孙熙杰：各位嘉宾下午好！很高兴又在古北水镇和大家见面，每年到这个时候都非常开心，有很多老朋友和新朋友，今天我代表我们团队给大家做一个汇报。
上午左总讲到了飞轮，实际上中科软这么多年来一直践行我们飞轮模式，我们在飞轮个数，飞轮的大小以及飞轮的转速，以及飞轮的正向力和反向力上都做了一些工作，我们从30年前开始涉足保险，当时在一个产品线做了一些应用，还没有形成飞轮，随着三十年发展，我们产品线越来越完善，我们客户数越来越多。我们的服务种类越来越多，所以形成了我们整个保险领域多维度的飞轮。所以这一块我们一会儿稍微介绍一下左总上午谈到的参考模型，参考模型里边我们这个飞轮。
智能化在保险中的应用很早就有，我们认为保险实际上是一个金融行业，金融行业其实既涉及到自然科学，也涉及到人文科学，我们知道在自然科学里边可能更关注数据的准确度，在人文科学里边可能更关注数据的内容，所以在人工智能方面我们左总很早讲到了精准计算，精准计算我们认为在自然科学里边解决我们数据准确度的一些问题。现在比较流行多模态大模型在人文这一块更有前景更有潜力。保险的业务飞轮总体来看首先你要增强差异化的优势，这样可以更大扩大你的客户群体，你的客户群体更多就会增加收入，提升盈利能力，这样进一步加大预算的投入，加大预算投入，又增强你的差异化优势，这样形成保险业务的飞轮。这几年可以看到，我们在峰会上给大家汇报了几个主要方向，2020年汇报的线上营销与服务支撑体系，这是积分规则以及其原理，2020年我们讲了全域数字化营销平台，左总给大家汇报了私域流量的模型，2022年讲了会员制的体系，每一项在飞轮模式下的体现或者实践，这样扩大我们的产品种类服务的种类和服务的深度。
今天我想就AI大模型与AIGC在我们认为运营渠道产品风控科技等几个方向给大家做一些汇报。
我们可以看到近几年AI大模型的发展，人工智能成熟度模型，AI大模型目前处在比较高的点。全球和国内也有众多大模型公司，有不同的大模型产品，中国有6%的用户部署大模型，有20%生成技术，有24%表示未来24个月尝试大模型，我们认为大模型的技术，基本上有四个方向，业内里边也有人认为有三个方向，我认为四个方向，算力、算法、数据、场景或者叫应用，我们认为垂直大模型中，四个方向非常重要。中科软定位是行业应用开发商，很显然我们不会在算力算法方面花大量的力气，我们重点聚焦在数据和场景，我们同事在场景上的探索做一些汇报，我们看到大模型，预训练大模型，百度的文心一言，像阿里的通义，包括京东发布的言犀，还有科大讯飞的星火还有百川大模型，还有清华大模型，非常非常之多，众多大模型给了我们很多选择上的困难，我们怎么选择？谁在这个赛道里边跑到前面，我们哪些应用结合更好？中科软有责任在这些方面给我们客户一些解决方案或者方法来解决这样一些问题。
我们可以看到这是左总讲到中科软有参考模型，这是参考模型的一个图，这个图实际上我们可以看到最底层的这一部分，我们讲了技术平台还有一体化方法论，实际上在这里边两个平台，一个数据平台一个智能平台。上午网易汪院长讲到了三个观点我也很认同，软件生产力、数据生产力和智能生产力，软件生产力和智能生产力就是智能平台的内容，不光还有智能数据。中间有点像我们软件生产力的部分，这一块有特别多的内容，包括后台的前端ABCD包括我们最佳实践包括成果装备，测试工具ID工具这一块，还有后面的组织实施方法论，我们一会儿讲到AIGC这一块，结合我们的成果做一些什么样的训练，解决代码层面补全也好，或者生成层面的内容。我们可以看到提供了一个平台，这个平台支撑各个大模型包括商业大模型包括盘古等等，还有开源大模型，等等这些模型。在这些模型中有一块管理内容，数据训练数据收集数据处理平台，还有标注、管理分词，同时还有模型的管理，包括硬件的管理，生成训练的管理，节点的调度训练结果的评估，过程中我们有一个训练的过程，包括数据准备，模型训练模型验证以及模型发布，这些东西通过我们系统进行管理，通过我们训练以后模型发布以后形成了我们寿险领域专有的模型。CV模型、多模态模型，这里边很多互联网厂商提供通用大模型的应用，已经把模型封装成应用。结合我们的预训练大模型，加上第三方的应用可能会一起来为我们客户提供进一步支撑，包括对话机器人文档机器人视觉机器人，包括代码扫描工具，我一会儿也会针对代码扫描工具做说明。双模型引擎整合横向知识与领域知识，横向知识是大模型的能力。专属模型各有所长。开源的结合，兼顾自主安全和成本。
我们可以看到我们有一个例子，我们叫领域专属模型的构建示例，生成式LIS开发辅助模型和应用。在数据准备做数据增强是，有的是模板法还有翻译法，还有大模型生成法，本来数据量不是很大，通过增强，加上我们数据微调技术，解决我们数据不足的问题。通过我们参考模型词根表，样本程序以及知识库，还有我们的一些知识内容一起我们完成了整个生成式LIS开发的辅助，数据准备以后，通过算力环节的管理，模型的管理还有微调的训练，形成了我们整个LIS开发辅助模型，这个模型主要是微调，像数据量比较少的，模型度相似高的不需要微调，数据量比较大我们要从头训练等等，过程中可以看到我们一些效果。
下边讲的模型评估，模型评估可以看到，通过一些方法看模型的效果，包括收敛的速度是不是足够，通过一些方法，以及模型中逃逸耦合的情况，这里边的一些例子可以看到，通过一些语言的内容，生成我们认为在我们系统中的脚本，帮助我们的一些业务人员或者低级开发人员做出整个脚本的内容，同时我们可以看到，我们通过一些训练模型或者预训练模型以后，可以结合我们样本程序以后，能够生成一些我们LIS的代码，这些代码在初级工程师，或者中级工程师可以辅助完成很多工作，提高他的生产效率。
我们可以看到通用大模型与领域专属模型的形成都是面向场景，一个是比较全一个比较专，通过分工协作的方式解决我们客户场景中的一些问题，来解决实际应用中的问题。一会儿把时间叫给我们同事张荣，在数据营销、风控产品管理做一些详细的汇报，在产品管理上我们做了一些工作，大家知道我们原来产品都是什么，都是条款，我们可能通过预训练的方法，模型的方法生成中科软系统的产品模型，解决日常产品定义的时间速度效率和准确度的问题，再次感谢各位光临古北水镇，下面把时间交给张荣，AIGC在整个产品线各个产品线上不同场景的应用，谢谢大家！
