English  |  正體中文  |  简体中文  |  Post-Print筆數 : 27 |  Items with full text/Total items : 113311/144292 (79%)
Visitors : 50939156      Online Users : 957
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: https://nccur.lib.nccu.edu.tw/handle/140.119/72541


    Title: 大數據分析時代壽險業之因應對策
    The life insurance industry`s Big data strategy
    Authors: 廖晨旭
    Liao, Chen Hsu
    Contributors: 蔡政憲
    廖晨旭
    Liao, Chen Hsu
    Keywords: 大數據
    資料科學
    資料採礦
    預測分析
    壽險業
    Big Data
    Data Science
    Data Mining
    Predictive Analysis
    Life insurance
    Date: 2014
    Issue Date: 2015-01-05 11:19:49 (UTC+8)
    Abstract: 自工業革命之後,人類與科技間關係的變化牽引著整個社會、經濟的發展,而其中泛用型科技(GPTs)又扮演著要角,科技持續以指數式速度發展,大數據的出現是有脈絡可循的,某個程度上來說(從資料及分析兩方面的演進觀之),可以說是必然發生的。大數據分析,不是時尚名詞,而是一個影響著現在及未來的大趨勢,縱有許多反對的聲音與論述,但它確實已經是國家安全戰略的一環,也是企業生存戰賴以維生的命脈。
    大數據與過去不同的是我們擁有更多資料的來源,資料可能來自外部(Open Data、第三方資料),也可能是更精進的資料蒐集機制得來(如:設計誘因機制使顧客自願提供其資料或設計隨機試驗取得異於歷史資料的新資訊),而在資料種類格式、資料取得與回饋反應的速度上,在新興的MapReduce技術、NoSQL資料庫及串流資料處理技術支撐下,均可有效即時或近即時地被完成。
    大數據分析最重要的還是在於「預測分析」,而為了讓資料說話,我們要熟悉大數據的特性與缺點,而支持大數據的硬技術與軟技術發展上一日千里,更提升了大數據在各產業的應用可能,而投資大數據的企業營收比那些沒有投資大數據的企業可以高出12%以上,在多數產業紛紛投入這場軍備競賽取得初步成效之際,而傳統壽險產業在大數據及其他科技變革的因應上不如別的產業時,則應在壽險價值鏈上去觀察並利用大數據分析,突破現有商業模式,選擇最佳導入策略,尋覓理想的資料科學家擔任CDO,委任其組織分析團隊並擬定大數據成長策略,建立適切軟硬體的架構,並完成第一個先導計畫取得小規模成功,進而加強企業高層大數據分析的信心與投資意願,使得一的又一個專案得以遂行,最終形塑成資料導向的決策文化,成為可以因應未來的壽險公司,避免在這波科技變遷中成為被淘汰者。
    Reference: 一、中文文獻:
    Anderson, Chris. (2013). 自造者時代:啟動人人製造的第三次工業革命. (連育德, 譯者) 天下遠見出版.
    Ayres, Ian. (2008). 什麼都能算,什麼都不奇怪(Super Crunchers). 台北市: 時報文化.
    Barabási, Albert-László. (2013). 爆發:大數據時代預見未來的新思維. 北京: 中國人民大學出版社.
    Brynjolfsson, Erik., & McAfeeAndrew. (2014). 第二次機器時代:智慧科技如何改變人類的工作、經濟與未來? (第 一 版). (齊若蘭, 譯者) 台北市: 遠見天下文化.
    Davenport, Thomas. (2009年7月). Competing on Analytics. 哈佛商業評論 全球繁體中文版, 頁 2.
    Davenport, Thomas. (2010年2月). Make better decision. 哈佛商業評論繁體中文版, 頁 5.
    MacCormick,John. (2014). 改變世界的九大演算法:讓今日電腦無所不能的最強概念. 經濟新潮社.
    Kahneman, Daniel. (2012). 快思慢想Thinking, Fast and Slow. 天下文化.
    Kelly,Kevin. (2012). 科技想要什麼. (嚴麗娟, 譯者) 台北市: 貓頭鷹出版.
    Mayer-Schonberger,Viktor., & Cukier, Kenneth. (2013). 大數據. (林俊宏, 譯者) 台北市: 天下文化.
    Mayer-Schonberger, Viktor., & Cukier, Kenneth. (2014). 大數據教育篇:教學與學習的未來趨勢. 台北: 天下文化.
    Nate, Silver. (2013). 精準預測:如何從巨量雜訊中,看出重要的訊息?. 台北市: 三采文化.
    Rifkin, Jeremy. (2013). 第三次工業革命:世界經濟即將被顛覆,新能源與商務、政治、教育的全面革命. (張體偉、孫豫寧, 譯者) 台北市: 經濟新潮社.
    Siegel, Eric. (2014). Predictive Analytics. 台北市: 大塊出版.
    Steiner, Christopher. (2014). 演算法統治世界 Automate this:how algorithms came to rule our world. 行人文化.
    Steven, Levitt D; Stephen, Dubner J;. (2010). 蘋果橘子經濟學. 台北市: 大塊文化.
    宋吉永. (2013). Big Data-讓你看見真實慾望. 台北市: 悅知文化.
    林士蕙. (2014). 大數據人才懂資工、統計還不夠,還要會說故事. 遠見雜誌.
    胡世忠. (2013). 雲端時代的殺手級應用~海量資料分析. 台北市: 天下雜誌出版.
    孫蓉萍, & 張佳婷. (2014年10月30日). 我的同事「不是人」. 今周刊.
    涂子沛. (2013). 大數據:數據革命如何改變政府、商業與我們的生活. 香港: 中和出版.
    譚磊. (2013). New Internet:大數據挖掘. 北京: 電子工業出版社.

