金融行业是数据依赖性行业，是最大的数据消费者。在分布式智能生态体成型之前，数据将成为下半场生态竞争的核心力量；之后，数权将成为颠覆现阶段形态生态的关键，成为下一步生态的发展的重要风向标。
以下是数字化转型的分享线路图，您现在所在的位置为序号❸的分享：生态圈建设。
以下是正文：
互联网生态的下半场，即所谓的数字经济2.0时代，最大的三个特征分别是平台化、数据化，普惠化，前面在平台。这一篇，集中讨论数字化在生态中的作用。
数据化是广义数据的一部分，从更长时间维度来讲，生态分别分为前生态与后生态，前生态是典型的互联网生态，分别指互联网上半场的生态和互联网下半场的生态；后生态主要是数字经济3.0时代的生态，即所谓的分布式智能生态体。这次数据对生态的价值，主要集中在前生态阶段。
在前生态阶段，数据是新生产资料，是数字经济 2.0 的新能源。大数据是智慧商业、智慧医疗、智慧交通、智慧政府、智能制造等一切智能的基础，没有大数据，数字经济 2.0 将缺乏动力。数据产生、收集、存储、加工、使用于不同的主体，既有个人、企业，也有政府。数据只有充分利用，才能发挥其价值，才能为个人、企业、社会带来福利。
在明确数据权属的基础上，促进数据在不同主体之间充分分享，是数字经济 2.0 的内在要求。
01 巨头的数据争夺战，服务质量取决于数据质量，服务效率源自于数据利用率
在数据应用和战略布局上，阿里可谓全球领先，2008年开始，阿里启动DT战略至今已十年有余，每一年的组织调整，都在加码数据科技，强调数字经济2.0核心是DT化，即万物在线互联，以前所未有的速度增长，数据成为驱动商业模式创新和发展的核心力量。
数字经济2.0最重要的特征就是高度数据化，互联网科技生态，是数字经济最重要的组成形态。工业时代的公司，以 IT 技术为核心实现数字化，数据的流动以及在线化范围有限，数据应用场景主要局限在以自我为中心的小的生态圈之中。数字经济 2.0 时代，数据的流动与共享，推动着商业流程跨越企业边界，编织全新的生态网络与价值网络。
另外一项技术云计算就可以很好模糊企业内部 IT 与外部 IT 的界线，公司间传统的数据与程序相隔离的状态将有望被打破，随之将出现新的商业生态和价值网络。未来，公司间的业务流程可能会高速增长，这反过来将有助于商业生态系统的建立。公司 IT 系统一旦打破烟囱式结构实现互通互动，从而越过公司界线执行业务流程，将有望构建全新的商业形态，特别是新型的商业生态。
有人将资本的博弈定调为数据和资本，有人定调为用户和数据，也有人定调为数据和人才…无论怎么讲，几乎所有人都认为“数据”是其中最为重要的一项。其实，人才决定技术能力，企业所有的问题，都是人的问题无疑，巨头不差人，特别是优秀的人；资本是博弈的中坚力量，在企业成长与壮大过程中不可或缺，现在的腾讯、阿里，还有新型生态头条和美团，前期并没有太多的资本，仅是维持了基本的生存需要。
巨头之间的博弈，主要有二：场景、数据。
1. 表层物理世界全方位覆盖场景
要对物理世界所有的场景进行产品、服务的覆盖，至于用什么样的“端”，例如：IoT设备，什么样的技术，例如人工智能，什么样的互动手段，例如语音交互，都是服务场景获取价值的手段。
但基于场景提高服务质量，同时实现效率的大规模提升，是所有企业孜孜不倦的追求，数据让这一目标有了突破的可能性。
2. 底层数字化世界全方位获取数据。
在另外一个平行宇宙，完全复制一个数字化的世界，描述这个世界的技术就是知识图谱。利用云端的数据，结合算力和算法，从而服务物理世界，实现质量和效率的提升，这是数据存在的根本价值。
也就是是说，服务特定场景下的用户，是企业存在的价值；高质量、高效率实现这一目标的原材料是数据。除此之外，云是算力，人工智能是算法，网和产品（互联网平台）
属于连接器，端（各种IoT设备）是触点或渠道。
这是数据的第一层价值，服务质量和效率提升的原材料！
02 数据成为核心要素
互联网生态一般都指2C生态，讲究产品、用户、转化率。其中，用户是生态的一切，想要服务好用户，至少要具备三个能力：用户画像（描绘用户的能力）、服务能力、反馈闭环。
一套机器学习系统希望在图片中找到一只狗，并分辨出品种。为此，大量带有“标记”的图像不可或缺：一组图片教会系统在图片中识别狗的位置，其他图片集则用于区分不同犬种。在监督学习模式下，图像通过手动标记，不仅告知系统动物位置，同时也说明其种类。
并行处理技术和人工智能算法的发展，进一步开启了深度神经网络的潜能。受到大脑的神经连接模式的启发，深度神经网络可以学习大量的现有数据（即使它们中混杂着许多无用数据也不受影响）。作为学习过程的一部分，这些算法会自主掌握新的数据联系方式—这意味着，深度神经网络人工智能系统可以不断拓展和提高自身能力。
