后中斷保險行業的數據分析
保險一直是一項數據驅動型業務。 保險公司對相關風險的資訊越多，保險公司就越能準確地承保該風險。
過去，保險公司對數據的訪問在很大程度上受到人類能力的限制。 保險公司可以根據自己的專家分析和理解數據的能力來瞭解和承保風險。 使用的數據受到其他人收集和記錄資訊的能力的限制。
今天，這些限制仍然適用 — 但以一種新的方式。 數位化顛覆使創建、存儲、訪問和分析大量數據集成為可能。 分析可以在一個瞬間進行，並在下一個瞬間提供結果。
數據分析為保險業提供了一個令人興奮的新世界。 然而，這個新世界也帶來了挑戰。
這是一個數據驅動的世界
資訊一直很有價值。 有關天氣事件的數據可幫助保險公司更好地瞭解和預測風險。 有關客戶行為的信息可説明零售商決定是否訂購、何時訂購、訂購多少庫存以及如何顯示庫存。 流通日誌為圖書館員提供了有效管理媒體館藏所需的資訊。
然而，近年來數據驅動設備的爆炸式增長以數據的形式產生了自己的嬰兒潮。 麥肯錫的 Ramnath Balasubramanian、Ari Libarikian 和 Doug McElhaney 寫道，到 2025 年，預計將使用大約 1 萬億台互聯設備，從而產生“雪崩般的新數據”。
保險公司可以看到牆上的（數位）文字。 安永的 Corina Gruenenfelder 和 Sabine Betz 寫道，在安永保險數據科學調查中，每位受訪保險公司都表示，數據分析對於保險公司的持續成功非常重要。 然而，並非每家保險公司都在適應這種數字化未來方面取得了長足的進步。 只有 25% 的受訪者將高級數據分析方法用於其核心業務。 其他 75% 的受訪者希望通過更好地使用數位分析工具來改進和擴展他們現有的分析方法。
大多數保險公司已經開始過渡到強大的數字數據分析，專注於將分析工具應用於他們自己的數據收集。 保險公司專注於從自己存儲的客戶數據、有關其內部流程的資訊以及從代理人和經紀人那裡收集的數據中收集見解。 然而，保險公司也可以從外部來源（包括公共數據集和第三方聚合器）訪問快速增長的資料庫，蘇黎世保險公司商業保險 UW 集團轉型負責人 Kirill Pankradov 寫道。
允許保險公司分析這些數據以獲得見解和模式的工具將提供保險公司歷史上無法獲得的資訊，這將深刻改變保險公司承保風險和分配保險的方式。
應用數據做出更好的保險決策
應用數據為保險公司提供了概念化、處理和解決舊問題的新方法。 儘管如此，數據分析本身也帶來了挑戰。
更好的數據分析可以幫助保險公司管理成本，慕尼克再保險美國執行副總裁兼專業險種負責人 Tim Brockett 說。 Brockett 指出，藉助正確的工具，保險業“可以增強我們的定價、承保以及圍繞索賠和客戶細分的分析，從而提高我們的盈利能力並了解我們的風險。
承保和分銷為保險數據分析提供了肥沃的土壤。 “傳統實踐的精算學與數據分析有許多相似之處，”Emeritus 的 Rachel Hastings 寫道。 精算學和當今的數據分析都依賴於高質量的數據輸入才能取得成功。
然而，對於保險公司來說，數據分析的成功將取決於如何理解和使用數據。
不斷變化的風險模式已經開始產生兩個不同的類別：更可衡量、更頻繁、更不嚴重的風險與不太可衡量、更不頻繁但更嚴重的風險。 例如，春雨期間地下室滲水的風險屬於第一類，而同一棟房子的整個地下室被災難性洪水沖毀的風險屬於第二類。
數據分析可以解決這兩種類型的風險，儘管將數據應用於每種類型的挑戰不同， Tanguy Catlin 和麥肯錫保險和組織實踐的其他成員寫道。
例如，更可衡量和更頻繁的風險涉及更多的數據，尤其是當涉及來自智慧感測器和類似設備的單個實時數據點時。 保險公司將需要工具，使他們能夠聚合和合成大量數據集，並跟蹤現有模式，作為預測分析的基礎。
相比之下，不太可衡量和頻繁的風險伴隨著較小的數據集，但這些風險的強度給保險公司帶來了更大的預測和定價壓力。 Catlin 等人解釋說，能夠可靠地對不確定性進行建模並提供風險轉移之外的解決方案將至關重要。
數據為應對保險挑戰提供了新的方法。 它甚至提供了一種掌握快速變化的風險模式的方法。 為了抓住這些機會，保險公司需要深思熟慮地使用他們的數據工具。
數據分析的責任和挑戰
“數據和分析能力正在成為歐洲和北美財產險行業的籌碼，”麥肯錫的 Kia Javanmardian 和其他研究人員寫道。 通過投資於數據和分析，特別是為了改善承保，保險公司的損失率、新業務保費和自留率都有所增加。
隨著高級數據分析在保險領域變得司空見慣，麥肯錫的 Violet Chung 表示，將發生三個重大轉變：
- 保險費和福利將根據當下的客戶行為進行調整，例如即用即付汽車保險。
- 風險狀況的巨變以及獲得有關這些風險的前所未有的數據，將要求保險公司重新考慮風險和相關保費。
- 實時數據的自動分析將使保險公司能夠自動承保更多類型的風險。
這些變化反過來將重建保險的其他基本面，包括客戶關係和代理人在分銷中的角色。 為了讓數據發揮作用，保險公司需要面對某些挑戰，並承擔迎接這些挑戰所帶來的責任。
“為了抓住這些機會，保險公司需要重塑他們的組織並轉變為數據驅動型企業，” Marck Timmermans 和 Compact Magazine 的研究人員寫道。 抓住新機會的興奮必須與安全需求、對過程的控制和社會期望的意識相平衡。
使用資料分析面臨的其他挑戰包括：
- 可用數據集中存在根深蒂固的偏差，尤其是在數據集有限的情況下。
- 從公共數據中創建不完整或具有誤導性的客戶資料。
- 演算法自主決策將導致代價高昂的錯誤的風險。
對保險數據分析的道德擔憂集中在數據使用對人類生活的影響上。 然而，道德並不是保險公司應該考慮其數據工具如何與人類努力互動的唯一原因。
儘管最近技術取得了進步，但保險業仍然嚴重依賴其人力的專業知識和技能。 數據分析和其他技術工具可以提高保險專業人士的專業知識和技能，但它不能總是取代它們。 將數位工具與人類專家相結合，可以發揮各自的最佳潛力，從而在面對未來的數位挑戰時實現進一步增長和更強的彈性。
圖片來自：skracht/©123RF.com、woodysphotos/©123RF.com、pavelvozmischev/©123RF.com
進一步閱讀
精選
19 9 月 2024
19 9 月 2024
19 9 月 2024