    二、英文文獻:
    Autor, David. (2014). Polanyi`s Paradox and the Shape of Employment Growth. Re-Evaluating Labor Market Dynamics.
    Brat, Eric., Clark, Paul., Mehrotra, Pranay., Stange, Astrid., & Boyer-chammard,Celine. (2014). Bringing Big Data to Life_Four Opportunities for Insurers. BCG.
    Brat, Eric., Heydorn, Stephan., Stover, Matthew., & Ziegler, Martin. (2013). Big Data:The Next Big Thing for Insurers? BCG.
    Bresnahan, T., & Trajtenberg , M. (1995, 1). General purpose technologies ‘Engines of growth’? Journal of Econometrics, pp. 83-108.
    Byrne, J., & Pattavina, A. (2006, 9). Assessing the Role of Clinical and Actuarial Risk Assessment in an Evidence-Based Community Corrections System: Issues to Consider. Federal Probation.
    Chassaing, Thierry. , DiGrande,Sebastian., Field,Dominic,, & Rose,John. (2013). Delivering Digital Satisfaction: U.S. Consumers Raise the Ante. BCG.
    Davenport, Thomas. (2012). Data Scientist The Sexiest Job of the 21st Century. Harvard Business Review.
    Davenport, Thomas. (2013年12月). Analytics 3.0. Harvard Business Review, 頁 66-67.
    Davenport, Thomas. (2014). Big Data @ Work. Harvard Business Review Press.
    Derman, Emanuel. (2011). Models. Behaving. Badly.:Why Confusing Illusion with Reality Can Lead to Disaster, on Wall Street and in Life . New York: S&S.
    Drucker, F.Peter. (1959). Landmarks of Tomorrow.
    Field, Alexander. (2008). Does Economic History Need GPTs. Santa Clara University, Department of Economics. CA: Social Science Network.
    Frank, Levy; Richard, Murnane;. (2004). The New Division of Labor:How Computers Are Creating the Next Job Market. Princeton University Press.
    Franks, Bill. (2012). Taming the Big Data Tidal Wave. Hoboken: Wiley.
    Gartner. (2014). Hype Cycle for Big Data, 2014. Gartner.
    Heudecker, Nick., & Kart,Lisa. (2014). Survey Analysis: Big Data Investment Grows but Deployments Remain Scarce in 2014. Gartner.
    IBM. (2013). Descriptive, predictive, prescriptive: Transforming asset and facilities management with analytics. NY: IBM.
    Ross, Jeanne., Beath, Cynthia. And Quaadgras, Anne. (2013). You May Not Need Big Data After All. Harvard Business Review, 90-98.
    Kurzweil, Ray. (2005). The Singularity Is Near: When Humans Transcend Biology. Viking Penguin.
    McAfee, Andrew., & Brynjolfsson, E. (2012). Big Data:The Management Revolution. Harvard Business Review, 60-68.
    McKinsey Global Institute. (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute.
    McKinsey Global Institute. (2013). Game changers: Five opportunities for US growth and renewal. McKinsey Global Institute.
    Morgan Stanley Research & Boston Consulting Group. (2014). Evolution and Revolution in a Digital World. BCG.
    Osborne, MA., & Frey,CB. (2013). The future of employment: how susceptible are jobs to computerisation? Machines and Employment Workshop.
    Plummer, D. (2014). Top 10 Strategic Predictions for 2015 and Beyond: Digital Business Is Driving `Big Change`. Gartner.
    PWC. (2014). Key industry findings from the 17th Annual Global CEO Survey. PWC.
    Rijmenam, M. v. (2014). Think Bigger: Developing a Successful Big Data Strategy for Your Business. AMACOM.
    Theodore, Ruger W; Andrew, Martin D; Pauline, Kim T; Kevin, Quinn M;. (2004). The Supreme Court Forecasting Project: Legal and Political Science Approaches to Predicting Supreme Court Decisionmaking. Columbia Law Review.
    Toffler, Alvin. (1989). Third Wave. Random House.
    Wagner, Kim., Foo, Eugene., Zablit, Hadi., & Taylor, Andrew. (2014). The Most Innovative Companies 2014:Breaking Through Is Hard to Do. BCG.

