“数据治理的业该核心就是它的结构治理。所谓数字社会的何构数据结构，就是中央人与客观社会关系的数据信息表达；数据结构治理实质上是以认识和处理人与客观社会关系为目标，优化数据结构，财经达成数据资产的大学蝶变价值飞跃。我们知道，教授建数据万事万物关键是李晓林保力中其要素之间的结构关系。犹如排兵布阵，险行用一种兵阵的业该结构优势对峙另一种兵阵的劣势；兵阵布好了可以“八百破十万”，布得不好则一溃千里。”李晓林指出，事物是因为外部约束才以一定的秩序，在紧张地相互约束中存在；对峙周围物质的约束是一切存在物的本性，也正是这种本性的存在，才使局部物质不断在对峙周围物质的约束中组织起来，成为一个个暂时的有序结构。当结构发生变化，事物的性质甚至事物本身会发生重大改变；因此，结构是关键。
他指出，通常我们可以将事物解析为六要素结构，包括动因、客体、事件、影响、主体、背景。动因是指引起相关事件发生的潜在条件、内在原因；环境，是指动因形成事件的背景、环境，包括历史性和遗传性背景，以及新生性背景；客体即标的、载体，也是承担事件直接作用的载体；事件又称事变，是指造成影响、产生作用的偶发事件，是造成影响的直接原因，是作用和影响的媒介物；影响是指事物的具体作用；主体又称事物、事件的承载主体，是指事件的承担者。而这六要素结构是一个链式的结构，背景产生动因，动因作用于客体导致事件，事件形成影响，而影响由主体承担，于是主体有动力对背景和环境做出改变。解析事物结构，可以更清晰地认识事物规律。
同样，通过解析风险要素，可以更好地认识风险规律。
不同的认识目标，决定了不同的解析风险结构的方式。以处理风险主体与客观世界的关系为目标，分解风险要素，透析风险因素、风险客体、风险事件、风险损失、风险主体以及风险环境等要素结构关系，有利于洞察人和客观世界的相互交互运动中产生或形成的风险损失规律，有利于深化对风险要素结构的认识。
新浪财经：通过六要素结构解析，您认为当下数据技术的发展，给我们带来了哪些影响？
李晓林：我认为有两大影响。一是数据技术突破，会在多个维度强化甚至缔造新的干预逻辑通道或路径，干预诸多因果关系链条上的约束和主张，带来经济社会的维度增加，社会要素迅速高维化；二是信息技术的突破，特别是超高速运算，又带来经济社会运行节奏和秩序的更加复杂化和多样性，表现为经济社会秩序的并行化。
这个高维化、并行化过程，也颠覆了我们对风险诸多规律的传统认识，保险业也受到巨大的影响，需要因之做针对性调整。
一方面，影响了风险的不确定性、随机性。万物存在内在规律，之间存在一定的联系，更存在逻辑相关性，因此，并不独立；包括我们人为分析和处理问题中做出了一些假设并按相关假设做出某些决策，也会大大影响逻辑关系而形成新的规律。但因为人类认知是有限的——能力有限、信息有限——我们则对未知的部分退求其次，假设其具有一定程度的独立性、随机性。因此，是否独立随机，并无对错；关键在于在什么范围运用、如何运用，以及对有关假设的敏感性进行分析，对使用独立随机性的分寸予以恰如其分的掌控。保险是现实中最执着地以大数法则的应用为目标，以运营被保险标的的随机性为理想的机制，力图构建随机的被保险群体，尽力实现风险分散、风险转移。当风险的独立随机性发生了变化，保险服务的基本条件也就有所变化，万物的可保性因之有了较大的改变，加剧了保险活动中的信息不对称；诸多的逆向因素更可能侵入保险的运行，风险进程可能受到显著的干预，保险公司的相关保障成本可能因之发生双向巨变。
另一方面，大数据带来的风险规律的再认识和更细分，使得大数法则的运用常常变得比过去困难；价值组合与风险匹配变得更为重要。同时，人工智能等技术则让风险管理的链条，由过去的风险识别、风险评估、风险处理决策，延长为以智能约束和主张指令、智能干预并反馈为中心的反应链；于是，风险的约束机制，变得远远比传统的量化分析更为重要，干预事物运行轨迹，改变风险进程，升级为风险管理的核心。
也就是说，随着维度增加，风险结构分析的维度大大提升；当然，难度也随之提高。因此我们在做风险分析和风险控制的时候，要对风险的高维化和并行化做出约束，约束维度，约束秩序。
新浪财经：具体而言，数据风险应该如何治理呢？
李晓林：事实上，约束中，我们依旧无法完全控制风险，我们希望它的结构达到一种均衡。风险治理就是在寻求一种平衡，在追求进步和防范风险之间的平衡。风险治理的目标就是追求风险要素的平衡，风险结构的稳定，我们称之为“风险要素均势，风险结构均衡”。
同时，风险治理也是对风险要素以及风险要素之间的关系，也就是风险结构进行干预。我们干预风险结构的主要方式，是对风险要素的组合与隔离、风险损失的平抑，以及小概率风险事故的补偿和大概率风险事件的要素匹配管理。这些风险治理工作我们统称为风险演和。风险或不确定性因素的组合与对冲，属于组合管理；枪和子弹的隔离，还有某些防火墙的设置，这属于风险要素的隔离管理；通过恰当的要素匹配管理，避免砖瓦木石变成建筑垃圾，而是让砖瓦木石等要素在匹配后变成高楼大厦，这属于匹配管理，实现价值飞跃，变风险为宝藏。
新浪财经：数据风险治理应该服务于什么？