我从保险的业务的角度，也偏从前到后的层级，从营销到销售到客服到风险风控到产品最后到经营几个方面讲一讲，现在大模型有哪些适合它的能力发挥得，还要结合一些专业工科的能力培养，才发挥出来的更好。
我们看营销，这两年很火，大家都非常关注它，营销里边其实有一个很重要的点，或者评价营销能力的时候有一个很重要的点，就是宣发的能力，内容创作和推广的能力，营销的场景包括公域包括私域涉及到其实本质上就是你可以创作出什么样好的，包括质量包括形式包括吸引力包括热度等等好的内容就可以产生好的营销。换一句话说我们叫包装的能力，原来这个是要靠人，靠一些营销公司帮我们做，要有很强专业性，突然发现创业能力可以AI模仿的，可以很容易训练出来，图片也好、视频也好超出一般人的能力，这个时候为营销带来了非常广的想象空间。
我们具体来看，比如说常态化营销，常态化营销我们在这些公域平台上不断的更新，伴随着一些活动、伴随一些节日、伴随一些热点的事件我们不断在公域平台上进行投放，这个时候比拼就是生产力。如果我有一个低成本高效率生产力很高的内容创作平台，它所带来的效能一定非常高的，可以靠量来取胜。这个时候我们就发现像现在的通用大模型，尤其是多模态通用大模型，它的创作能力已经达到了相当高的水准，至少从艺术角度来讲，达到了一个相当高的水准，对于我们来说是再加工的能力，一个领域深度的结合或者说一个强化，这个时候通过专业的领域模型，不需要很大的模型，因为基础知识人家已经具备了，我就学我这个领域专业知识，补充丰富，这个时候可以更高效创作出来符合的要求的行业需要的产品。
还有一个形式在营销里边就是热点的追踪，现在经常我们会遇到公共事件，可能是一些自然灾害，也可能是一个企业发生的事，也可能网络上的热点新闻，或者国际争端，这些事情往往背后可以蕴含着一些营销的话题。大家可以看到很多的热点，现在被一些公司所利用，产生的效果往往会起到一些突破爆发这样的一些效果，很多公司其实也想借这样一些事件来提升自己的品牌，这个时候需要对这些热点需要有持续的跟踪和敏锐的把握能力，原来这个东西需要你的营销人员有敏锐的观察力，毕竟是有限的，我们通过AI是不是可以帮我们去把网络事件捕获下来，分析背后蕴含着什么样的营销话题，以及我们可以基于事件演化出哪些营销的内容。这个就是我们现在提供的营销平台里边热点追踪提供的相应能力，帮你捕获。还有一个大家讲蹭热点，蹭不好会翻车，我们既要关注热点，还要关注热点背后舆情是什么样，网上这些人跟的帖子是什么信息，适不适合我们跟进，这些靠人是力不从心，AI技术在这方面有着先天的优势，尤其对语言的分析能力，这个点上也是AIGC技术，或者大模型非常契合的场景。
说完公域的投放，我们看看私域，跟公域不同，私域强调精准，公域是以量取胜，以快取胜，以吸引眼球取胜，私域是要以客户为中心，根据客户的特点，客户的反馈、客户的喜好、客户的风格，制订出针对这一个客户或者这一类客户适合的内容，这个程度上我们需要有更精准的一些训练，对客户的风格特点，和保险这种产品的匹配。我们是一种风险管控，保人健康保人生命，这一类场景结合下，我们制造什么样的主题风格的内容，这个时候才是私域需要关注的，私域往往需要有更贴近客户。这种服务能力，比如说我们做康养。康养其实比传统的寿险业务在客户黏性和客户交互频度上高很多，为什么大家关注健康服务健康管理，这些可以和客户建立频繁交互的场景，我们现在很多做健康医疗希望能够去做一些健康干预做这种类型的健康服务，确实能够通过跟客户有效沟通的内容服务的。这个领域又是AIGC可以大大提升我们生产力这样一个场景。像以后可能中国老年人越来越多，甚至很多空巢老人，跟他进行健康的引导，比如说该吃药了，该什么活动了，该去做检查了，养老也是一样的，老年人住在社区里边，其实不就是为了多个伴，很多住不进养老院的老人怎么办，用AI想一想，是不是市场空间非常大，这就是私域。
营销的内容下来看一看销售，谈到代理人，触动了保险行业的痛处，影响最大就是代理人渠道，除了数量减少，销售支持的手段越来越先进，越来越丰富，其实边际收益是递减的，我们投入的大，发现不如以前，调一调佣金率来的更有效。同时现在吸引了很多新的代理人，他们对于综合的保险产品营销能力是远远不足的，甚至于对于新的数字化手段接受能力也是不足的。综合而言我们认为数字化的手段需要一个好的助手来帮助他，这个可能是发挥数字化展业的一个关键点。所以我们借助AI的大模型的能力打造了几个助手。
首先在代理人营销的环节里边，原来我们代理人是靠人情营销，人的关系，所以我们才搞人海战术，中国的代理人和客户比例远远超过欧美国家的比例。大家都知道，我们搞人海战术，我们靠人的关系来营销，现在人数已经腰斩了，再想增员也困难，现在的营销是什么，是网红营销，大家都搞直播了我们还调查了一组数据，找了一些粉丝量比较高的这些有影响力的一些网红代理人，他们的内容更新频率，每周四到六次，全年下来大概三百个内容的更新，如果按现在靠人的营销创作的成本来计算，大概每年要50万。光成本50万，保费佣金有没有这么多呢？我们要打造一个AI营销助手，内容AIGC可以定制化的创作，结合我个人形象形成一个数字人，结合我的声音，我的表达方式，结合我个人的人设，我的客户群体的类型创作我的内容，甚至于可以做到24小时不间断的营销。它不累，我休息了，它继续干，加大营销的力度，这是代理人营销往后很重要的方向。
我们能够去获得流量了，接下来就是一对一的沟通过程，我们要培养客户，培养客户的时候，我的代理人同样能够如何准确理解客户的需求，如何有很好的话术吸引，这都是很关键的，这个都很好理解，我们通过一个视频看一下。
