19 9월 2024

보험사는 분석 및 데이터 인텔리전스에 대해 어떤 입장을 취하고 있습니까?

최근 몇 년 동안 손해 보험사는 유난히 어려운 시기를 겪었습니다. 미국 국립해양대기청(National Oceanic and Atmospheric Administration)의 자료에 따르면 2017년은 미국에서 발생한 수십억 달러 규모의 자연재해 건수에 대한 새로운 기록을 세웠습니다. 2020년은 자연재해로 인해 기록상 가장 많은 비용이 발생한 해 중 하나이기도 합니다. 또한 P&C 보험 투자는 코로나19 초기 몇 달 동안 어려움을 겪었다고 McKinsey의 Chris Bradley와 Peter Stumpner 는 지적합니다.

오늘날 보험사들은 자동차 보험 지출 감소, 재산 피해 및 재해 증가, 투자자의 양면성 등의 시대에 핵심 비즈니스를 지원하기 위해 분주히 움직이고 있습니다. 분석 및 데이터 인텔리전스는 보험사가 비즈니스 프로세스를 개선하고 경쟁 우위를 유지할 수 있는 방법을 제공합니다.

2022년 분석 및 데이터 인텔리전스

“데이터 분석”과 “데이터 인텔리전스”라는 용어는 종종 서로 밀접하게 관련되어 사용됩니다. 어떤 상황에서는 서로 바꿔서 사용되기도 합니다.

분석과 데이터 인텔리전스는 서로 관련되어 있지만 서로 바꿔 사용할 수는 없습니다. 대체로 데이터 인텔리전스는 인사이트를 얻기 위해 데이터를 탐색하고 검사할 수 있는 모든 방법을 포괄하는 포괄적인 범주입니다. 데이터 분석은 데이터 인텔리전스의 범주에 속하는 프로세스 중 하나입니다.

데이터 분석은 원시 데이터를 수집하고 처리하여 해당 데이터에 나타나는 추세나 패턴을 드러낸다고 AI 플랫폼 Akira.ai 의 Jagreet Kaur Gill 은 말합니다. 수집 및 처리 기능은 핵심 질문 또는 목표를 염두에 두고 설계되었습니다. 예를 들어, 기후 및 날씨 패턴의 변화를 이해하려는 데이터 분석은 보험 고객이 자동차 보험 견적서를 작성하는 도중에 신청 프로세스를 포기하는 이유를 이해하려는 데이터 분석과 다르게 작동합니다.

분석 및 데이터 인텔리전스는 광범위한 범주입니다. 그들의 기능과 적용은 모호해 보일 수 있습니다. 그러나 이러한 도구는 보험의 여러 구체적인 영역에 적용될 수 있다고 Swiss Re의 Yannick Even과 Jonathan Anchen 은 말합니다.

예를 들어, AI 지원 데이터 분석을 사용하여 문서(계약서 포함), 이메일 및 채팅 로그의 텍스트를 빠르게 처리할 수 있습니다. 그 결과 개별 고객과 계약 조건을 더 잘 이해할 수 있으므로 에이전트, 중개인 및 고객 서비스 담당자가 더 나은 서비스를 제공할 수 있습니다.

분석 및 데이터 인텔리전스 도입의 초기 단계에서 뒤처져 있음에도 불구하고 보험은 빠르게 따라잡고 있으며 혁신을 주도하고 있습니다. 비즈니스 프로세스 관리 회사인 WNS Global Services의 Suhas Sethi와 Yogendra Goyal 은 “이러한 변화는 매우 빠르게 일어나고 있어 오늘날 보험 산업은 다른 여러 산업보다 데이터 분석의 성숙도가 더 높습니다.

보험 및 데이터 인텔리전스

분석 및 데이터 인텔리전스는 더 이상 단순히 있으면 좋은 것이 아닙니다. “동급 최고의 기업들은 상당한 가치를 제공할 수 있는 고급 데이터 및 분석 인수 기능을 구축하여 경쟁사와의 격차를 좁히고 있습니다”라고 Kia Javanmardian 과 McKinsey의 동료 연구원들은 썼습니다.

맥킨지(McKinsey)의 조사에 따르면, 분석 및 데이터 인텔리전스를 언더라이팅에 사용할 때 보험사는 다음과 같은 몇 가지 영역에서 개선을 볼 수 있습니다.

손해율이 3-5 포인트 향상됩니다.
신규 사업 보험료 10-15% 증가.
가장 수익성이 높은 보험 카테고리에서 5-10%의 고객 유지율.

데이터 인텔리전스는 떠오르는 트렌드와 새로운 시장 기회를 포착하는 데에도 사용할 수 있다고 저자는 지적합니다.

인공 지능은 향상된 분석 및 데이터 인텔리전스의 강력한 원동력입니다. WNS/Forrester 연구에 따르면 다음과 같습니다.

응답 기업의 72%는 AI 강화 도구를 사용하여 비즈니스 인텔리전스를 개선했습니다.
67% 는 텍스트 분석을 사용했으며, 65%는 음성 분석을 사용하여 고객 상호 작용을 포함한 데이터를 더 잘 이해했습니다.
54% 는 더 나은 데이터 인사이트를 얻기 위해 종종 챗봇 및 유사한 도구에 내장된 자연어 처리에 의존했습니다.
45% 는 머신 러닝 플랫폼을 사용하여 분석 및 데이터 인텔리전스를 개선하고 있었습니다.

