예측 분석이 보험 중개인의 역할을 변화시키는 방법
기술은 보험사와 중개인이 업무에 접근하는 방식을 빠르게 변화시키고 있습니다. 그러나 보험 산업의 핵심은 더 나은 데이터가 더 정확한 위험 계산으로 이어지고, 이는 다시 더 높은 수익으로 이어진다는 하나의 일관된 원칙에 계속 의존하고 있습니다.
오늘날 보험사와 중개인은 그 어느 때보다 더 나은 데이터에 액세스할 수 있도록 지원하는 여러 기술 도구를 사용할 수 있습니다. 인공 지능 및 머신 러닝은 새로운 방식으로 방대한 데이터 세트를 분석할 수 있으며, 예측 분석은 강력하고 새로운 인사이트를 제공할 수 있습니다. 예측 분석을 활용하는 중개인은 자신의 역할이 변화한다는 것을 알게 됩니다. 이러한 변화를 수용하는 사람들은 고객 및 보험사와 더 나은 관계를 구축할 수 있습니다.
예측 분석이란?
인공 지능(AI)은 보험 회사, 에이전트 및 중개인의 업무에 혁명을 일으키고 있습니다. AI는 여러 도구를 포괄하는 대가족입니다. 이들 중 일부는 데이터에서 패턴을 발견하거나 자습서를 통해 사용자를 안내하기 위해 조정됩니다. 예측 분석과 같은 다른 것들은 미래를 예측하는 데 중점을 둡니다.
예측 분석을 통해 사용자는 대규모 과거 데이터 세트, 통계 알고리즘 및 기계 학습 도구를 결합하여 미래 이벤트에 대한 명확하고 정확한 예측을 할 수 있습니다.
“예측 분석은 데이터를 사용하여 미래를 내다보는 데 도움이 되는 도구입니다. 그러나 그것은 수정 구슬이 아닙니다. 대신 가능한 결과의 확률을 알려줍니다. 이러한 확률을 알면 비즈니스의 여러 측면을 계획하는 데 도움이 될 수 있습니다”라고 CRM.org 의 Michael Zunenshine 은 말합니다.
지난 수십 년 동안 데이터 마이닝을 통해 예측 분석이 발전함에 따라 “우리는 데이터의 세분화와 풍부함, 새로운 데이터 소스, 해당 데이터를 저장, 처리 및 분석하기 위한 보다 비용 효율적인 기술의 진화를 목격했다”고 Milliman의 보험계리사인 Peggy Brinkmann은 말합니다.
오늘날 예측 분석을 사용하면 인간이 스스로 효과적으로 분석할 수 없을 정도로 큰 데이터 세트를 분석할 수 있습니다. 예측 분석은 추세를 예측하기 위해 대규모 데이터 세트를 분석함으로써 고객의 개인 데이터에 대한 새로운 관점을 제공합니다.
“이러한 개인 데이터는 보험에 사용되는 기존 소스를 보완할 수 있습니다… 경쟁 우위를 창출하는 데 사용할 수 있는 개인의 라이프스타일과 습관에 대한 실시간 통찰력을 생성하는 것”이라고 항공 보험 제공업체 Panzly와 인슈어테크 회사 Fortifier의 CEO인 Alex Gayduk은 말합니다. 또한 보험사와 중개인이 고객이 다음에 할 일이나 마주칠 일을 예측하는 데 도움이 될 수 있습니다.
예측 분석은 데이터베이스에서와 같이 데이터를 단순히 정렬하거나 구성하는 것 이상의 단계를 수행합니다. 그러나 사용자가 생성한 통찰력으로 무엇을 해야 하는지 권장하는 데는 그칩니다. 이 단계는 예측 분석을 사용하는 사람의 전문 지식에 맡겨집니다.
예측 분석의 힘
“오래되거나 잘못된 데이터로 인해 기업의 46%가 수십억 달러의 비용이 발생할 수 있는 잘못된 결정을 내립니다”라고 Martech Zone의 설립자인 디지털 트랜스포메이션 컨설턴트 Douglas Karr는 말합니다. 더 큰 데이터 세트에 대한 액세스는 더 많은 상황과 정보 포인트를 설명할 수 있어 더 나은 의사 결정으로 이어질 수 있습니다.
그러나 데이터 세트가 너무 방대하여 인간이 스스로 분석할 수 없는 경우, 데이터에서 내린 의사 결정의 품질은 어떤 데이터가 포함되는지뿐만 아니라 어떤 도구를 사용하여 분석하는지에 따라 달라집니다. AI로 빅데이터를 분석하려는 노력은 기존 데이터 내에서 패턴을 발견하는 데 집중하는 것에서 시작됩니다. 예측 분석은 데이터 세트에 이미 표시된 내용을 기반으로 다음에 일어날 일에 대한 데이터 기반 예측을 하는 데 중점을 둡니다.
예를 들어, 예측 분석은 보험 회사, 대리인 또는 중개인이 특정 지역 또는 비즈니스 지구의 청구 내역을 모니터링하고 사업체에서 가장 많이 볼 수 있는 청구 유형을 예측하는 데 도움이 될 수 있습니다. 또한 예측 분석은 건설 비용과 날씨 패턴을 조사할 수 있으므로 사용자는 위험과 가격을 보다 정확하게 예측할 수 있습니다.
이 정보로 무장한 중개인은 고객이 올바른 보험 보장을 찾는 데 더 나은 지원을 제공할 수 있습니다. 예측 분석이 보편화됨에 따라 더 많은 중개인이 이 도구를 사용할 것입니다.