可以看到，这个助手可以嵌入到你的APP里边，可以嵌入到企微里边，我们吸引到客户以后，客户也有转化的意愿了，我们需要一份制作精美的吸引客户的建议书给到客户手里，现在建议书不是PDF上面一堆简单的表格，再加上一堆文字，看的懂看不懂完全不管，现在建议书以视频为载体，声情并茂图文并茂已经有了非常详尽的这种便于理解的能力，能够让客户很轻易的了解给我所介绍产品的方方面面，包括跟我个人的利益演示。现在问题在于这么复杂的建议书，怎么能够批量的创作出来，这是以前的难点，我们原来想了一些办法，搞了若干个模板，把视频分段，然后可变的部分，尽可能减少，通用部分加大，根据个人得信息快速生成动画的表格，嵌到视频里边，还是非常的单调，基本上模板数量很少，千篇一律，现在AIGC的技术出来以后，让这种视频的能力生成上了新的台阶，我们可以针对不同的色调、图形，针对不同的类似于艺术创作的图片各种丰富的内容都可以添加进来，包括声音，介绍的声音原来都是固定的，听着就是机器人，现在可不可以模拟代理人，现在都是非常成熟的技术，不需要我们自己重新创造，打造我们拿来运用就可以具备相当好的可用性了，这是建议书。
我们再说一下代理人的培训，代理人培训其实这两年也一直在提升，也引用AI的手段，尤其我们讲对攻，代理人的训练的过程，实际上我们说的所谓对攻，不是你跟客户对攻，你跟教练对攻，我们所有对攻设计出来的话，都是教练设计好的，我们编好的，你遇到这个问题该这么答，问题不是客户问的，是教练问的，所以实际效果并不好，或者提升是有限的。AIGC的好处在什么，我可以基于以前客户交互的记录，可以模拟各种不同类型的真人，模拟是一个客户，模拟出这些人会说什么话，我让这个机器人真正跟代理人进行话术对攻。如果可以打动不同形式模拟的客户，那你的营销的能力明显就会上一个台阶，这个是未来智能陪练助手作用所在。
我们到客服电销领域来看，对于客服最关键是知识体系，客服把这套知识通过人反馈给客户，原来人的作用是理解客户，然后组织知识。我们现在发现，现在AIGC不就是最擅长这个吗？可以识别客户的意图，可以进行内容的创作，创作不就是对知识的汇集吗。未来知识中心，客服最关键的环节不是人了，而是你对知识加工组织，这一块是AIGC能力所长。举个例子，未来得机器人可能作用更大了，原来我们也用机器人，只能回答简单的问题，说点短的文本我还可以理解，多说几轮就理解歪了，一个小问题就带偏了，现在大模型已经有了非常强的意图理解，以及对话的能力，包括对于知识内容的反馈，不再是那么呆板，换一句话同一个问题，这次这么回答，下一次会换一个说法，不会千篇一律。
对于人的辅助也是一样的，未来对于人不那么重要了，对于复杂的问题，对于希望用户体验更好的我们还是需要的，这个时候对于代理人或者说客服坐席知识的获取也很关键，原来就是搜索引擎，搜出来好几条在里边找，现在AIGC语言的组织或者知识组织能力，已经远远超出之前的能力。
这两个场景大家比较容易理解，下面还有两个场景以前没有想象过的，或者感觉不可能实现的，现在有了新的可能性，第一个服务满意度，原来所谓做服务满意度没有的，更多做质检，考察一个人的下限，不能太差，不能违规，基于关键词的表述合规就可以。做的是不是好，不知道，原来靠客户打分，很多人不可能打完这电话，等到后面按这数字，客服其实确实很难综合性的评价。我们现在靠AIGC可以全程跟踪对话内容，不管客户还是代理人，能够知道这个客户情绪，对这个服务反馈信息是满意还是不满意，问题解决了还是没解决，同时这个代理人语气是什么样的，情绪是什么样的，耐心有没有，都具备分析的能力，这个时候我们再做的服务满意度更加客观很多。
还有服务小结，客服解决客户服务之后做一个总结，内容记录下来，要转办，下公单，客服怎么回复的，要该干什么，坐席打完电话要准备这些工作。这个工作耗时间，可以交给AI来做，完全可以生成小结内容，问题总结下来，可以自动的转到下一个阶段，对于代理人来讲，对于坐席来讲，只要是一个确认就可以，大大提升了坐席的效率。原来被忽视的，现在发现应用场景蛮贴切的。
接下来是产品管理的部分，产品最关键其实也是一套知识的体系，我们从去年开始已经打造知识图谱，知识图谱实际上对于AI应用来讲是一个根基，不论是做大模型，还是做数据分析还是后面做推荐应用，都是基于图谱完成，去年开始我们构建了一套全行业的知识图谱，单一产品涉及到30个大类400多个实体，产品之间会构成一套很复杂很庞杂的网状体系，有了知识图谱之后，就有了很多应用的方案，或者说一些能力。首先就是知识的输出，原来的产品知识实际上主要基于结构化的能力实现的，我们要把条款呈现成结构性的信息，放到搜索引擎作为检索，现在的检索更多可以提供综合关联性检索，我提供的，或者我关心的不再是一些要点，提出各种要素，提出各种关键词各种要素寻找匹配，而现在我问一个相关的问题，然后识别意图以后自动帮我找合适的内容，可能是找到相关的产品，可能回答我这个产品对应保障，或者产品的特点，我关心什么问题回答什么问题，而不是我搜一个关键词给我找到若干的信息自己看。
还有一块产品条款的解读，条款规范化以后，变的更加专业性，对于条款对于一些内容如何能够让我前端各个业务系统使用的过程中符合自身的需要，这个时候要有条款解读的能力，我们就可以输入一个条款自动分类，自动把相关的内容摘要出来，并且提供相应的解释，这是条款解读的应用需要。这个就是产品推荐，现在产品推荐可以更精细化，有了图谱之后信息的解构力度非常细，可以达到很深力度，而且有很强的关联性，根据类别找到产品，找到产品以后做关键信息比较，现在变成了从关键信息入手反向推理，角度不同。
除了前面跟大家比较好理解的场景之外，还有图谱生成的应用，比如说保险公司都有这些相关工作，出了新产品以后，涉及到编写很多报送资料，系统层级的产品定义，然后还要制订业务规则，各个部门内部进行新产品宣导，有大量资料的编写，本身也是非常消耗人员的工作，现在有了这种自动生成的能力，有了产品的图谱，只要我确认了我现在需要一个什么样的新产品，甚至于连条款都可以生成，可以生成条款，可以生成产品报备的资料，可以完成产品定义的参数，包括内部的产品的宣导，不论对于营销部门还是运营部门，各种各样的宣导都可以形成，这样才可以大大提升新产品上线的效率。
