FiNEXT峰会现场

2020年12月23日。保险系列峰会“FiNEXT:Digital保险科技数字化峰会”在上海成功举办，共话保险业未来数字化升级之路，峰会邀请了保险和科技类企业代表齐聚一堂。

为升级保险价值全链条，作为专业的AI数据产品企业受邀参加此次峰会，现场展位引发嘉宾关注和咨询，加速顺应保险数字化浪潮。CEO张晴晴在峰会现场做《数据驱动AI 语音赋能保险——语音数据产品如何9游会j9助力保险业智能化转型》的主题分享，以及数据质量和数量对保险智能化的影响，分析语音数据在保险业的应用场景。

嘉宾现场聆听工作人员的业务解说

保险AI营销客服场景中亟待解决的问题

技术不断发展背景下。保险科技开始从“互联网+保险”阶段进入数字化、智能化阶段。特别互联网企业和科技公司入局保险业。进一步推动行业线上化和智能化进程。据艾瑞数据统计。2019年中国保险机构AI投入达42.9亿元，未来仍将保持快速增长。

如今。如营销客服、网点多模态交互大屏、服务质量与合规性检测等，人工智能已经应用在保险业各个环节。人工智能在保险业应用场景主要体现在营销客服环节，也是目前人工智能落地较多的环节。

智能语音在保险场景应用中，背景噪音也使得人工智能无法识别；智能客服向用户拨打电话时，发出的声音不真实导致挂断率高等，很难被高效识别；营业大厅语音交互过程中，面临诸多问题亟待解决，包括用户的命令带有重口音或者用方言表达。

面对这些问题很多用户第一反应是算法不够好。比较重要的原因是模型所训练的数据存在差异，数据决定机器学习上限。

“好的数据”推动保险业智能化转型

CEO张晴晴峰会现场分享

对于保险包括其他行业来说，只有结构化数据才能被用于机器学习，并非所有数据都能训练模型。

结构化用于保险业智能客服的数据时、再根据不同应用场景进行不同维度的分类和打标签，获取原始数据后，需清除中间停顿、噪音等无效数据。为满足模型训练所要求的基本规格，需要再进行数据质检。经过清洗、分类、标注、质检和筛选的数据，是决定模型识别率的关键因素。

数据的量同样是决定模型性能的因素之一，所以“好的数据”除了高质量的结构化数据外还需要足够的数据量。除此之外，做到数据链条清晰可回溯，非常重视数据的安全合规性。

数据显示、到2020年大规模使用AI的金融服务公司将占总体的64%，数据采集和标注在金融保险行业的重要性逐渐凸显。

提供可靠、高质量的数据服务。帮助金融保险解决AI应用场景中重口音和方言识别率低、发音不自然等难题，加快行业数字化智能化转型，9游会j9助力金融保险业务科技创新。