如何一周测试5000多个规则？如何吹毛求疵找bug？大数据工程师正成保险业“新宠”

（原标题：如何一周测试5000多个规则？如何吹毛求疵找bug？大数据工程师正成保险业“新宠”）

4月1日，人社部“官宣”了13个新职业，数字化管理师、大数据工程技术人员等都在其中。随着保险+科技融合，保险业也逐渐成为高科技人才聚集的行业，出现了越来越多的新工种：保险大数据分析师、保险测试工程师……

数据分析师如何玩转数据并运用数据？在细分场景下如何制定费率、精准获客，并通过数据分析识别骗保？测试工程师如何吹毛求疵找bug，优化客户体验流程？券商中国记者近日采访了众安保险的相关专家。

众安保险是国内首家互联网保险公司。公司每年投入相当于总保费7%-8%的资金用于科技研发。2018年，众安的科技研发投入占总保费的7.6%，达到8.5亿元，较2017年的5.2亿元增加64.5%。截至2018年12月31日，众安保险的工程师及技术人员共计1618名，占公司雇员总数的52.4%，累计申请专利230件。

保险大数据分析师：玩转数据的“魔术师”

计算机科班出身的王恒曾在IT和电商公司从事数据分析工作，目前任职众安保险数据智能中心算法高级专家。

王恒说，数据分析花在“想”上面的时间比跑程序的时间更多，就像一个桥梁或者魔盒，一方面对接需求，另一方面分析数据和将其转化成容易理解的语言，供决策部门形成决策。

保险流程有很多需要数据帮助决策，比如接触用户的阶段——向哪些用户推销保险产品才能有更高的转化率，需要精准投放；用户进来后，风控要确认这个人是不是骗保的，需要数据来决定；而在核保阶段，这个人的风险程度究竟如何，这也要由数据帮助决策；业务做完之后，这个业务长期有点亏损、不是一个好业务，那我要把它砍掉还是继续，这是一个公司战略层面的决策，也需要数据来帮助。

他进一步解释，互联网保险业务是从长尾需求起步，这个需求本身就是动态和非常细分的。比如，以前旅游意外险就是一个险种，但我们的思路是要保障用户最需要的内容，所以要区分东南亚旅游意外险、香港旅游意外险、国内旅游意外险，把产品和责任切得更细——细分场景下如何制定费率、如何精准获客，背后都是由数据驱动的。

王恒说，大数据的特征是“4V”：volume(数据量)、velocity(速度)、variety(多样性)、value(价值)。线上渠道用户的行为有两大特点：一是数据量非常大。用户的每一次点击、页面上每次滑动，都会产生一条数据。二是数据的变化也特别大。比如以前制定一个费用政策，可能一个季度制定一次就够了，但现在希望每天都有一个反馈，系统的响应频次会越来越高。

除了数据本身的特性，大数据分析的核心更在于对业务问题的深入理解，并推动用数据解决这些问题。王恒介绍，除了数据分析师本身的职业积累，为了更加深入理解保险运营，公司内部设置了“阴影工作”和“创意工厂”机制。在适当的时候，数据分析师会抽出半天或1天左右时间，像“影子”一样跟着相关保险运营人员工作，了解相关工作的全部流程，此外还会在相关部门选择相关人员进行角色扮演，对运营和服务过程进行推演。

数据驱动决策。当真的用数据协助做出决策的时候，可算是数据分析的高光时刻。王恒介绍说，此前做的智慧经营系统，通过大数据和AI技术实时洞察业务风险，对赔付率较高的业务给予预警提醒，帮助保险中台业务人员管控业务品质。这套系统目前的反馈非常好。数据分析师提供了这个系统里面的分析维度和指标，通过模型与算法改善数据分析效能，极大提高了业务人员的日常作业效率，也帮助业务人员甄别到了更细颗粒度的业务风险。

和互联网圈的996工作模式不同，数据分析师的很多时间都花在思考上。“想”这个工作不局限于坐在工位上想，走在路上或者是在家里、在浴缸里都会思考，没有时间和空间的限制。“能想的时候，反而是一个人比较放松的状态。所以如果把这部分时间也算工作时间的话，我们远远超过996。”他说。

观点：大数据信仰≠对大数据量的崇拜

一些年轻同学在选择工作时认为10亿级用户的公司才算是有大数据的地方。王恒认为，不是一定要有大数据量的地方才能做大数据，关键在于数据对决策的影响有多大。

他说，那种简化问题、把算法往数据上一搁就行的思维方式，其实是懒惰的。保险行业和其他许多行业一样，更多是需要分析师主观思考——究竟我要看哪方面的数据，然后哪方面的数据能够支撑我在哪方面作出决定。主观上的选择和思考的过程要比跑算法的过程更久、更难些。

王恒说，很佩服那种有产品眼光的数据分析师。事实上，仅仅是大数据分析，更像是搬砖，但那些有战略眼光的人是能够解释数据，能从细微数据里面去发现问题，甚至能够解释并且作出预测，这样的人其实是比较厉害的，这是一种把解读数据与(行业)大环境相结合的能力。