    三、日文文獻:
    城田真琴. (2012). ビッグデータの衝撃―巨大なデータが戦略を決める. 東京: 東洋経済新報社.

    四、網頁資料:
    中云网. (2013年12月6日). 大數據時代的數據資產管理. 2014年10月5日 擷取自 中云网: http://www.china-cloud.com/dashujuzhongguo/disanqi/2013/1206/22073.html
    王宏仁. (2014年9月18日). 大資料喚醒臺灣資料科學潮 企業展開資料科學人才布局. 2014年10月30日 擷取自 ithome: http://www.ithome.com.tw/news/90861
    甘偉中. (2014年5月14日). 大數據崛起 意向經濟取代注意力經濟?. 2014年10月13日 擷取自 Nownews: http://www.nownews.com/n/2014/05/14/1233981
    亞微. (2014年8月13日). 法律窗口:网络隐私权和自由表达权孰重孰轻?. 2014年10月27日 擷取自 美國之音: http://www.voachinese.com/content/legal-issues-20140812/2411439.html
    法制日报. (2014年8月20日). 大数据时代的“被遗忘权”之争. 2014年10月27日 擷取自 鳳凰網: http://news.ifeng.com/a/20140820/41649116_0.shtml
    鄭杰. (2014年6月14日). 馬總統:台灣巨量資料 投資不足. 2014年10月19日 擷取自 UDN: http://g.udn.com/NEWS/FINANCE/FIN3/8739737.shtml
    聯合報社論. (2014年11月10日). 台灣不能迴避「開放數據」的大潮流. 2014年11月11日 擷取自 UDN: http://udn.com/NEWS/OPINION/OPI1/9055489.shtml
    IT総合戦略本部. (2013年6月14日). 世界最先端IT国家創造宣言. 2014年10月19日 擷取自 首相官邸: http://www.kantei.go.jp/jp/singi/it2/kettei/pdf/20130614/siryou1.pdf
    Anderson, Chris. (2008, 6). The End of Theory:The Data Deluge Makes the Scientific Method Obsolete. Retrieved 10 26, 2014, from Wired: http://archive.wired.com/science/discoveries/magazine/16-07/pb_theory
    Ariely, Dan. (2013年1月6日). Big data is like teenage sex. 2014年10月12日 擷取自 Facebook: https://www.facebook.com/dan.ariely/posts/904383595868
    Bertolucci, Jeff. (2013年4月15日). Prescriptive Analytics And Big Data: Next Big Thing? 2014年10月12日 擷取自 http://www.informationweek.com/big-data/big-data-analytics/prescriptive-analytics-and-big-data-next-big-thing/d/d-id/1109537?
    Bessen, James. (2014年3月21日). How Technology Creates Jobs for Less Educated Workers. 2014年10月31日 擷取自 HBR Blog Network: http://blogs.hbr.org/2014/03/how-technology-creates-jobs-for-less-educated-workers/
    Dean, Jeffrey., & Ghemawat, Sanjay. (2004). MapReduce:Simplified Data Processing On Large Cluster. 2014年10月19日 擷取自 Google: http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/zh-tw//archive/mapreduce-osdi04.pdf
    Douglas, Laney. (2001年2月6日). 3D Data Management Controlling Data:Volume Velocity and Variety. 2014年10月11日 擷取自 Gartner: http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
    Emmanuel, Letouzé. (2012年5月). Big Data for Development:Challenges & Opportunities. 2014年10月19日 擷取自 UN Global Pulse: http://www.unglobalpulse.org/sites/default/files/BigDataforDevelopment-UNGlobalPulseJune2012.pdf
    European Commission. (2010年5月). A Digital Agenda for Europe. 2014年10月19日 擷取自 DIGITAL AGENDA FOR EUROPE: http://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52010DC0245R(01)&from=EN
    Frick, Walter. (2014年8月18日). Experts Have No Idea If Robots Will Steal Your Job. 2014年10月31日 擷取自 HBR Blog Network: http://blogs.hbr.org/2014/08/experts-have-no-idea-if-robots-will-steal-your-job/
    Gil, Allouche. (2014年9月26日). 5 Ways Big Data Impacts the Insurance Industry. 2014年10月13日 擷取自 Smart data collective: http://smartdatacollective.com/gilallouche/240831/5-ways-big-data-impacts-insurance-industry
    Gualtieri, Mike. (2012年12月5日). The Pragmatic Definition Of Big Data. 2014年10月11日 擷取自 http://blogs.forrester.com/mike_gualtieri/12-12-05-the_pragmatic_definition_of_big_data
    Hirsch, Dennis. (2013). The Glass House Effect: Why Big Data is the New Oil, and What to Do About It. 擷取自 the future of privacy: http://www.futureofprivacy.org/wp-content/uploads/Hirsch-Glass-House-Effect1.pdf
