精算师怎样进军”数据科学“？

9月6日，北美精算师协会（SOA）在杭州举行首届预测分析和保险科技论坛，英国佰仕富人寿再保险全球数据创新主管 Travis M. Short与参会者分享了关于《提升精算师技能，组建预测分析团队》的一些理解。

演讲主要议题有：

o将精算师提升到“数据科学”领域

o该从哪个工具和软件开始？

o如何组建预测分析团队？

1

将精算师提升到“数据科学”领域

近年来，“预测分析”这个词在精算领域出现得越来越频繁。SOA也在今年推出了一门新的ASA课程：预测分析（Predictive Analytics）。SOA PA课程有四本教材，内容包括统计学习理论、数据可视化、R及回归建模，主要讨论各种分析模型的基本原理及如何选用合适模型的考量点。

如果精算师想进军“数据科学”领域，他需要提升计算机应用/编程方面的技能，包括Python, R, SAS, 机器学习，数据可视化，数据库等。

2

该从哪个工具和软件开始

首先，我们要了解要想成为数据科学家所需要的技能，包括编程软件、数据可视化工具的使用及沟通、统计学、机器学习等。KDNuggets的2018年数据科学工具调研显示，Python的使用率从2016年起快速上升，已成为数据科学和机器学习领域最常用的软件，此外，RapidMiner、R、SQL、Excel也是常用软件。

从预测分析角度来看，处理现有数据是极其重要的首要任务，因此掌握SQL数据库是必需的技能。根据Gartner魔力象限（Gartner Magic Quadrant）的分析，在商业分析和商业智能平台领域，Tableau、Microsoft和Qlik是所有软件中的佼佼者。如使用Tableau分析癌症理赔经验，可将结果直观准确地表达出来。

在数据科学和机器学习领域，各类软件众多且无明显领先者，如DataRobot, KMINE, Anaconda等。

3

如何组建预测分析团队

首先，我们需要了解精算师和数据科学家的区别，数据科学家在使用计算机科学分析海量数据方面有着显著优势，而精算师的优势则在于对行业的了解和数学统计方面的专业知识（能够熟练掌握各领域的人才就如同“紫色松鼠”和“独角兽”般的存在）。因此，要想组建一个预测分析团队，需要囊括数据科学家、数据工程师和精算师，同时要保持灵活的跨团队合作。

精算师若想提升预测分析能力，必亲身实践，实践方能出真知。精算师可以通过各种途径和方法来学习相关知识，如SOA的教材和相关资料、网上课程、大学课程等。

我们相信精算师会不断学习，提升预测分析能力，在未来不会被机器所替代。

英国佰仕富人寿再保险

英国佰仕富人寿再保险有限公司由Pacific Life Corp全资控股，受英国金融行为监管局及审慎监管局监管，为全球客户提供死亡、长寿、重疾风险管理服务。