数据分析这个技能让个人受惠吗？有人说买房便宜了40万？王恒说，听说有一些人去买地的，也有做投资的、炒股的，但最后能成不能成另说，不然现在就都不做程序员了。“大部分来说，我觉得还是运气了。”他说。

在很多人看来，大数据分析师是DT时代的“金饭碗”，如何才能成为大数据分析师？王恒说，以目前的工具成熟度来看，对学科背景要求不多，对个人思维的要求比较高。个人思维，首先得有一个理性思维，然后要有观察和理解问题的能力，包括这个问题跟什么数据、指标相关，然后我才能去做这个分析。不然你都不知道用什么数据入手来解释这个问题。

至于用什么模型、算法，现在门槛都很低，只要知道这个算法是干嘛的，背后的复杂度不用管。所以市面上那种大数据培训，主要是在于帮助熟悉整套的工具，这套工具其实跟电钻螺丝刀没有什么区别；但这套工具怎么用、能不能用好，还是看自己的思维能力。而且，还要有数据信仰，要相信说这个数据确实能够反映一些事实。

传说中的“月薪五万”是否确有其事？王恒说，团队的中位数应该是没有这个数字的。虽然“码农”这行也有很多细分工种，但同样资历的人工资差别不大。如果一直做重复性劳动、可替代性高的话，不管是数据分析，还是开发，工资都是不高的。

保险测试工程师：“吹毛求疵”找bug

作为保险科技另一新工种，保险测试工程师在很多人眼中是专门研究如何高效地挑出更多bug的人。

众安保险质量管理平台部测试开发专家钱立化认为，这样的说法不全对。测试工作内容一般分为两部分，一是要高效地发现系统中的bug、功能是否正常；二是验证产品的使用体验，如页面布局是否合理、用户使用是否方便。

测试工作的结果是为了完善，但难免被责怪“吹毛求疵”。钱立化表示，开发有时候会吐槽，说这个bug不影响流程，他们会优先改那些相对重要的的bug。不过吐槽归吐槽，最终还都会改的。毕竟大家也理解测试不是杠精，只是对交付物负责。

在钱立化看来，保险行业保障很多家庭免受疾病和意外的生活风险，应该是受人尊重的。现在很多人对保险的理解还有偏差。而且，在保险行业待过后，再去其他行业做测试就不那么难了。保险是比较复杂的产品，一方面受银保监会监管，另一方面保险产品流程节点多，如投保流程从前端的询价-->投保--> 核保--> 费用确认-->承保，再到后面再保流程和理赔流程，整个产品的测试非常深入，而互联网产品相对扁平，测试走几步就结束了。

新保险为何需要质量测试工程师这样的新工种？

钱立化说，新保险将销售、理赔统统搬到线上后，背后的过程远比用户在手机页面上看到的要复杂的多。以前在传统保险公司，每天面对的是公司内部使用的系统，客户数量有限，操作次数也不多，而且集中式系统远比分布式要简单。但互联网保险的要求要高很多，网络的并发量一秒钟可能就有几万。

他介绍说，测试工程师的KPI不是用找到多少bug来衡量，而是看任务复杂度和排期。工作中也划分了更细的工作小组：测试开发组保证质量，开发研究一些工具；科研组盯着整个系统的质量；测试运维是盯着核心测试和数据测试。测试工具对测试工作来说很重要，可以在突发工作多时弥补人力上的不足。

如何评估是否是一个优秀的测试工程师？钱立化介绍，一开始不知道谁技术好，谁技术差，但一段时间之后，开发的同学会进行反馈。比如一个登录的点，你是否把登录测全了，测试这个点的逻辑思维是什么，不是工程测完就结束了，要站在用户、安全、性能的角度多方面考虑。

一款好产品，荣光总是属于研发者、产品经理。会“嫉妒”吗？“不嫉妒。我们享受产品的打磨、完善的过程。”钱立化说，产品没有bug在线上运行，就是测试工作的高光时刻。

他举例说，有一次数据项目上报5000多个规则，规定一个多礼拜交出来。“当时我们就两个人，但接到这个项目时候很兴奋，第一反应不是觉得压力大、完不成，而是真的很有挑战性，得思考怎么想办法解决。我通过手工写代码模型自动生成测试代码，很有成就感。在那么短的时间内完成那么大工作量，全自动化……最后还申请了专利。”他说。

测试工作很忙碌，如何平衡工作和生活？钱立化说，如果每天到凌晨两点，半个月身体肯定不行。自己有健身计划，跑步40分钟，一周两次练体能，俯卧撑一次能做200个。

谈及对测试工程师职业发展路径的看法，钱立化说，测试技术一直在更新，会随着开发技术的发展而发展。所以对于新技术，从业者要知道怎么测试这个技术，以及这个技术可能出现什么问题。即便做老师、教授的工作，也一定要对技术保持敏感性，脱离一线太久也是不行的。之前看过一篇文章，一个做测试出身的CTO，隔一段时间就会去亲自写编码测试，体验一线技术。

生活中能忍受bug吗？钱立化说，自己对吃的很挑剔，而且比较看食物的颜值。“有次在家做饭，油焖茄子做得不够完美，我就马上重新烧了一遍。”

（文章来源：券商中国）