这里面，无论是图片本身，还是人工对图片进行标记，都是一个个鲜活的数据。
另一项进步则体现在强化学习领域—AI 完全自主学习，无需人为监督。 DeepMind公司的AlphaGo Zero人工智能系统在不了解任何规则的情况下，自学了围棋下法。在几天之内， AlphaGo Zero便已成为顶尖围棋高手，以100比0的绝对优势击败了自己的上一版本—曾战胜全球最优秀人类选手的“阿法狗”。
AI获取的数据越多，其预测效果就越好。它通过学习，能够利用这些数据建立模型，然后根据测试数据理解各种因素的作用。例如前面提到的识别宠物及其品种，测试数据集中可以加入一幅在杂乱背景中存在多只宠物的图像。一旦模型达到了所需精度，就可以在生产环境中使用。
1. 用户画像的意义
用户画像至少分为三个维度的意义：战略层面、产品层面、对外服务层面。
- 战略层面的意义，从这个层面讲，用户画像是企业业务经营、收入分析，竞争分析和用户维护的基础。
- 分析用户的基础，即完善产品运营，提升用户体验的基础。这个维度主要包括业务运营监控和用户体验优化。
- 第三个维度就是开放，即对外开放服务能力。主要包括精细化营销服务，数据服务等等。
所有的东西都是围绕服务用户进行的，前两者是服务生态内部的用户，第三个是服务生态外的用户，或者更准确的讲是企业用户。
2. 用户画像是所有服务的基础
用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，最终可用于：
- 分类统计，最后进行用户分群，分群是服务优化的前提。
- 数据挖掘。利用关联规则计算，例如喜欢红酒的人通常喜欢什么运动品牌；聚类算法分析，例如喜欢红酒的人年龄段分布情况。
- 数字化、智能化营销的基础。前面谈到的数字化营销，智能化营销，都是建立在了解用户的基础上。
- 精细化服务的基础。
- 挖掘用户潜在价值的基础。
- 挖掘用户关联关系，进行关联服务的基础。
- 风控的基础。移动大数据在预防互联网恶意欺诈和高风险客户识别方面，已经有了成熟的应用场景。
- 信用系统构建的基础等等。
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。
3. 用户画像在保险生态的作用
在互联网环境下，保险企业经营的核心竞争力在哪？必争之地在哪？应该有四个：服务精准触达、用户风险评测、风控、潜在需求挖局。
- 服务精准触达：通过各种方式，和用户发生接触，促进用户和公司的触点产生直接或间接的交互，包括获客、流量、场景、渠道更各方面的覆盖，从而精准的提供服务。
- 用户风险评测：利用自有数据、第三方数据以及用户实时行为数据，进行个体需求评估和个性化产品的服务匹配，例如智能保顾。
- 风险控制：动态、持续的进行用户风险监控，利用数据、建模等方式进行赔付控制等。
- 潜在需求挖局：在满足显性需求后，怎么挖掘用户的潜在需求，将成为下一轮竞争的重点，而且潜在需求将远大于显性需要。
所有以上四个问题的解决，是建立在一个重要的基础之上的，就是对客户进行动态、持续和精准的画像。完成动态精准画像的基本要求是要有两个方面的能力：
- 数据：必须是实时、多维、充分的热数据。这就要求企业要具备数据获取、存储和加工的能力。
- 技术：能将数据进行加工、清洗、建模、计算后将结果反馈给用户，形成高效服务的反馈闭环，并持续优化反馈结果。这一点，要求企业要同时具备建模、算法化、算力化、产品化、网络协同化等等一系列技术相互协同的系统化的能力。
这就是互联网生态的本质特征，基于这个逻辑，可以对保险的互联网生态作如此定义：保险互联网生态是指利用保险科技，通过产业链纵向和横向延伸服务的形式，形成数据智能和网络协同，并以开放和流动做为基础，最后实现产业无边界扩张的商业模式。
4. 用户画像、服务能力、反馈闭环三者之间的关系
如下图，数据化就是用户动态画像。物理世界和数字化世界，要想形成有效的服务闭环，任何一步都少不了。
物理世界场景，要通过端、网、云，最后反馈到物理世界服务于具体的场景。例如：通过用户在IoT设备上的交互，将数据通过网络连接反馈到云端，在云端进行数据的清洗加工，用户画像的完善，之后进行必要的模型核算法化，最后将计算结果配以必须的产品和服务，提交给IoT设备端的App产品，服务于用户，等待下一步的反馈。
用户画像、服务能力和反馈闭环三者之间的关系。画像判断用户需求，通过需求通知智能工厂生产产品或服务并选择合适的服务推送到设备端。整个过程形成的第一个闭环，但必须要通过该闭环不断的和用户交互反馈，才能够提高服务的精准度，也就是说反馈闭环是精准服务的必要条件。