전반적으로 이 연구에 따르면 기업의 97%가 고급 데이터 분석 및 인텔리전스 관행에서 비롯된 운영상의 이점을 보고합니다.

모든 기술이 그렇듯이 AI 기반 분석 및 데이터 인텔리전스도 초기에는 회의론을 불러일으켰습니다. 처음에 보험사들은 AI가 일시적인 유행인지, 아니면 지속적인 비즈니스 도구인지 판단하는 데 필요한 정보가 부족했습니다.

오늘날 AI는 모든 단계에서 보험 비즈니스를 혁신할 수 있는 능력 덕분에 후자의 범주에 속한다고 IKOR의 Thomas Löchte 는 말합니다. 데이터 에코시스템은 보험사가 실시간 이벤트에 대응하여 보험 정책을 인수하고 배포하는 데 도움이 됩니다. 예를 들어, 데이터 인텔리전스를 통해 보험사는 각 고객의 특정 요구 사항에 맞는 임베디드 또는 POS(Point of Sale) 보장을 제공할 수 있습니다.

데이터 인텔리전스는 단독으로 작업을 수행할 수 없습니다. 캡제미니(Capgemini)의 인사이트 및 데이터 CEO인 지웨이 지앙(Zhiwei Jiang)은 “AI 솔루션을 구매하고 연결한 후 자체 기기에서 실행할 수 있다는 생각은 솔직히 공상 과학 소설에 불과하다”고 말합니다. 보험사는 데이터 인텔리전스 및 분석을 안내하고 개발하는 데 필요한 기술을 갖춘 직원이 필요합니다. 이러한 분석 결과를 해석하고 적용할 수 있는 능력도 필요합니다.

강력한 분석 및 데이터 인텔리전스를 위한 모범 사례

AI 지원 분석 및 데이터 인텔리전스는 만병 통치약이 아닙니다. 이 기술은 보험 및 유통에 혁명을 일으킬 수 있지만 그 구현은 보험사에 문제를 제기합니다.

2019년 EIOPA 연구에 따르면 보험 회사는 최신 데이터 인텔리전스를 구현하는 데 있어 공통적인 문제에 직면해 있습니다. 이러한 과제는 다음과 같습니다.

규정 요구 사항을 충족하고 규정 변경 사항에 대한 최신 정보를 유지합니다.
AI 및 데이터 보안을 둘러싼 소비자 신뢰 해소.
데이터가 정확하고 분석 및 데이터 사용이 윤리적 표준을 따르도록 합니다.
해킹 및 데이터 도난과 같은 사이버 위험으로부터 보호합니다.
데이터 인텔리전스와 관련된 기술 부족 문제에 직면한 직원을 고용하고 교육합니다.

단순히 데이터에 액세스하는 것만으로는 충분하지 않습니다. 데이터를 수집, 저장 및 분석할 수 있는 능력을 유지하는 것은 보험사에 필수적입니다. 이러한 역량이 없으면 보험사는 데이터에서 인사이트를 수집하고 해당 정보를 자사와 고객을 위해 사용할 수 있는 기회를 잃게 됩니다.

보험사가 직면한 또 다른 과제는 기존 팀이 할 수 있는 것과 강력한 분석 및 데이터 분석이 요구하는 것 사이의 기술 격차입니다.

역량, 도구, 프로세스 및 기술을 결합하면 보험사가 데이터 인텔리전스의 미래로 나아갈 수 있습니다. 현재 보험사들은 이러한 비전을 실현하기 위해 해야 할 일이 많습니다. Capgemini의 한 연구에 따르면 “보험 조직의 18%만이 액세스할 수 있는 데이터의 양이 증가함에 따라 완전한 가치를 창출할 수 있는 도구, 기술, 인력, 프로세스, 기술 및 문화를 갖추고 있었다”고 Seth Rachlin 과 동료 연구 저자들은 썼습니다.

연구에 따르면 상위 18%의 조직이 데이터 인텔리전스 성공을 이끄는 몇 가지 공통 기능을 공유했습니다. 80% 이상은 데이터 리터러시가 주제 전문가에 국한되지 않고 팀 간에 공유되는 핵심 기술이라고 확신했으며, 84%는 대부분의 직원을 위한 “역할 기반 데이터 업스킬링 프로그램”을 보유하고 있었습니다. 78%는 업스킬링 프로그램에 표준 인공 지능 및 머신 러닝 주제뿐만 아니라 모델 교육, 과정 수정 및 유지 관리와 같은 데이터 인텔리전스 기술도 포함된다고 답했습니다.

보험사가 분석 및 데이터 인텔리전스를 발전시키기 위해서는 데이터 용량, 보안 및 분석 도구에 주의를 기울여야 합니다. 또한 보험 전문가들의 기술 구축에도 주의를 기울여야 합니다. 팀이 적절한 기술과 도구를 갖추면 데이터 인텔리전스와 심층 분석을 최대한 활용하여 인수 및 배포를 개선할 수 있습니다.

이미지 작성자: dolgachov/©123RF.com, andreypopov/©123RF.com, adiruch/©123RF.com

소식