我们这里边举一个例子，产品定义这个领域，放在了新的产品工厂上，这个产品工厂大家可以看到，完成了条款商船之后，就可以自动解构产品定义的信息，自动的完成产品参数的生成，大家知道我们有一套产品的模型，是一套结构化的模型，我现在把非结构化的的这些信息采集进来，条款的信息采集进来之后完成相应的产品参数的配置，就可以自动的发布。包括产品测试的用例都可以生成，然后做后续一系列发布的工作。
我今天要介绍的内容就是这些，谢谢大家！
我们太保寿险整个数字化是集体的智慧，今天我代表我们太保寿险整个科技体系做这样一个汇报，所以讲的对的部分归组织，讲的不对的地方归我个人。
太保寿险整个数字化转型的道路，从2021年正式开始大规模的启动，我们在2021年的时候，我们太保寿险就明确提出要推进一优两稳四新的长航战略目标，加强科技和数据能力支撑，实现客户经营数字化和客户体验数字化是我们主要的目标，2020年底的时候，制定了整个三年的规划，三年的规划核心就是以原来保单为中心，转变为以客户为中心，以保单处理为流程为渠道，要全面转向到以数据为驱动，从原来的内生动力发展，转向到整个生态协同的发展。所以在这样一个前提下，我们在2020年的时候，我们太保寿险正式成立了科技赋能中心，科技赋能中心里边，我们对我们的整个数字化转型的道路分了四个阶段推进，我们叫稳定、安全、服务、创新。也就是说前两项实际上整个科技的基础的能力，在我们整个体系定义里边，定义为负象限，两个领域工作做不好，带来不是价值增加而是价值损耗，我们必须先把这两个问题解决好才有条件和基础进入到我们服务和创新，也就是进入到我们整个科技价值正象限里面。
在2021年我们整个的布局的数字化建设上面，我们首先是从组织、人才、能力上来提升我们的数字化的赋能水平，大家可能觉得比较奇怪，说你们太保寿险数字化，不是应该由你整个系统建设，利用一些新的技术如何进行发展。在你们的整个规划里边，第一项健全科技基建，一个基础重构有架构蓝图和配套管理机制，第二个沉淀科技的能力，完善两个机制，一个研发管理机制，一个人才支撑机制，第三才到整个数字的体系，什么数据中台、能力中台，互联网开放平台，看起来比较时髦的词，这里边有我们对科技价值的一个理解。这个价值的理解，我觉得是内生和外向两方面。第一个我们太保寿险整个科技体系在我们内部是独立的条线，和我个险、团政、财经是独立的条线，名字叫科技赋能中心。其实大家就可以想一想，什么叫赋能，能量高的向能量低的转移，这个叫赋能，专业能力上面体现出来整个公司经营体系里边最强的专业力，如果没有组织建设和人才建设，我们的这种能量实际上没有办法聚集的，所谓的这种赋能变成了一个来料加工、变成了内包。本质上并不能为我们业务产生新的价值，这是我们要加强组织建设和能力人才建设内生的原因。第二个就是外生的原因。其实我们毕竟是一家保险公司，和在座很多科技公司的同业朋友相比，我们对科技看法和你们角度不太一样，在我们眼里，科技是公司的经营要素之一，但是不是公司的经营环节之一。比如说在我们保险公司里边，我们有渠道负责客户的销售，有营运负责单保处理，有市场负责整个推广，也有风控负责整个的业务处理的风险的管控，我们可以看到不管是从保单的维度，还是从客户服务的维度都是一个环节，但是科技并不是这个里边经营环节之一，是一个要素，是散落在各个环节的，并不是说他是独立的环节，从我们角度来讲，科技要想在我们保险公司里边真正发挥价值，除了系统的建设之外，还有一个非常重要的组成，必须要建成全司内数字化人才网络，不是集聚在一起一堆科技人，在所有业务环节所有业务部门，从销售到产品实施都要有科技人才的出现。所以我们在整个所有数字化的推进工作里边，第一步就是加强组织建设，我们在内部有三句话，系统建设是目标、组织建设是保障、人才建设是基础，所有的工作要从人才建设进行，从对组织完善上建立全司人才数字化网络为目标，过去三年里边，我们建设了我们太保寿险整个的稳、敏态形态。分了四个层次建设，最底层是运营能力，把握方向统筹全局，然后在第二层运营保障和协助业务，科技专业管理与决策层，这一层里边我们从数据科技资源项目全生命周期以及延伸全生命周期的角度，建立了完整的供应链体系，项目管理体系和数据生命周期的管理体系，这两层是我们整个科技的地基，在此之上才是科技能力建设能力的输出，敏态和稳态，什么是稳态，就是公司级科技中台，覆盖全司所有业务条线需要共享的专业能力和系统能力。稳态要做深做稳，我们保单中心的系统，要求实现参数化，不能因为前端产品的调整，而引起后端系统大量的改动，通过无状态的服务，给敏态使用，敏态是前置，前置到团险，前置到个险，每一个业务条线都有敏态团队支撑业务研发，业务蓝图分为四层，第三层是业务流程层，第四层是数据运营层。
在整个的组织形态上面我们也做了大幅度的调整。我们建立了太保寿险统一管理平台，大家觉得比较奇怪，为什么这么重视项目管理，我们以往系统建设更多是一种游击战，业务有需求我们建系统，对于大型系统，复杂架构下面多子项目项目群的集中管理，这个能力严重缺失的，导致我们太保寿险过去一直没有办法实施大型系统的建设，我们在这轮次系统建设周期里边，进入到了大规模飞行途中换发动机，有多子系统的协同，存量系统和新建系统的协同，存量系统维护改进，新建系统上线和老系统下线，在我们过去三年里边有力支撑了太保寿险各种大型项目的建设和实施。2022年我们太保寿险总共立项67个重大项目的建设，有将近三分之一项目延续到今年，整个项目管理质量管理、信息安、全智能运维，是为我们寿险接下来进入到全面数字化必须要打好非常强有力的科技的基础，我想这也是我们作为科技团队自己的内生力的建设，非常重要的基础，没有这个能力，我们讲为业务条线赋能是根本没有前提条件的。