这是数据第二层的价值，构建动态的用户画像。感兴趣的可以搜索数字孪生了解更多。
03 数据是数字经济时代的新能源
工业经济时代的能源概念更多是指以石油和煤等自然物质资源为代表的能源，而数据则是人类自己创造的新能源。数据是物理世界在虚拟空间的客观映射，过去快速发展的互联网时代，以人人在线为主要特点，仅仅是数字经济的开始，未来物联网时代，物物在线，原子比特世界融合成一体，人、事、物都在实时被数据化，人与人、物与物、人与物之间瞬间就会产生大量的数据，才真正使得在线成为常态。
1. 生态下半场下的数据核爆
移动互联网如同一个强大吸引力的黑洞，将世界万物连接在一起。截止2018年底，全球网民突破40亿，超过世界总人口的 1/2。人的在线化程度不断提高的同时，物的在线化也正在迅猛发展。人与人、人与物、物与物构建了互联互通的网络，人与机器自由穿梭在边界日益模糊的虚拟与现实之间，共同编织着生动的实时在线世界。
数据量将呈现爆发式增长，真正成为核心生产要素，通过在线数据、迭代算法、实时计算匹配供需，进行市场资源配置。
预计未来十年超过万亿传感器将接入移动互联网，超过 10% 的衣服、鞋、眼镜等都能接入移动互联网，首款植入人体式手机也将上市。无人驾驶汽车将占美国汽车保有量的 10%，人们将乐于使用汽车共享计划而非使用私家车，全球范围内使用汽车共享服务的行驶里程将超过私家车。超过 10% 的人拥有人工智能私人助理，帮助我们买菜、饮食搭配、健康建议、安排行程、补充知识等。
自然人机交互成为主流，人类可以通过自然语言、身体动作甚至思考意识与机器进行交流。全球的数据量将超过 230ZB，以数据计算为基础的零人工干预的经济模式也将迅猛增加，将超过经济总量的 10%。最后，计算量将代替耗电量成为衡量经济活跃度的重要指标。
2. 数据是数字经济新时代的新能源
在技术，生态之基一节中（技术，生态之基 | 保险科技生态建设（十一））分享了阿里研究院关于数字经济2.0的架构图，第二层数据层，包括数权、数字资产、数据流动与共享、数据保护、数据伦理以及数据成为生产要素各项。
数字经济2.0 是在线产生的数据，是活数据。数据用于记录、反馈和提升互动体验，过往杂乱、无用、静态的数据因为在线而变得鲜活，因此数据就拥有了生命，能够用于量化决策与预测。发掘数据价值的技术成本降低，数据可以用在全局流程及价值优化，并且实现真正的数据业务化，产生新的社会经济价值。
以保险业务价值链为例，从产品设计，保险推荐，到核保核赔，每一步数据的作用都至关重要，而这仅仅是数据改变传统保险的第一步。
这是数据第三层的价值，数据作为数字经济 2.0 的核心生产资料和生产要素。
04 数据治理人人参与，人人受惠
大数据治理是指充分运用大数据、云计算、人工智能等先进技术，实现治理手段的智能化。如城市交通治理，运用交通实时大数据分析车流量，可以减少拥堵。购物平台的打假、炒信，面对海量商品、海量卖家买家、适时交易、碎片化交易等特点，利用传统的商业监管方式已无法应对这些新情况，而利用图片识别技术、先进算法、大数据分析等方法，可较好地发现问题、解决问题。
这其中，数据治理尤为重要。
数据治理，除了顶层设计以外，更为重要的是要以普惠心态进行数据治理。也就是人人参与，人人贡献数据，人人维护数据，最后人人享受数据带来的价值。
从经济学角度讲，真正能做到效率最大化、才能让参与者收益。
在数字经济 2.0 环境中，“人人参与、共建共享”的特点，实现了普惠科技、普惠金融和普惠贸易。以保险所在的金融领域为例，以互联网信用为基础的新型信用评分模型，对于普惠保险的实现具有不可替代的作用。通过大数据统计概率计算，可以使得不同风险的个体得到精准的风险评估，从而能够匹配差异化的金融信贷服务，让更多的个体享受到适合其各自风险特质的保险服务。
这是数据第四层的价值，普惠化讲究人人参与人人享受数据带来的价值。
总之，没有数据，就谈不上生态~
总结
- 数据的第一层价值，服务质量和效率提升的原材料！
- 巨头博弈：表层物理世界全方位覆盖场景，底层数字化世界全方位获取数据。
- 数据第二层的价值，构建动态的用户画像。
- 数据第三层的价值，数据作为数字经济 2.0 的核心生产资料和生产要素。
- 数据第四层的价值，普惠化讲究人人参与人人享受数据带来的价值。
- 没有数据就没有生态。
互联网生态建设落地五大挑战 | 保险科技生态建设（七）
支付，造就金融科技生态契机 | 保险科技生态建设（八）
保险科技生态建设（九）：信用体系
平台图谱及演化之路 | 保险科技生态建设（十）
技术，生态之基 | 保险科技生态建设（十一）
打破利益平衡，形成社会分工 | 保险科技生态建设（十二）
保险科技生态建设（十三）：场景分析工具