    HMG. (2013年10月). A strategy for UK data capability. 2014年10月19日 擷取自 https://www.gov.uk: https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/254136/bis-13-1250-strategy-for-uk-data-capability-v4.pdf
    Laney, Douglas. (2012年6月21日). The Importance of `Big Data`: A Definition. 2014年10月11日 擷取自 https://www.gartner.com/doc/2057415/importance-big-data-definition
    Lohr, Steve. (2012年2月12日). The Age of Big Data. 2014年10月31日 擷取自 Newyork Times: http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-world.html?pagewanted=all
    Lohr, Steve. (2012年12月30日). Sure, Big Data Is Great. But So Is Intuition. 2014年10月31日 擷取自 Newyork Times: http://www.nytimes.com/2012/12/30/technology/big-data-is-great-but-dont-forget-intuition.html?pagewanted=all
    Lotti, Michael. (2009). Ethics and the Information Age. 2014年10月27日 擷取自 http://www.larsonallen.com: http://www.larsonallen.com/EFFECT/Ethics_and_the_Information_Age.aspx
    McAfee, Andrew. (2012年6月). Are droids taking our jobs? 2014年10月31日 擷取自 TED: http://www.ted.com/talks/andrew_mcafee_are_droids_taking_our_jobs
    Misanthropotistical. (2010年11月11日). data hound . 2014年10月31日 擷取自 urbandictionary: http://www.urbandictionary.com/define.php?term=data%20hound
    O`brien, J.Kevin. (2012年7月30日). Talk to Me, One Machine Said to the Other. 2014年10月10日 擷取自 The New york Times: http://www.nytimes.com/2012/07/30/technology/talk-to-me-one-machine-said-to-the-other.html?pagewanted=all&_r=0
    Orange Business Services. (2013年9月10日). what can businesses do to capture the full potential of big data? 2014年10月21日 擷取自 orange-business.com: http://www.orange-business.com/files/library/0913_big_data_mnc-wpr-bd-0012.pdf
    Palmer, Michael. (2006年11月3日). Data is the New Oil. 2014年10月11日 擷取自 http://ana.blogs.com/maestros/2006/11/data_is_the_new.html
    Pat, Helland. (2011年6月). If You Have Too Much Data, then “Good Enough” Is Good Enough. 2014年10月11日 擷取自 ACM: http://delivery.acm.org/10.1145/1990000/1988603/p40-helland.pdf?ip=36.231.19.189&id=1988603&acc=OPEN&key=4D4702B0C3E38B35%2E4D4702B0C3E38B35%2E4D4702B0C3E38B35%2E6D218144511F3437&CFID=582773902&CFTOKEN=46397759&__acm__=1413042343_1dd39b8f72cfb6651fec0896c
    PCAST. (2012年3月29日). Obama Administration Unveils "Big Data" Initiative. 2014年10月19日 擷取自 White House: http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release.pdf
    PCAST. (2014年5月). Big Data:Seizing Opportunities,Preserving Values. 2014年10月19日 擷取自 White House: http://www.whitehouse.gov/sites/default/files/docs/big_data_privacy_report_may_1_2014.pdf
    Rijmenam, M. v. (2013年8月7日). Why The 3V’s Are Not Sufficient To Describe Big Data. 2014年10月11日 擷取自 Big Data Srat-Up: http://www.bigdata-startups.com/3vs-sufficient-describe-big-data/#at_pco=smlwn-1.0&at_si=5426c039718fab9f&at_ab=per-2&at_pos=0&at_tot=1
    Rijmenam, M. v. (2014年2月21日). John Deere Is Revolutionizing Farming With Big Data. 2014年10月11日 擷取自 Big Data Star-Up: http://www.bigdata-startups.com/BigData-startup/john-deere-revolutionizing-farming-big-data/
    Rijmenam, M. v.. (2014年6月10日). The Future of Big Data: Prescriptive Analytics Changes the Game. 2014年10月12日 擷取自 http://data-informed.com/future-big-data-prescriptive-analytics-changes-game/
    Scism, L., & Maremont, M. (2010, 9 19). Insurers Test Data Profiles to Identify Risky Clients. Retrieved 11 8, 2014, from WSJ: http://online.wsj.com/articles/SB10001424052748704648604575620750998072986
