保险行业篇：精算师和会计可以转行成保险行业的数据科...

香菜炒饭

本篇介绍了保险行业中数据科学家的工作项目及挑战，以及他们与精算师的联系和区别。

刚入行的数据科学家一般从哪方面开始上手？工作中有哪些挑战？

保险行业的数据科学工作主要包括分析数据和建模两大类。刚入行的数据科学家一般从数据分析工作开始上手，比如通过描述性分析的方法对简单的问题进行分析。最开始接触到的工作内容是和组里目前在做的项目有关，一般是从风险评估做起。

其中的工作难点在于数据调试、逻辑思维以及找出存在问题的能力。

数据科学家一年会做几个机器学习项目？保险行业监管对建模周期有什么影响？

每个数据科学家需要完成的模型数量和组里目前在做的项目是相关的。比方说风险评估模型，如果这是组里的第一个模型，建模周期会比较长，因为需要经历和精算组首次讨论并配合的一个过程。如果是第二个及之后的模型，周期就会相应缩短。

保险行业属于金融服务业，监管部门对机器学习模型的上线严格把控，所有模型都需要经过严格的内部测试，才可以申请上线。因此数据科学家有可能做了很多模型，但实际投入使用的却为数不多。

以个人汽车保险的风险评估模型为例，这个过程中数据科学家的建模工作是为精算组服务。首先，由数据科学家建立预测模型，并将其转化为回归模型，把得到的参数提供给精算组，由精算组决定是否采用这些参数。此外，数据科学家需要每周根据监管细则的变化对回归模型进行相应调整，并把更新后的参数发给精算组，由精算组再次调节并将调整后的参数反馈给数据科学家，经过几轮的循环才会最终确定模型。最后，精算组每周会将模型上报审批，审核通过后模型才能正式上线并投入使用。

保险业的数据科学家和精算师有什么区别？

二者的项目服务范围和职业发展路径不同。

1、就保险公司内部而言，数据科学组的服务范围比精算组更多样化。

精算组的工作重心是风险评估，主要体现在定价和准备金评估这两个方面。而数据科学组的项目服务范围更加广泛，能够服务于精算组、核保团队、运营团队、甚至人力。

2、数据科学家的工作贯穿保险业的整个商业流程，而精算师的专业特长只集中在特定领域。

由于精算领域比较细分，不同类型的精算师需要考取的证书不同，不同精算领域的行业知识也相差很大，所以精算师一般是在某个细分领域长期深耕，不容易转到其他领域。而数据科学家掌握了更多跨领域知识，职业的灵活性比较强，因此转行更容易且更常见。

精算师和会计容易转行成数据科学家或数据分析师吗？

有一定精算背景的人去转行成保险业的数据科学家是有优势的，但最主要取决于个人情况。由于数据科学家的工作内容包括数据分析和编程部分，所以很重要的一点是，你对编程是否抗拒。

会计的话，转行成数据分析师会更适合。数据分析师的工作较少涉及编程，但必须熟悉 Excell、VBA (Visual Basic for Applications)、SQL 以及相关行业知识。