有了组织的保障，系统层面上面，我们必须转变原来以单一的二维视角看待我们系统的角度，我们必须要转变到用三维立体视角来看，我们系统结构分层，通常讲应用结构的分层，放到整个科技体系里边，从应用再往下基础设施，基础设施往下有硬件相应的支撑。我们必须要对我们的所有应用系统要有非常好的技术底座才可以大幅度提高整个研发和交付的效率，2021年就启动了我们新一代云原生的技术体系，这个云原生技术体系，以提升终端用户满意度，强化系统安全稳定，提升资源利用率，降低故障排查时间，六个非功能性的指标，作为建设依据，两年建设过程里边，我们的系统故障率下降了将近90%，我们的系统响应时间提升了3倍，我们整个研发的效率提升了将近70%，当然这个里边也是有非常多的行业内非常优秀的合作伙伴给我们提供了很多支持，像我刚才看到我们整个大会里边的参与方，有腾讯、阿里、华为等等这些优秀的厂商都在我们太保寿险这一轮科技建设里边起到了非常重要的作用。在云原生架构体系下面，我们必须要统一我们的整个PAAS平台和技术的规范，提升整个研发效能，所以我们通过对APAAS研发，自主研发和对供应链的协同，然后我们建设了我们自己的相应技术标准，我们内部的讲法叫引进消化吸收，借鉴中国高铁建设的逻辑和我们行业生态伙伴共同构建适合太保寿险发展阶段和发展现状标准化的开发平台，和自动化软件交付，和整个研发效能体系，在整个的材料左手边实际上就是立体化的结构体系，寿险的业务应用在立体化结构最上层。
有了基础支撑之后，还有业务应用层，打造寿险能力中台，过去两年里边中台这个词有很多争议，以阿里为代表首先提出了这样一个概念，去年的时候开始了拆中台这样一个概念，但是我们太保寿险还是坚持认为，就是在一个独立法人公司内部这个基础能力的沉淀仍然是非常重要的工作，并且对于整个的商业价值的呈现以及公司内部的降本增效都有巨大的作用，我们从数据能力和互联网开放这三个方面在过去的三年里边着重打造我们的中台整个支撑能力。我们现在数据中台已经入了全司全量的数据，四级机构到总公司整个经营指标管理体系和过程管理指标的体系都在数据中台上统一管理建设，对于所有的分公司以后只有用数没有提数，数据的使用权向大家开放，数据所有权进行严格管控，能力中台对传统核心系统再拆解，转为一个一个小的独立模块，提供无状态的服务，供服务渠道层和业务流程层进行调用，进行业务流程和公司深度解耦，互联网开放平台，是我们对所有第三方渠道统一技术体系。我们太保寿险过去两年多里，银保业务取得了长足发展，去年整个银保业务增长是17倍，到今年我们整个银保的NBV的价值创造基本上占到公司20%，科技的赋能是非常重要的组成部分，我们原来的跟银行合作，保单出单时效是48s，去年上线新银保的平台，出单时效是0.3秒，到今年1月份我们已经完成了全量的银行的切换，也就是说所有和太保寿险合作网点，统一是0.3秒。
在基础平台搭建完之后，建设自己内部协同的体系，包括总公司分公司业务科技营运必须形成非常扁平化协同体系，2021年启动了扁平化协同平台，我们完成了钉钉私有化部署，到今天全司所有的内勤办公所有通讯录，以及内部总公司分公司的协同，四级机构的协同，包括内勤和代理人的协同，全部基于太好钉，集成64个办公类应用，2022年通过低代码平台，22个新建应用，有14个内部集成，包括客户驾驶舱，销售驾驶舱等等，在太保寿险内部，形成了三个超级APP体系，一个是A端，对应代理人科技个险，一个对客户端的，就是太平洋保险APP，第三个内勤就是太好钉，所有应用在太好钉上，而且是三端统一。
过去三年里边解决了内生能力问题，也解决了系统的实施的问题，也解决了整个基础能力和人才保障，今年已经启动的太保寿险新的三年规划，新三年规划就是一个核心词就是数智化，数智化里边建立了T字型规划模型，横向是商业价值，这五项商业体系用科技要素如何来进行实现呢？我们实际上是通过纵向的，也就是每一块都有纵向三层进行支撑，操作的智能、战术的智能和战略智能，操作的智能基本业务操作化，战术的智能，在业务开展过程中间，过程中间的角色替代，第三战略智能，就是战略的执行，不是公司经委会的工作，每一级管理人员都必须承担的工作，分公司总经理应该有分公司总经理的战略，四级机构有四级机构的战略，通过对数据的追诉还原、仿真、预测。我们有对公司未来标保增长的预测沙盘，所有分公司总经理都可以利用这个沙盘根据自己所在分公司的特点，市场的环境对其中一些要素进行调整，来寻找他的公司发展核心要素。
整个寿险太保寿险逻辑体系里边，我们数智化新的形态就是以人为本，三个角度客户代理人和内勤，从客户新的三年里边从同质化服务走向个性化服务，刚才我也听到了大家对于AIGC包括大模型的观点，从我们太保寿险角度来讲，我们认为大模型会是接下来在效率提升上面非常重要革命性的技术体系，但是在使用大模型里边有一点是在我们寿险行业里边无法进行替代的，我们寿险行业本质上是经营信任的行业，这个体系里边，有一个非常重要的价值，是人工智能无法提供的，就是情绪价值。对客户服务里边，我们还是会强调人机协同，没有人对机器依赖，没有人对机器完整的替代，从客户要买到合适的保险，享受保险服务，我们太保寿险启动了新的品牌建设，主打还是以人为本。
所以在今年我们的整个规划进入到最后细化阶段，我们正在对数智蓝图进行细化，我们核心就是要夯实底座，打造决策的中枢，这里技术点就不一一罗列，我们太保寿险最重要的探索其实还是在我们如何应用好科技能力，如何建立好科技要素在整个公司商业价值中间的地位和组织的形态。
到目前为止我们也完成了部分的数智化的场景，在现在我们太保内每年进行2.5亿次分析，3000万以上代理人的服务，以及1500万内勤服务，日均数量达到5000万，平均决策时效提升到了50毫秒，所以在未来我们太保寿险的数字化会进入到更加困难的一个深水区，深水区是什么呢？我们一直讲数智化，在座各位领导专家一定有非常深的感受，我们的感受是什么呢？一个企业的数智化，其实首先是一个企业价值的转变，价值选择的转变是什么呢？我完全信赖人，机器是工具，还是人和机器是并列坐在一起的，机器擅长的事情交给机器做，人擅长的事情交给人做，这个其实我们将会面临深刻价值观转变的影响，第二个数智化带来的挑战是什么呢？其实就是我们组织的数智化，让我们太保寿险真正成为数智化的组织，必须具备一大批既懂业务也懂科技的复合型人才，才可以把业务模式进行优化，才可以把科技的要素价值进行充分显现，未来得三年里边，我们太保寿险整个科技进入到服务和创新里边，我们期待不只是科技条线的创新，而是公司呈现全面式利用科技要素进行业务模式的创新，来探索我们新的业务形态，新的业务发展模式，以及开展业务的新的方法。所以一枝独秀不是春，百花齐放春满园，我们非常愿意和业内同行，和我们优秀供应商产业链伙伴共同一起打造太保寿险新的三年规划蓝图，谢谢大家！
我先简单介绍一下平凯星辰，或者PingCAP。PingCAP公司到今年成立了8年，我们全球有3000家客户，有一半以上客户在中国，另外我们在日本、亚太地区和美国还有大量客户，如像Airbnb都是我们客户。我们从第一天开始进行开源的，所以我们公司源代码全部是以开源方式进行运作，目前全球公司开发者贡献者超过2100名，其中我们自身有300名员工，是我们自身的开发者，作为单一产品公司来看，比较国内同行的公司来讲，基本上我们数据库产研人数来看，国内可以排前二前三的。平凯星辰数据库这几年不断受到中国和全球的肯定，我们在2023年入选Gartner客户之声，是中国唯一入选的数据库服务商，连续两年获评卓越表现者。在墨天轮数据库榜单中，在过往30几个月里边，我们都排名第一。在2021年沙利文组织评价来看，我们在国内数据库处于领导者。
我们发展思路来看，刚才说的比较明确，公司从第一天开始以自主开源为主，所有源代码自己来写，整个产品的启发来自于当年谷歌两篇论文，大数据和Spanner论文启发我们创始团队，产品完全自主可研。TiDB还有中国最好的开源社区进行相关的开源生态的运作。这是我们在早些年公司创立前几年走的过程。这四年我们开始强调弯道超车，我们三年之前，在国内首创提出HTAP数据库，基本是上全球第一个发布工业级的HTAP，即混合交易级和分析级数据库。在2022年AIGC大行其道的时候，我们结合AIGC的能力和TiDB数据库能力，发布了ChatQuery产品，基于自然语言的交互，把业务人员的需求，转化为数据库查询，使得业务人员进行数据使用。另外我们还开发了云数据库，在国内国外上线了很多云产品，通过新的数据库架构的跃迁提供给客户使用。
我们数据库主要的特点，主要是五个方面。第一个方面支持人机交易数据中台的情况，我们的数据库定位是偏交易为主，作为核心交易场景支持百万级TPS和QPS。另外一个特点是说对开发者是相对透明的，因为我们不是像传统的分布式数据库有分库分表的概念，我们数据库本身来说是大一统，对开发提供更好的透明性。第三个方面是工具丰富。第四个方面是弹性伸缩、灵活扩展，在云原生数据库情况下，我们提供了非常好的弹性收缩，机器和性能比例线性增长。最后开放协议、标准接口，TiDB兼容MySQL协议。
我们跟很多生态伙伴一起服务更多的客户，包括今天的主办方中科软，除了战略合作伙伴生态以外，还有行业科技伙伴都是我们合作伙伴，还有解决方案和工具伙伴，还有帮助我们推动更好客户服务的服务伙伴。另外还有还有大量的云伙伴。刺猬我们有基础架构伙伴，覆盖从国内各种信创场景方案。
我们服务了大量的客户，不管银行保险证券等等，比如说国内四大行里边，有两个大银行重要系统都是跑在我们TiDB上面，证券行业大概国内有三四十家证券系统运行在我们这边，我们后面会介绍保险行业的实践。
针对保险行业数字化转型来看，IT架构的重构和业务的需求。从IT架构的重构看，传统的保险架构面向数字化的升级需求，业务流程也好，开发周期也好，非常大的数据量也好，都会逐步升级到建设新一代保险的数字化系统。这些都需要更加考虑到系统的可用性，更加考虑到系统能灵活变更的能力，更加考虑到如何支持海量高频的业务承接，更好应对分布式架构微服务架构，这些都是我们在IT架构上面需要看到的。在业务需求而言，业务部门需要我们做什么事情，要满足业务变化以后，IT实时进行相关的承接，包括更多的渠道产品变化之后，通过敏态的业务，敏态IT支撑满足业务增长。
国内保险行业选择数据库的时候需要看重四个方面，第一个方面由业务需求驱动，业务产品能不能满足业务快速变化，我举个例子，MySQL数据库在进行数据库字段变更时非常困难，是生产运维难以承受的任务，在TiDB则非常简单——通过高速DDL进行应对。另外敏捷开发的需求，传统数据库通过分区分表来做， 而TiDB不需要对数据库进行分区分表，完全由底层算法调度，对于开发这一块极大提高了敏捷度。第三点运维的高可靠的一些驱动。还是以传统分格分表数据库来看，这种扩容是倍增的，需要从四节点到八节点，八节点到十六节点，运维可扩展性来看是非常痛苦。对于TiDB而言，可以根据业务需求，对计算层存储层可以敏捷的扩充方式，提供了大量企业级的工具，来帮助我们运维人员进行管控，第四点就是成本，针对核心系统没什么好说的，一定按照业务量按照业务正常情况进行部署，业务高峰的时候可以提供额外的服务器进行相关的扩缩容，对于中小系统，通过数据库融合的技术，把多套的应用，部署到统一的环境里边，更好对节省运维、开发和实际硬件的成本，这四个方面是TiDB建议的数据库保险行业驱动力。
我们分析了保险行业的应用重构模式，一共有8种。由于时间关系，我们重点介绍其中三种。第一种是集中式架构重构。在这样的情况下我们提供的应用重构的模式，这个图里边最左边其实是传统的集成式架构，使用集中式数据库。这种架构的最大的痛点，第一可扩展性，只能垂直扩容。另外这类传统架构往往讲压力放在数据库层，所有业务能力在数据这一层，某大行APP，这种场景其实最复杂，要承接C端业务，我们实现了从Oracle数据库到X86+TiDB的迁移，实现业务价值满足了弹性扩缩容。另外对于开发是极度友好。第三点就是一站式，我们是整合分析型，同时满足事务型和分析型的能力，帮助客户满足大规模事务情况下，满足实时统计的需求。