    Scism, Leslie. (2014年8月29日). AIG`s New CEO Looks to Data to Chart Insurer`s Course. 2014年11月1日 擷取自 WSJ: http://online.wsj.com/articles/aigs-new-ceo-looks-to-data-to-chart-insurers-course-1409328464
    Shankland, Stephen. (2012年10月15日). Moore`s Law: The rule that really matters in tech. 2014年10月10日 擷取自 CNET: http://www.cnet.com/news/moores-law-the-rule-that-really-matters-in-tech/
    Small, Annika, & Anderton, Ed. (2014年5月6日). Believe the hype: Big data can have a big social impact. 2014年10月13日 擷取自 Guardian News and Media: http://www.theguardian.com/social-enterprise-network/2014/may/06/data-open-social-impact-tips-tools
    Swete, Stan., & Wilson, Heather. (2014年1月21日). Data Management: AIG’s Chief Data Strategy Recognizes the Importance of Data Management for Organizations. 2014年11月1日 擷取自 ARGYLE Journal: http://www.argylejournal.com/chief-information-officer/data-management-aigs-chief-data-strategy-recognizes-the-importance-of-data-management-for-organizations/
    The Economist. (2014年2月27日). The Insurance Summit 2014 ~Insurance -The Next Frontier. 2014年11月2日 擷取自 The Economist: http://www.economistinsights.com/financial-services/event/insurance-summit-2014/multimedia
    Thorp, Jer. (2012年11月30日). Big Data Is Not the New Oil. 2014年10月12日 擷取自 HBR: http://blogs.hbr.org/2012/11/data-humans-and-the-new-oil/
    VNI Forecast Highlights. (無日期). 2014年10月10日 擷取自 CISCO: http://www.cisco.com/web/solutions/sp/vni/vni_forecast_highlights/index.html
    WIKI. (2013年7月20日). Quantified Self. 2014年10月19日 擷取自 WIKI: http://zh.wikipedia.org/wiki/%E9%87%8F%E5%8C%96%E7%94%9F%E6%B4%BB
    Wright, Gavin. (2000年3月). General Purpose Technologies and Economic Growth. by Elhanan Helpman Review. Journal of Economic Literature, 38(1), 頁 161-162.
    Wu, Michael. (2013年3月14日). Big Data Reduction 1: Descriptive Analytics. 2014年10月12日 擷取自 lithium Science of Social blog: http://community.lithium.com/t5/Science-of-Social-blog/Big-Data-Reduction-1-Descriptive-Analytics/ba-p/77766
    Description: 碩士
    國立政治大學
    經營管理碩士學程(EMBA)
    101932150
    103
    Source URI: http://thesis.lib.nccu.edu.tw/record/#G0101932150
    Data Type: thesis
    Appears in Collections:[經營管理碩士學程EMBA] 學位論文

    Files in This Item:

    File SizeFormat
    215001.pdf2507KbAdobe PDF22018View/Open


    All items in 政大典藏 are protected by copyright, with all rights reserved.


    社群 sharing

    著作權政策宣告 Copyright Announcement
    1.本網站之數位內容為國立政治大學所收錄之機構典藏,無償提供學術研究與公眾教育等公益性使用,惟仍請適度,合理使用本網站之內容,以尊重著作權人之權益。商業上之利用,則請先取得著作權人之授權。
    The digital content of this website is part of National Chengchi University Institutional Repository. It provides free access to academic research and public education for non-commercial use. Please utilize it in a proper and reasonable manner and respect the rights of copyright owners. For commercial use, please obtain authorization from the copyright owner in advance.

    2.本網站之製作,已盡力防止侵害著作權人之權益,如仍發現本網站之數位內容有侵害著作權人權益情事者,請權利人通知本網站維護人員(nccur@nccu.edu.tw),維護人員將立即採取移除該數位著作等補救措施。
    NCCU Institutional Repository is made to protect the interests of copyright owners. If you believe that any material on the website infringes copyright, please contact our staff(nccur@nccu.edu.tw). We will remove the work from the repository and investigate your claim.
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback