这个过程中它在APP上的业务联络就中断了。当座席接到这样一个电话时是不知道这个客户需要什么服务的。招商银行就发现了这样一个问题，我们就在他的APP终端当中，通过webRTC技术嵌入Avaya的通信能力。在这个平台上客户需要服务，在找不到合适答案的时候发起语音和视频服务的时候可以一键连接到座席，这和平常打通电话最大区别是什么，APP上想做的业务，包括想传递的信息给到座席的可以传递过来，另外，每次发起请求时会请一个保存在招商银行内部Token，APP反馈给我，我去验证是否可以让客户通信,再者，除了做语音传输通信之外，同时可以做视频的沟通、文本的沟通，而且整个通话、业务流程是连续的，这是我们在招商银行做的案例。大家有掌上生活客户端的可以体验，就在它的APP里面。这是在线联络客户。
关于联络在线角度，我还想分享一个关于视频的应用。5G已经商用了，速度更快，路更宽。保险行业更多是应用在视频保全和合规验证角度。比如，刚才讲的是从APP端，通过外部RTC技术增强触点，第二点讲的是我们不仅把视频通话建立，更重要的区别是在建立通话过程中，我如果做一个保全业务，大家可以共享合同条款，可以标记哪个条款什么意思，是否需要更改。第二，在视频过程中可以调动AI能力，刚才很多友商也讲到提供OCR、NLP，我们可以调用人脸识别，进一步做业务的拍照，最终在呼叫中心场景下的监听监看，录音和录视频都在整个方案当中。我们做过一个寿险的数据统计，像高风险的保全业务和电话相比，视频回访的犹豫期退保率有降低，大概1%的比率，一次回访成功率提升28%比例。当然，将来随着业务的发展会产生更多的视频CC场景，但是我们更多的会集中在一些高价值，或者是高体验客户的角度，这是联络在线能够给大家带来的解决方案和案例。
2、智能在线方面
更多是体现对于联络中心赋能的角度。2017年以前，联络中心差不多一半是人工服务，一半是自助服务。但是从今年开始，以及往后，我们越来越发现从过去的自助服务变成自主服务，这两者是有本质区别的。自助服务只是开了一个自助查询通道，但是自主服务可以选择联络，这种联络可以跳到下一个联络，之间是连续的，都能获得一致的体验，这叫自主联络。我们做了一个可视化的语音导航，客户打进电话的同时可以在APP可以查询我的保单，手机上会同时显示出你办理的业务。这样我的客户体验非常好，一是不用听所有的语音导航再去选择业务，二是企业能干的事更多了，原来从0到9能做十个业务，不行建下一步菜单，现在可视化可以直接选择需要的服务，甚至销售类型服务，这是自主服务。
人机协作。它更多体现在对于员工、座席的赋能角度。回忆一下，在过去的一年之内我们有几次联络银行、联通、移动这种运营商，其实我们已经很少联络了，因为这种自主和自助渠道已经能够解决大部分诉求。但是一旦我们联系人工客服，这意味着这个业务比较复杂，是产生投诉或者是有账期的问题等等棘手问题，因此对于座席要求会越来越高。我们所做的事是充分对座席、服务人员赋能，除了培训之外更希望这种实时辅助，实时辅助与保险强业务相关，我们积累了一些业务实践，主要能实现三方面应用。一是基于座席桌面动作，以及和客户交流的内容，我们来做知识的推荐，这种知识推荐无论是从关健词、上下文、业务逻辑还是知识图谱来看，相对在保险行业我们会做得比较快；二是在通话过程中客户情感的变化，包括违禁的用语可以展示给你；三是结合业务数据，比如客户有哪些标签数据是常投诉的，有没有未结的工单会展现在座席桌面上。
