19 9 月 2024

保險公司在分析和數據智慧方面處於什麼位置？

近年來，財產和意外傷害保險公司面臨著異常的挑戰。根據美國國家海洋和大氣管理局的數據，2017 年美國自然災害數量創下了 10 億美元的新紀錄。就自然災害而言，2020 年也是有記錄以來代價最高的年份之一。此外，正如麥肯錫的 Chris Bradley 和 Peter Stumpner 所指出的那樣，財產和意外險投資在 COVID-19 的最初幾個月受到了影響。

如今，在汽車保險支出減少、財產損失和災難增加以及投資者矛盾情緒的時代，保險公司正在爭先恐後地支援其核心業務。分析和數據智慧為保險公司提供了一種改進業務流程和保持競爭優勢的方法。

2022 年的分析和數據智慧

術語「數據分析」和「數據智慧」通常彼此密切相關。在某些情況下，它們甚至可以互換使用。

分析和數據智慧彼此相關，但不能互換。從廣義上講，數據智慧是一個總括類別，涵蓋了可以探索和檢查數據以獲得洞察力的所有方式。數據分析是數據智慧保護傘中的一個過程。

數據分析收集和處理原始數據，以揭示這些數據中出現的任何趨勢或模式，AI 平臺 Akira.ai 的 Jagreet Kaur Gill 寫道。收集和處理功能在設計時考慮了關鍵問題或目標。例如，尋求瞭解氣候和天氣模式變化的數據分析與尋求瞭解保險客戶為什麼在填寫汽車保險報價表時中途放棄申請流程的數據分析的工作方式不同。

分析和數據智慧是廣泛的類別。它們的功能和應用似乎很模糊。然而，這些工具可以應用於保險業的許多具體領域，瑞士再保險的 Yannick Even 和 Jonathan Anchen 寫道。

例如，支援 AI 的數據分析可用於快速處理文件（包括合同）、電子郵件和聊天記錄中的文字。其結果是更好地瞭解個人客戶和合同條款，這使代理、經紀人和客戶服務代表能夠提供更好的服務。

儘管保險業在分析和數據智能採用的早期階段落後，但正在迅速迎頭趕上，甚至推動創新。 “這種變化發生得如此之快，以至於今天的保險業在數據分析方面表現出比其他幾個行業更高的成熟度，”業務流程管理公司 WNS Global Services 的 Suhas Sethi 和 Yogendra Goyal 寫道。

保險和數據智慧

分析和數據智慧不再只是錦上添花。 “一流的表現者通過構建能夠帶來巨大價值的高級數據和分析承保能力，拉開了與競爭對手的距離，”麥肯錫的 Kia Javanmardian 和其他研究人員寫道。

麥肯錫研究發現，當分析和數據智慧用於承保時，保險公司在以下幾個方面都有所改善：

賠付率提高 3 到 5 個百分點。
新業務保費增加 10% 至 15%。
在最有利可圖的保險類別中，客戶保留率為 5% 到 10%。

作者指出，數據智慧還可用於發現上升趨勢和新的市場機會。

人工智慧是改進分析和數據智慧的強大驅動力。 WNS/Forrester 的一項研究報告稱：

72% 的受訪企業使用 AI 增強工具來改進商業智慧。
67% 使用文字分析，65% 使用語音分析來更好地了解數據，包括客戶交互。
54% 的企業依靠自然語言處理（通常嵌入在聊天機器人和類似工具中）來獲得更好的數據洞察。
45% 的客戶正在使用機器學習平台來改進分析和數據智慧。

總體而言，研究發現，97% 的企業報告稱，其先進的數據分析和智慧實踐帶來了運營優勢。

與每一項技術一樣，基於 AI 的分析和數據智慧在早期受到了懷疑。起初，保險公司缺乏他們需要的信息來確定 AI 是曇花一現的趨勢還是持久的商業工具。

如今，人工智慧堅定地屬於後一類，因為它能夠在每個階段改變保險業務，IKOR 的 Thomas Löchte 寫道。數據生態系統可幫助保險公司承保和分發保單，以應對即時事件。例如，數據智慧允許保險公司提供針對每個客戶的特定需求量身定製的嵌入式或銷售點保險。

數據智慧無法單獨完成其工作。 “坦率地說，AI 解決方案可以購買、插入並留在自己的設備上運行的想法是科幻小說，”凱捷洞察和數據首席執行官 Zhiwei 江說。保險公司將需要具備指導和開發數據智慧和分析所需技能的員工。還需要能夠解釋和應用這些分析的結果。

實現強大分析和數據智慧的最佳實踐

支援 AI 的分析和數據智慧不是萬能的。雖然該技術可以徹底改變承保和分銷，但其實施也給保險公司帶來了挑戰。

2019 年 EIOPA 的一項研究發現，保險公司在實施最新的數據智慧方面面臨著共同的挑戰。這些挑戰包括：

滿足監管要求並隨時瞭解監管變化。
解決消費者對 AI 和數據安全的信任問題。
確保數據準確，分析和數據使用符合道德標準。
防範網路風險，例如駭客攻擊和數據盜竊。
面對與數據智慧相關的迫在眉睫的技能短缺，招聘和培訓員工。

僅僅訪問數據是不夠的。對於保險公司來說，保持收集、存儲和分析數據的能力是必要的。如果沒有這種能力，保險公司就失去了從數據中收集見解並將這些資訊用於自己和客戶的機會。

保險公司面臨的另一個迫在眉睫的挑戰是其現有團隊的能力與強大的分析和數據分析需求之間的技能差距。

將能力、工具、流程和技能相結合，將引導保險公司走向數據智慧的未來。目前，為了實現這一願景，保險公司還有很多工作要做。 Capgemini 的一項研究發現，“只有 18% 的保險機構擁有適當的工具、技術、人員、流程、技能和文化，可以從他們可以訪問的不斷增長的數據量中獲得全部價值，” Seth Rachlin 和其他研究作者寫道。

根據這項研究，排名前 18% 的組織具有推動其數據智慧成功的幾個共同特徵。超過 80% 的受訪企業確保數據素養是團隊（不僅限於主題專家）共用的核心技能，84% 的受訪企業為大多數員工制定了“基於角色的數據技能提升計劃”。 78% 的受訪者表示，他們的技能提升計劃不僅包括標準的人工智慧和機器學習主題，還包括模型訓練、課程更正和維護等數據智慧技能。

保險公司分析和數據智能的未來道路需要關注數據容量、安全性和分析工具。它還需要關注保險專業人士的技能建設。當團隊擁有合適的技能和工具時，他們可以充分利用數據智慧和深入分析來改進承保和分銷。

圖片來自： dolgachov/©123RF.com， andreypopov/©123RF.com， adiruch/©123RF.com

新聞