
互联网保险护航大数据安全 为云计算上一把“安心锁”
7月27日,备受瞩目的《互联网保险业务监管暂行办法》正式出台。该办法围绕放开经营区域限制、产品管理、信息披露、落地服务、信息安全等一系列问题进行了明确规定。对于保险机构而言,如何确保与互联网保险业务有关交易数据和信息的安全、真实、准确、完整,值得险企更加重视。本期《保险周刊》就以上问题进行探讨,敬请关注。
7月27日,保监会印发《互联网保险业务监管暂行办法》(以下简称《办法》)。业内普遍认为,这一跨时代的监管规定正式出台,将对推动互联网保险发展起决定性作用,保险2.0时代即将全面到来。
好消息总是接踵而至。近日,国内首家互联网保险公司众安保险携手全球领先的云计算服务商阿里云宣布推出国内首款云计算保险,100%全方位护航云计算服务安全。此次合作不仅是众安DT思维的一次集体展现,更是互联网保险向云技术领域迈出的第一步。
满足“云”安全渴望
互联网界最近有朵“云”很红,那就是云计算。随着数据的飞速增长,云计算利用高速互联网的传输能力,将数据的处理过程从不堪重负的个人计算机中解放到互联网计算机集群中。然而,在当今这个信息为王的时代,哪怕只是数据碎片泄露也会十分危险。
云计算的发展速度显示,预计2015年中国云计算市场规模将突破1000亿元。然而,随着越来越多的政府、金融机构将业务部署在“云端上”以后,即便数据可靠性高达99.9999999%,部分企业仍认为云计算的安全性值得谨慎。
而今,阿里云联手众安保险推出云计算保险后,可能可以让阿里云的用户高枕无忧了。
根据条款,阿里云的用户如遇到数据安全、云服务、硬件设备故障等问题,都将由专业的第三方保险公司提供赔付,同时也对数据的100%私密性、100%可销毁性等提供保障。在后期如用户遭遇损失,只需联系阿里云客服反馈情况配合理赔即可,众安保险将根据损失情况进行赔付。
阿里云业务总经理刘松向记者表示:“我们希望借助保险机制,为用户提供100%的安全保障,进一步提升市场对云计算安全性的感知。”按照规划,未来阿里云与众安保险还将推出更多用户可选的增值服务。例如,用户可为自身系统投保购买更高保障,若遭遇黑客攻击造成损失,将可获得保险赔付。
打破“IT系统魔咒”
记者了解到,作为国内首家互联网保险公司,众安保险技术部门人员占员工总数的一半,有互联网背景的员工更是远超过一半。基于互联网保险小额、海量、高频、碎片化的特点,众安保险是首家将自有核心系统架构在阿里云上的金融机构,因此众安技术部很早就与阿里云技术部门进行密切沟通。
“面对高速发展的云计算系统越复杂风险就越高的‘IT系统魔咒’,金融、政府等敏感用户也因而更为担心云技术所存在的风险。”据众安保险数据开发团队负责人王利介绍,在无数次针对数据安全性、保密性、可销毁性等问题的交流沟通中,云计算保险应运而生。众安保险希望利用自身优势转移风险,弥补不断迭代升级的互联网技术在安全领域带来的缺憾,为云计算上一把安心锁。
“以产品为导向的众安团队机制使得各个部门迅速连接在一起,几天时间就完成了产品上线。”王利还表示,从被服务到服务,众安保险技术部门为阿里云量身定制的云计算保险正是众安DT思维的一次集体展现。同时作为非业务部门的技术工程师们,从工作中主动发掘合作伙伴的保险需求,这也正是众安一直以来所倡导的“从场景中寻找客户痛点的产品理念”。
数据显示,截至2015年6月30日,众安保险累计投保单数近20亿件,客户数已超过2.86亿。2014年,众安保险在“双十一”当天处理的保单数超过1.5亿件,当天保费规模也超过1亿元,平均每分钟需要处理9.7万件保单。这也是对众安保险大数据处理及服务能力的一次综合检验。
保险推动企业“上云”
种种迹象表明,云计算作为一种灵活、动态且提供实时支持的IT模式,将是未来信息化发展的必然趋势。2011年,美国就从国家战略层面提出了《云计算技术发展白皮书》,把云计算纳入国家发展战略。2015年2月,国务院发布的《关于促进云计算创新发展培育信息产业新业态的意见》中特别强调,将从政策上支持云计算技术,比如12306的铁路票务查询系统、杭州政府信息系统等都对接到阿里云。
“云计算的高速发展需要保险服务作为其安全后盾,两者可共同发展互为补充。”有保险专家表示,随着云计算的普及,大量政府核心数据、社会公共数据、企业运营数据接入到云计算后,这将带来集中度较高的数据安全风险。因此,保险的介入将使风险得到转移。可以说,云计算保险的推出将进一步推动更多企业“上云”。
根据业内人士估算,一些保险公司2014年保单总和在20亿至30亿笔之间,所对应的IT投资则高达百亿元。而目前,基于阿里云计算技术的支持,众安保险则用低成本高灵活性的计算能力支持互联网业务的拓展,并突破国内现有保险营销模式,不设分支机构、完全通过互联网进行销售和理赔,实现业务的全面创新。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29