谈到智能化，绕不开的是保险电销的智能外呼，大家都在作，那么Avaya做和其他厂家做最大的区别是什么。第一，Avaya提供精准的呼叫外呼和活动设计，因为Avaya本身是做电话通信起家的，这一点我们应该做的是最好的；第二，可以利用你呼出的时候人工和机器人结合，我们来调动不同AI的能力，这一点大家可能有点模糊，我们呼出的时候能不能调不同厂商的能力，这一点其实挺重要的，大家过去上AI的时候选了N多家入围，我们设定一个90%的指标或者是更高一点，有的能达到，有的达不到，即使达到了需要做很多训练。我们所做的是根据每家厂商擅长的点调不同AI能力，在不同能力上沉淀的这些数据是可以做共享的，也就是集中在整个呼叫管理平台上，这是我们在智能外呼领域的客户用例。
这个图做的是一个寿险的客户，目前在续保，效果还是不错的。
3、数据在线
数据会影响到企业的方方面面，包括运营方面、业务方面，甚至企业决策都会依据数据来做，这一点大家是有共识的。但是如何从现在既有数据中看到一些点，有没有合适的方法变得比较重要。
业务分析的话题非常大，包括依赖技术和平台也比较复杂。这里我们做的是基于保险公司已经存在的海量录音数据，通过一定的科技树手段做挖掘分析。这几张图是在人寿保险公司做的几个场景，我们做了两件事，第一件事，我们做了补充标签数据，我相信大家拿到的所有客户名单，自己有自己的客户分析，有一些数据标签，甚至会很多，但是以往缺乏的标签是打出这通电话，或者是客户给你打电话的时候每次都谈了什么内容，有什么样的标签，我们就做了这样补充的客户标签。举个例子，比如客户谈到了竞争对手，我们标记了一个类比客户，提到了我有孩子，这时候标记是有娃一族，这种标签数据和现在标签数据最大区别是什么，它是变化的，因为一个客户属性是不断变化的，录音会持续产生，因此会有不同标签、不同权重；第二件事，我们看到图上列的这四个维度，保单贷款咨询分析、退保分析，以及对于特定产品客户关注度分析。举个例子，退保，首先从客户属性在大的范围之内可以做细分，有的是高价值客户，有的是一般客户。像我们给这家客户做的，高价值客户退保的主要原因集中在什么地方？集中在保险的重复，占到10%比例，而一般客户对于退保原因会以资金周转，或者是钱的问题作为理由。这个数据和你想象的可能不太一样，重点是可以通过语音数据把这些业务的维度和分类量化出来，原来没有这些分类，量化是数据分析的第一步，再通过一定方法建立一定的业务模型，最终通过数据量化输出影响公司业务、运营和决策。这是我们在产品和服务上做的一些场景。除此之外还在营销上和座席话术上做分析。通过对座席表达方式和提及的上下文内容做聚类，可以知道哪些是一般座席，哪些是好座席，好在哪里，差在哪里，这样可以把最佳实践抽象出来以影响更多人。这是在数据方面，这就是我们在语音数据方面做的一些事情。
综上来看，从整个保险行业，保险科技业务赋能角度我们做了三件事。第一，连接在线，连接内部员工，通过灵动办公让你的协作更加顺畅、安全。联络在线是的另一个维度是客户在线，让你的客户在不同触点得到安全一致的服务。现在有一些客户正在做视频的CC也取得不错的反馈；第二，智能在线，重点在改进自助服务，包括智能外呼，关注员工赋能角度；第三，数据在线，重点关注在从语音角度切入，慢慢延展更多业务数据的分析。
从各个方面让科技赋能保险，最终是赋能我们的业务。由于时间关系不详细给大家展开具体介绍每一个方案。我们所有提供的三个在线和业务赋能都在这张图中，Avaya AIEP整体智能化解决方案，其中包括智能交互、智能路由、智能助手、智慧运营四大支柱。
如果大家对我们演讲的内容感兴趣，如果想进一步交流可以扫描这个二维码，扫进去之后有一个云展厅，可以获取到现在的演讲资料，同时可以参与抽奖。
我的分享就到这里，谢谢大家！