일부 보험사는 이미 예측 분석의 힘을 수용하고 있습니다. GoodData의 보험 담당 부사장인 Mark Rusch는 “평균적으로 선도적인 분석 [insurance] 중심 기업은 고급 분석 솔루션에 동종 업체보다 거의 5배 더 많은 비용을 지출합니다. 따라서 분석과 데이터 세트의 올바른 조합은 이러한 도구에 투자하는 보험사와 중개인에게 이점을 제공합니다.
점점 더 많은 보험사와 중개인이 예측 분석을 수용함에 따라 보험이 비즈니스를 수행하는 방식도 변화하고 있습니다.
맥킨지(McKinsey)의 람나스 발라수브라마니안(Ramnath Balasubramanian), 아리 리바리키안(Ari Libarikian), 더그 맥엘하니(Doug McElhaney)에 따르면 2030년이 되면 보험 설계사와 중개인이 줄어들 것이라고 한다. 남아 있는 사람들은 양식 작성에서 위험 계산에 이르기까지 오랫동안 수작업으로 수행된 많은 작업을 처리하는 예측 분석 및 기타 기술의 사용에 적응했을 것입니다.
설계사, 중개인 및 기타 보험 전문가들은 “의사 결정과 생산성을 높이고 비용을 절감하며 고객 경험을 최적화하기 위해 고급 기술을 사용하는 데 더욱 능숙해질 것”이라고 썼습니다.
기술과 함께 전환하기 위해 보험 중개인은 새로운 도구를 이해하는 것 외에도 관계형 및 교육적 역할을 채택하는 데 집중해야 합니다. 고객을 필요한 보험에 연결하는 인적 요소는 AI가 중개인 역할의 기술 및 행정적 측면을 더 많이 맡음에 따라 심화될 것입니다.
예측 분석을 사용하여 브로커-고객 관계 개선
예측 분석은 이미 중개인이 위험, 적용 범위 및 비용에 대해 생각하는 방식을 변화시키고 있습니다. 예측 분석을 사용하면 중개인이 강력한 고객 관계를 구축하기 위한 접근 방식을 변경하는 데도 도움이 될 수 있습니다.
예측 분석 및 이와 유사한 도구는 보험 중개인이 업무를 수행하는 방식뿐만 아니라 보험 비즈니스에 대한 사고 방식에도 영향을 미칩니다. 전통적으로 보험은 위험을 분산하기 위해 유사한 보장 요구 사항을 가진 고객을 공동으로 모으는 데 의존해 왔으며, 치명적인 손실에 직면한 고객과 그러한 손실을 겪지 않는 고객의 균형을 맞추었습니다.
그러나 예측 분석과 같은 도구는 보험에 대한 보다 개인화된 접근 방식을 요구합니다. 연구자 로렌스 배리(Laurence Barry)와 아서 샤르팡티에(Arthur Charpentier )는 2020년 빅 데이터 앤 소사이어티(Big Data & Society)에 기고한 글에서 “엄청난 양의 데이터와 정확한 개별 예측을 통한 개인화 가능성은 풀링의 이면에 있는 동질성 가설을 크게 흔들고 있다”고 썼습니다. 고객을 일반적이고 균질화된 위험과 요구 사항의 예로 보는 대신, 예측 분석은 중개인이 고객을 개인으로 볼 수 있는 도전과 기회를 모두 창출합니다.
동시에 예측 분석 및 기타 도구는 전통적으로 보험 중개인 사무실에서 인간이 처리하던 일상적이지만 종종 지루한 작업을 더 많이 떠맡고 있습니다. 예를 들어, 워크플로우 자동화는 양식 작성 및 주요 문서 수집과 같은 작업을 처리할 수 있다고 IBM의 로봇 프로세스 자동화 콘텐츠 디렉터인 Paula Williams는 말합니다.
일상적인 관리 업무가 더 많아짐에 따라 고객에 대한 접근 방식을 개인화해야 하는 과제에 직면한 보험 중개인도 그렇게 할 수 있는 여유 시간과 정신적 에너지의 이점을 누릴 수 있습니다. 인공 지능은 많은 작업을 자동화할 수 있으므로 중개인이 인공 지능이 할 수 없는 일, 즉 고객의 고유한 요구 사항을 이해하고, 고객에게 위험에 대해 교육하고, 중요한 순간에 지원을 제공하는 것을 기반으로 진정한 인간 관계를 구축하는 데 집중할 수 있는 시간과 리소스를 확보할 수 있습니다.
보험 회사는 이미 예측 분석을 포함한 AI 지원 도구를 수용하여 보험을 강화하고 고객 관계를 개선하기 시작했습니다. 사실, 이 분야에서 뒤처진 보험사는 심각한 부작용에 직면할 수 있습니다.
“전통적인 언더라이팅 방식에 계속 의존하는 보험사들은 되돌리기 어려운 부정적인 악순환을 시작할 수 있습니다. 그들은 불리한 위험 선택에 직면할 수 있고, 선호하는 유통 파트너 목록에서 탈락할 수 있으며, 숙련된 전문가를 모집하고 유지하는 데 더 어려움을 겪을 수 있습니다”라고 Deloitte의 Britton Van Dalen, Kelly Cusick 및 Andy Ferris 는 썼습니다.
이러한 보험사와 계속 협력하는 중개인은 자신의 업무에 유사한 영향을 경험할 수 있습니다. 그러나 예측 분석을 수용하는 기업은 더 강력한 고객 관계를 구축할 수 있으며, 이는 궁극적으로 보험 적용 범위 배치에 관련된 모든 사람에게 이익이 됩니다.
이미지 작성자: rawpixel/©123RF.com, belchonock/©123RF.com, racorn/©123RF.com
추가 자료
추천
19 9월 2024
19 9월 2024
19 9월 2024