第二种模式是大规模微服务架构重构，在传统大型微服务架构的重构，像图里边左边谈到的，会有一个总分总架构，最前面有一些前端性应用，然后是一个分布式数据库的，最后是偏汇聚和分析的需求。这类架构通过传统的数据库完成数据承接，这种情况下会发现，总分总库里边对于传统数据库挑战巨大，对于Oracle或者Hadoop这种大数据技术情况下不能满足实时分析实时需求这样的情况，所以使用TiDB可以很好解决。第一个收益是我们帮助客户进行了业务提效了，可以实时数据汇聚之后，得到相关数据汇总，包括风控，实时分析，等同于传统数据中台，第二个收益就是降本，把大量硬件资源得到了节省，也帮助我们开发运维，提高一些效率。第三个收益是简化，一套数据库可以满足之前分库分表的数据，解决技术栈复杂的困难。
第三个模式是多个中小规模系统情况下如何重构，传统情况下像左边显示的，每个系统有自己的数据库，可能是异构的，每个数据库要考虑可用性，考虑灾备，使用TiDB之后，可以把多库合一之后，满足更容易运维，降低硬件使用率的情况，这里边有多种部署方式，1）基于容器方式部署，如果企业大量使用容器，可能是优选的选择方式。这种情况下在某大型银行实际使用，完成硬件本身60的降本。2）多业务融合偏硬件隔离的方案，TiDB在6.1版本推出；3）另外我们上个月推出7.1版本，逻辑隔离多出货的方案。4）目前全球领先的数据库的Serverless架构，满足所有的偏大型企业使用云数据库的场景。
我简单说一下我们目前对于保险行业主要的一些沉淀。保险核心特别在国寿财这边，报价中心保单中心由TiDB承接的，满足了核心系统重构的需求，实现端到端从传统数据库到新数据库的迁移，满足新一代数字化转型需求。这里边也会探讨就是说，下边有一个小的表格，不同的场景下性能的比较。客户的主要收益：第一个是免分库分表，可以更好完成更好的业务的迁移；第二是可扩展性问题，传统数据库不能支撑的这种分布式高并发，同时线性增长的问题；第三帮助企业完成了国产信创的需求。另外我们在国寿财单证系统也满足了类似的需求。单证这个业务很有代表性，每一个保险公司有这样的业务板块，承接相关的需求。而且TiDB能力，完成更好满足的数据RPO等于0这样的高可用性。
除了国寿材案例之外，TiDB在在平安寿险，在渠道有大量的案例，金管家系统基本上TiDB的数据，也完成了数据库的迁移，通过线性高可伸缩方案，承接了互联网流量。通过TiDB的能力，同时满足TP和AP能力，完成实时分析和交易。另外我们在平安还支持了相关的支付系统。刚才四个案例覆盖了从前端渠道到核心到单证，到支付，基本上是可以贯穿保险全链路业务环节的支撑，TiDB基本上覆盖到保险的主流场景。
最后我们给出对各行各业解决方案大图。一、数据应用解决方案。数据应用解决方案，满足我们复杂的数据密集型应用，不管是可伸缩型还是混布型的，还是数据处理型的。另外还提供降本增效方案，满足中小规模应用更好降本增效。二基础架构的解决方案，包括各种数据库的迁移，包括MySQL、Oracle等等，还有大数据导入方案，支持单表100T的导入。另外我们也提供金融级高可用，包括异地灾备，同城三中心，同城双活，极端RPO高可用方案。三行业解决方案。不管在金融行业（包括证券、银行、保险，包括金融科技），还是其他的行业，像运营商、零售、制造、地产、证券等等。
我们希望通过PingCAP作为生于中国源于中国年轻的公司，希望更好的对于整个市场的投入，通过更多的案例的复制，携带全球全国3000位客户案例和实践，更好服务于保险行业，谢谢大家！
我的分享到此结束，谢谢大家！
格尔软件股份有限公司副总经理 董明富
董明富：各位领导各位来宾下午好！今天非常荣幸能够参加今天这个会议，我给大家分享的主题是保险行业商业密码技术创新与实践。我的汇报分为四个部分，第一个是保险行业密码应用现状与挑战。第二个密码服务创新技术，第三个密码服务实践案例，第四个方面简单介绍一下格尔软件。
上海望繁信科技联合创始人兼COO 于天宇
于天宇：大家下午好！很荣幸作为今天会场独立演讲的最后一个环节，刚才我同事还说，你看后面的人已经不是很多了，是不是可以讲的轻松一点？那我们就讲的稍微轻松一点。这个题目蛮沉重的，流程中台，一提流程中台大家比较烦，作为硬核流程挖掘软件公司，流程挖掘在全球范围内是香饽饽，所有的保险公司都运用流程挖掘的技术，今天作为一个保险行业的新兵，宣讲流程挖掘，某种程度上有一种剥离感，国外如此火热的技术，国内公司好像没有听过流程挖掘的技术。我们必须面对一个问题，到底如何了解企业的流程？
岔开一个话题，补充一个小故事，昨天晚上我和我的同事已经开车来到这个地方签到了，大家基本都是这个时候来的，这个故事从这里开始：昨天晚上我开车到了这里，开了130公里，从北京开过来，开过来以后我突然接到一个客户的电话，那个客户在金融街。这时我面临一个问题，我要不然昨天晚上开车再回去北京，要不然今天早上开回去，因为我必须要见到他，因此我选择了昨天晚上回去，我又开了130公里，我像长途车司机一样开回去，我还花费了527块钱，在客户边上订了一个酒店，超标了，今天早上见到客户，今天上午又开到这里，晚上还要开130公里回到北京，这里边我经历了520公里的路程。我想我的故事，特别像我们的流程，会发生紧急的事态，意味着我们要花出额外的花销，我必须要住到他边上，然后再到这里来，更方便一点。这就是我们流程，流程当中随时随地都有意外的情况，它们能帮助我们创造效益吗？不是，创造更多的额外的成本，和一些不那么合规的流程。
新的路径，对于我们通常理解的保险业来说，这套流程很漂亮很标准，但是跟我们真实企业发生的事情是一回事吗？完全不是，这只来自于我们对于合规的理解，来自于我们对于美好的流程世界的憧憬，但它并不真实发生，那对于它来说，我们真实发生的保险公司是什么样子，当我们有一千个流程的时候，流程依然很漂亮，漂亮到像这样一个从上到下的顺序，就像是我很期望客户早一点打电话，我不需要提前送同事过来，舒舒服服住一个酒店，酒店它还符合我的差旅标准，然后今天早上见完客户我再过来。
