从“来现场POC”到“去线下店体验”：我的数据治理产品选型经历

       本人所在的企业为亚洲领先的保险集团公司，公司业务遍布亚太地区多个国家，覆盖寿险、财险、健康险等多个险种。立足于创新、多元化的互联网保险产品与服务发展目标，作为公司数据部门的元老，我先后参与建设了公司的SMART 投保系统、UW/NB核保系统、LA个险核心系统等多个业务系统，同大部分保险企业一样，我们的软件开发能力有限，以及环境、投入等因素，我们各系统均为不同开发商基于自己对业务的理解进行规则设计与开发。对于集成这些系统的我们而言，保障系统间数据一致并能有效联动成为现今工作的至关难关：在测试环境下，数据在单个系统内看起来毫无差错，基于业务流交互于各个系统之间时却往往发现数据不一致甚至相互矛盾。我们不断的投入人力、时间去全面了解各系统的规则、测试系统设计是否符合业务需求，投入了很多依然发现代理人的佣金计算不对、投保数据与核保数据不对、保费保额计算总是差那么几分钱、公司各部门各系统都说自己的数据是准确的，但为什么最后的结果就是不准甚至相矛盾……诸如此类问题一直困扰着我们数据管理部门及项目团队，最终公司决定启动数据治理咨询服务。

       历时一年，我们与全球知名的一个咨询公司完成了企业数据战略规划咨询服务后，正式开启了企业数据治理建设落地工作。首先启动的就是数据质量治理产品的选型调研----简单说就是核验检测工具对投保、核保、个险等几个系统样本数据进行数据质量分析，并对系统间数据一致性问题进行深度梳理，本次预备核验重点为各系统的保单号，代理人 编码，保单机构险种费额相关信息。做了各种比对，选择了3家数据质量产品进行体验。

A产品，国际性公司产品，公司为全球领先的数据管理软件提供商，数据质量工具在Gartner魔力象限位于领导者地位，在传统数据或大数据中均有使用案例；

B产品，国内产品，公司为专业的智能数据产品与服务提供商，深耕商务智能和大数据领域16年，案例集中在政府数据应用难题解决；

C 产品，代理的国外产品，同时在多年代理中研发了数据质量服务的周边产品，其数据质量工具在Gartner魔力象限也位于领导者地位，在工业大数据、金融保险行业均有案例。

Ａ产品体验经历：

A产品的体验过程可以归纳为12个字：文档多、会议多、确认多、思考多。

1、与厂商确定需求场景

通过远程会议、上门拜访、文档整理等诸多形式，与厂商明确了整个项目的需求场景。本次需求涉及的系统主要有S、U、L、G、D系统，涉及的主要的字段包括代理人编码、保单机构编码、首期保费、首期保额、险种编码、险种首期保费、险种保额。客户在POC流程方面有丰富经验，在需求整理时覆盖到了业务对象的相关要素：表单内容、流程明细、权限明细、统计图表要求等，以及确定参与POC的人员履历信息。

2、签署PoC服务告知书

厂商起草了一份《ＸＸ客户售前验证服务告知书》以确保POC的有效投入。告知书包含此次POC面向对象、需求要点、整体计划、验证周期，特别标注了“志愿提供不收费的售前验证服务”交予我们确认并签署。

我认为告知书增强了我们双方对此次POC的重视，也更好地明确POC的整体计划和内容，确保项目能够得到有效推进，防止长期低效的POC。

3、按计划执行POC

POC计划达成一致后，与厂商安排的人员直接按计划执行POC。伴随着POC的展开，我们与厂商频繁的进行会议沟通，无论是电话会议、视频会议还是现场会议，会议纪要数十份，相互协作，进一步明确会议中存在的争议点、确定的解决方案以及双方理解是否真实且一致，确保了PoC的有序推进。这个过程中个人觉得比较好的是厂商提供的PoC阶段问题记录文档记录POC过程中，我们的需求变更、体验优化、需求增加等问题。但是厂商与我们的业务人员、技术人员的不间断、不定时的交互过程逐渐影响了团队多人的正常工作。