19 9 月 2024

保险公司在分析和数据智能方面处于什么位置？

近年来，财产和意外伤害保险公司面临着异常的挑战。根据美国国家海洋和大气管理局的数据，2017 年美国自然灾害数量创下了 10 亿美元的新纪录。就自然灾害而言，2020 年也是有记录以来代价最高的年份之一。此外，正如麦肯锡的 Chris Bradley 和 Peter Stumpner 所指出的那样，财产和意外险投资在 COVID-19 的最初几个月受到了影响。

如今，在汽车保险支出减少、财产损失和灾难增加以及投资者矛盾情绪的时代，保险公司正在争先恐后地支持其核心业务。分析和数据智能为保险公司提供了一种改进业务流程和保持竞争优势的方法。

2022 年的分析和数据智能

术语“数据分析”和“数据智能”通常彼此密切相关。在某些情况下，它们甚至可以互换使用。

分析和数据智能彼此相关，但不能互换。从广义上讲，数据智能是一个总括类别，涵盖了可以探索和检查数据以获得洞察力的所有方式。数据分析是数据智能保护伞中的一个过程。

数据分析收集和处理原始数据，以揭示这些数据中出现的任何趋势或模式，AI 平台 Akira.ai 的 Jagreet Kaur Gill 写道。收集和处理功能在设计时考虑了关键问题或目标。例如，寻求了解气候和天气模式变化的数据分析与寻求了解保险客户为什么在填写汽车保险报价表时中途放弃申请流程的数据分析的工作方式不同。

分析和数据智能是广泛的类别。它们的功能和应用似乎很模糊。然而，这些工具可以应用于保险业的许多具体领域，瑞士再保险的 Yannick Even 和 Jonathan Anchen 写道。

例如，支持 AI 的数据分析可用于快速处理文档（包括合同）、电子邮件和聊天记录中的文本。其结果是更好地了解个人客户和合同条款，这使代理、经纪人和客户服务代表能够提供更好的服务。

尽管保险业在分析和数据智能采用的早期阶段落后，但正在迅速迎头赶上，甚至推动创新。 “这种变化发生得如此之快，以至于今天的保险业在数据分析方面表现出比其他几个行业更高的成熟度，”业务流程管理公司 WNS Global Services 的 Suhas Sethi 和 Yogendra Goyal 写道。

保险和数据智能

分析和数据智能不再只是锦上添花。 “一流的表现者通过构建能够带来巨大价值的高级数据和分析承保能力，拉开了与竞争对手的距离，”麦肯锡的 Kia Javanmardian 和其他研究人员写道。

麦肯锡研究发现，当分析和数据智能用于承保时，保险公司在以下几个方面都有所改善：

赔付率提高 3 到 5 个百分点。
新业务保费增加 10% 至 15%。
在最有利可图的保险类别中，客户保留率为 5% 到 10%。

作者指出，数据智能还可用于发现上升趋势和新的市场机会。

人工智能是改进分析和数据智能的强大驱动力。 WNS/Forrester 的一项研究报告称：

72% 的受访企业使用 AI 增强工具来改进商业智能。
67% 使用文本分析，65% 使用语音分析来更好地了解数据，包括客户交互。
54% 的企业依靠自然语言处理（通常嵌入在聊天机器人和类似工具中）来获得更好的数据洞察。
45% 的客户正在使用机器学习平台来改进分析和数据智能。

总体而言，研究发现，97% 的企业报告称，其先进的数据分析和智能实践带来了运营优势。

与每一项技术一样，基于 AI 的分析和数据智能在早期受到了怀疑。起初，保险公司缺乏他们需要的信息来确定 AI 是昙花一现的趋势还是持久的商业工具。

如今，人工智能坚定地属于后一类，因为它能够在每个阶段改变保险业务，IKOR 的 Thomas Löchte 写道。数据生态系统可帮助保险公司承保和分发保单，以应对实时事件。例如，数据智能允许保险公司提供针对每个客户的特定需求量身定制的嵌入式或销售点保险。

数据智能无法单独完成其工作。 “坦率地说，AI 解决方案可以购买、插入并留在自己的设备上运行的想法是科幻小说，”凯捷洞察和数据首席执行官 Zhiwei 江说。保险公司将需要具备指导和开发数据智能和分析所需技能的员工。还需要能够解释和应用这些分析的结果。

实现强大分析和数据智能的最佳实践

支持 AI 的分析和数据智能不是万能的。虽然该技术可以彻底改变承保和分销，但其实施也给保险公司带来了挑战。

2019 年 EIOPA 的一项研究发现，保险公司在实施最新的数据智能方面面临着共同的挑战。这些挑战包括：

满足监管要求并随时了解监管变化。
解决消费者对 AI 和数据安全的信任问题。
确保数据准确，分析和数据使用符合道德标准。
防范网络风险，例如黑客攻击和数据盗窃。
面对与数据智能相关的迫在眉睫的技能短缺，招聘和培训员工。

仅仅访问数据是不够的。对于保险公司来说，保持收集、存储和分析数据的能力是必要的。如果没有这种能力，保险公司就失去了从数据中收集见解并将这些信息用于自己和客户的机会。

保险公司面临的另一个迫在眉睫的挑战是其现有团队的能力与强大的分析和数据分析需求之间的技能差距。

将能力、工具、流程和技能相结合，将引导保险公司走向数据智能的未来。目前，为了实现这一愿景，保险公司还有很多工作要做。 Capgemini 的一项研究发现，“只有 18% 的保险机构拥有适当的工具、技术、人员、流程、技能和文化，可以从他们可以访问的不断增长的数据量中获得全部价值，” Seth Rachlin 和其他研究作者写道。

根据这项研究，排名前 18% 的组织具有推动其数据智能成功的几个共同特征。超过 80% 的受访企业确保数据素养是团队（不仅限于主题专家）共享的核心技能，84% 的受访企业为大多数员工制定了“基于角色的数据技能提升计划”。 78% 的受访者表示，他们的技能提升计划不仅包括标准的人工智能和机器学习主题，还包括模型训练、课程更正和维护等数据智能技能。

保险公司分析和数据智能的未来道路需要关注数据容量、安全性和分析工具。它还需要关注保险专业人士的技能建设。当团队拥有合适的技能和工具时，他们可以充分利用数据智能和深入分析来改进承保和分销。

图片来自： dolgachov/©123RF.com， andreypopov/©123RF.com， adiruch/©123RF.com

新闻