李晓林：数据治理，一方面是上述的风险治理——约束维度、约束秩序；另一方面还有价值治理，即以价值形成为出发点，通过价值的归属约定等机制，以数据有序化与新结构价值为目标，对数据要素进行组控管理，有序主张三大职能——实现风险治理、价值创造和资源配置。
需要注意的是，所有这些治理活动是针对一定的场景的，离开应用场景谈数据治理是意义不大的；要与相应的应用场景有明确的针对性和匹配性。应用场景，则涉及到相应的方方面面的算法和规则约定。显然，数据治理和算法治理是相关的。避开算法去谈数据治理，自然是不充分的。
对于保险这个最经典的针对诸多涉及风险的具体场景的算法，它在形式上，是让具有同质风险的保险标的的投保人缴纳一定的保费，当风险事故发生的时候，再按一定的标准向受益人给付一定的保险金，表现为一定的算法和约定；在本质上，它是通过这样的算法，在保险活动的相关主体之间实现风险交互，进而实现保险的价值循环。保险的风险交互，是指被保险方的不确定性风险、保险人的经营风险和经济社会的运行风险，等等，诸多风险通过保险活动实现了多元风险交互。保险的价值循环是指，在保险服务中，实现保险的服务价值、经营价值和社会价值等等多元价值的有序循环。鉴于风险观是一切决策的基础，保险既对风险主体的风险观有重要影响，也对风险结构本身有直接影响，保险作为对社会结构产生重大影响的一种算法约定，得到社会的广泛认可，并成为社会关系的重要组成；这种算法的治理也变得尤为重要。因此，一方面这些算法本身是一种风险治理服务，另一方面从保险管理的视角看，当然也需要科学地治理这些算法；而数据治理是针对算法治理而开展的，也是为算法治理服务的。
在我们保险这一算法中，传统的治理是建立在统计可靠性的基础上，保险的定价模型、负债评估模型、资产负债匹配模型、业务价值评估模型与公司价值评估模型均建立在统计可靠性的基础上，生命表与疾病发生率表、风险模型、破产分析模型等等也是这样。坚守这些可靠性，方可保证一个保险公司的正常运营，进而保证广大保险消费者能够如约得到相应的保障；如果保险公司的偿付能力不足，对于广大消费者来说，即是重大灾难。但新的信息数据技术的突破，对保险算法分析中传统的统计可靠性带来了巨大的挑战。一方面，统计可靠性要求保险公司运营风险必须在可控范围内，由此主导了保险业务服务的选择性、把握性，这与社会对风险治理的兜底性需求之间的落差本来就存在一定的冲突；数据技术突破特别是智能技术对风险提供了更精准的认识，使消费者对保险服务又有了更高的预期，这使得这种冲突又有所加大。另一方面，这个新的更加高维化、并行化的社会，又增加或加大了一些挑战——高维并行信息的不可得或不可充分获得的情况下，保险产品随机性假设与信息不对称下投保人逆选择的风险错位显著扩大。
此时，大数据与机器学习等智能技术下的智能可靠性尚未确立，智能算法逻辑的针对性与非对称性、博弈失和与失序，伴生了要素冲突显性化。经济社会呼唤新伦理、新规则，体现为新保险、新算法，呼唤探索智能逻辑标准与校验可靠性，呼唤智能逻辑的显性化，明确智能主张与约束指令的触发条件和原则，探索超高速运算下，校验与约束智能化、自执行化的可靠性逻辑论证，等等。
目前的情况下，在这种高维并行的社会，如果不在数据治理和算法治理上有根本的针对性升级，我们的保险产品很有可能慢慢演化为有去无回，即销售保险产品，成为善于钻空子的人尽情发挥的逆选择沃土，保险公司的保费收入没有对应相应的利润，甚至全面亏损。在这样的背景下，保险的数据治理和算法治理，既事关重大，又要披荆斩棘。
随着信息、信号的数字化，行为的数字化，价值的数字化，决策的数字化，规则的数字化，文化的数字化，等等；在标准化、映射化过程中，逐步形成数字社会，这是与真实世界相对应的一个映射世界。置入算法灵魂后，将形成新的由数字化生命构成的数字化世界。数据更加成为生产资料，算法与链接网络成为生产关系并由弱变强；数字化映射世界，既是治理空间，也是治理载体，还是治理内容；在算力的智能超算中，通过各种算法，开展生产、分配、交换、消费，…… 。
在这样的数字社会进化中，保险社会也在数字化、数据治理与算法治理中实现巨大的蝶变。伴随着风险治理与保险社会信息信号的数字化、风险与保险行为的数字化、风险治理与保险服务价值的数字化、涉险决策与保险算法、保险方案的数字化、风险治理规则的数字化、风险文化的数字化，数字社会在保险可靠性下融入新的进化逻辑。
保险通过穿越风险分层、改变风险分层，影响风险主体的风险观，进而影响风险主体主导风险结构的倾向，进而改变社会进化逻辑。因此，数字社会、映射世界更加呼唤保险的风险治理、价值创造与资源配置职能；而保险本身作为万物结构关系治理的算法，既是治理工具，也是治理对象，在迭代中呈现数据治理的不断高阶化。
中国的保险行业发展到今天，在数字化能力构建方面，有太多的问题需要我们去面对、提炼并应答。因此，我们一起倡导和号召各方力量，共同谋划，从保险行业数据能力构建出发，让保险的投保方、保险方以及经济社会等多方主体在风险交互中，实现保障服务价值、保险经营价值以及社会价值的良性循环，进而推动保险业通过风险治理、价值创造和资源配置等职能，让社会、让生活更美好。
责任编辑：王进和
(责任编辑：知识)