但是当我们面临的是10万笔保单，甚至更多保单的时候，不同的客户跳出来说，你今天必须什么时候过来到这里，以什么样的条件调整，满足这个业务，这种情况下，我们就得掏出更多额外的成本和更多冒险的、一些不合规的操作来满足客户的需求。这就是我们现实的流程。到底为什么我们的流程可以看起来如此繁杂，我们从三个角度来看看是什么逼着我们让它变的越来越复杂——成本、效率和合规。
我们先看成本，从开始投保单录入这个节点上，十万多单不停重复，我们一直在试自己的投保单以期给客户更好的价格，获取客户的信任，我们经常听到销售，因为我自己本身是一个投保人，我怎么会感觉到销售是值得我信任的？他总是跟我说您稍等一下，我帮您再便宜一点，打一个申请，他不断试的方式其实是在获取我的信任。这其实对于保险公司来说，它在花着1:1试错的成本。那么从效率的角度来讲，我们经常有无数次撤回，撤回的情况都是希望说依然是帮助客户传递更好的价值，提高客户的满意度，这种情况对于所有的公司来说，任何一笔撤回都是运营上的失败，代表我们流程不够标准化，流程推进出现问题，依然是成本的问题；合规，这一块有一个非常搞笑的现象，人工复核只需要两秒钟。我们人眼的反应速度是0. 6秒，然后他用了1.4 秒在干什么呢？来判断这个事情对不对？以我现在精神状态，基本是盲点，这种人工复核对于合规来说，几乎等同于没有，那我们设置这种信息化水平有什么意义？今天前面有很多的同仁、我们的老师们在不停的说我们的信息化建设应该构建成什么样子，但这种构建在人力面前都显得比较苍白，因为它如果不用存在，那么到底这个不好的流程，或者说流程本身对于企业有什么意义？我们总是在说当我们业务好的时候，我们要构建一个新的流程，我们要满足这个事情、那个场景的时候，我们要做一个这样的流程，但是大家却忘了一个问题，流程承载着企业的运营，就像一条船一样，这条船能够载着我们走，也可以翻到河里边去。
所以很多时候在我们运营角度来看，大量的重复，导致我们企业的成本增加太多太多，尤其在今天，因为我们太敢试错了，我们利润太薄的时候，运营变的混乱，合规风险日益增加。一次就做对，对于今天，对于获客成本越来越高的今天来说，变的越来越重要了。
所以我们可以看到一些这个非常真实的案例当中，比如说一些流程，我们突然觉得你这太慢了，老板一拍脑门我要一刀切，很多的流程变成了强审强批，这个时间必须得过去，不管你怎么样，这种时候怎么办？执行人员怎么办，合规不合规反正丢到白名单里边。很多时候我们员工因为越来越紧缩的成本，开始身兼多岗；包括新的保险产品，还有任何改动，需要通过一个主管的时候，你会发现人是有极限的，被压的太久以后就会发现这件事情堵点会变成自己，身上压的东西太多了，典型的根据组织适配的流程，而不是根据流程适配组织，水能载舟，亦能覆舟。你在这个流程烧出更多的钱，流程设置出来的时候，就开始吞噬你本来预期的利润，可能被吃掉了，这可能是今天构建新的流程思路陷阱。
什么是流程挖掘？流程挖掘是软件技术，稍微打一个广告，从这里第三个门出去对面，就是我们实体的产品，大家可以看到屏幕上面有我们产品，欢迎大家看一看，流程挖掘是一个新兴技术，是一个X光机，通过数字化手段，快速透视我们企业真实发生的事情，今时今日对于我们的企业来说，头疼的是怎么挣钱，头疼的是怎么省成本，如果承载着挣钱和省成本的流程到底长什么样子我们不知道，我们所有的所谓降本增效就是一句空谈，你根本没有在这个路面上谈这个问题，承载这个的流程只有被我们洞察到，知道什么样的情况下，才能继续谈，这个流程上怎么挣出足够的利润，怎么把成本降下来。
回到我们刚才的故事里边，流程挖掘在这里边作为一个大型的数据分析软件，能帮助到关于我们的效率，关于我们的成本，关于我们的合规，就有了一个很好的落地方向。首先我们通过我们的流程洞察可以清楚的知道流程当中的重复和返工在哪里，里边藏着大量的利润，我们不用去通过降价去获取更多的客人，我们才能够把那微薄的利润挣出来。也许在我们自己设置的这个流程并不够规范的情况下，我们其实已经把我们的利润都花了，所以在这当中能够找到我们重复和返工的地方，为我们省出巨额的资金是存在的。
今天的案例是来自于保险公司，这是国内的保险公司非常现实的情况，识别其中风险的事项，可以把人工核保秒级的优秀员工找出来，让我们知道不负责任合规核保的损失，骗保可能就存在我们内部，秒批其实也是骗保，提升我们的这个核保率和我们的质量本身，我们去甄别我们的这个流程当中每一条流背后的真实性，以及一些冗余的不存在或者没必要的一些人工本身就是我们很大的一个运营工作，这份工作时至今日只能通过抽样形式检查，对于今天太过庞大的经济体来讲，已经是无效的了，抽中是有几率的，抽不中的几率是更大的，所以我们需要一个可以快速穷举，甚至说是作为我们整体流程的这么一个工具来支持今时今日我们更庞大的业务，能够继续完成我们工作。这个是我们流程挖掘能够提供给大家一个技术能力。
下一步回到今天的主题，这个是我们在一个互联网公司构建的这么一套平台，其实一提起中台大家都烦，谁都讲中台，一说中台就说我的主题是去中心化，作为一个流程的中台，我们其实为了符合最近银保监会刚刚推出的完善全流程全链条的审慎监管，提升监管数字化智能的水平政策。就像我刚才说的，我们在省成本，我们试图赚更多的钱，大家找不到根本的载体，上面的一切都是空谈，我们到底监管什么，监管就是我们能够省钱的地方，监管我们能挣钱的地方，我们需要将全业务流程有更好更快的一个观察视角，找到各级别运营情况，这种下钻和数据计算的能力，才是时至今日从内部讲最能够掘金的沃土。毕竟大家业务好的时候，不太关注自己的流程，他还在挣钱，挣的很可观。那今天也许是一个很好的时间，来找一找我们自己内部一个新的观察视角，来看看我们的流程应该怎么去推进。