Машинное обучение на службе страхования

Кувшинов Юрий
Автор: Кувшинов Юрий, Генеральный директор Mains Lab
Дата публикации: 17.10.2018

Российский бизнес шагнул в эпоху активного применения машинного обучения, а области его использования стремительно расширяются с развитием технологии.

Машинное обучение, базовая составляющая технологии искусственного интеллекта, внедряется во многих отраслях, обеспечивая ощутимую пользу для бизнеса. Все ингредиенты, наконец, доступны – компьютерные мощности практически безграничны, алгоритмы становятся все более сложными, область их применения постоянно расширяется, окружающий нас мир поставляет топливо - тонны терабайт данных каждый день, каждую минуту.

Объем инвестиций в эту сферу подтверждает интерес бизнеса к ней. По данным McKinsey, свыше 30 млрд долларов было инвестировано компаниями в технологии искусственного интеллекта в 2016 году, при этом наиболее активно технологии машинного обучения используются в высокотехнологичных, финансовых и автомобильных индустриях.

Оптимизация и автоматизация бизнес-процессов, качественный скачок в моделях прогнозирования, целевое таргетирование клиентов, улучшение клиентского опыта – в этих областях уже достигнуты ощутимые результаты.

Так, одна из ТОП компаний на рынке добровольного медицинского страхования уже применила технологии машинного обучения для поиска фрода в клиниках, что позволило ей более чем в 2 раза повысить эффективность этого процесса. Другая страховая компания использует машинное обучение для автоматизации операционных процессов. Разработанный на основе этой технологии алгоритм распознает документы произвольного формата и структуры, что позволило компании на 80% сократить расходы на этот процесс. Еще один пример использования машинного обучения в страховании – внедрение технологии в процесс андеррайтинга, результатом которого стал более точный расчет цены для конкретного клиента. Традиционные андеррайтинговые подходы строятся на сложных статистических моделях, связывающие определенные параметры клиента с вероятностью наступления страхового случая. Машинное обучение позволяет неограниченно увеличивать количество входных параметров и определять цену с гораздо лучшей точностью, чем это было раньше.

Другие индустрии также не стоят на месте. Один из лидеров на рынке автоэкспертных услуг внедрил машинное обучение для целей автоматического распознания поврежденных деталей автомобиля и определения необходимого ремонтного воздействия, что позволило на 30% снизить время оценки ущерба. А одна из ведущих клиник по вызову врача на дом, внедрила технологию для автоматического контроля за назначениями, сделанными врачами-терапевтами.

Все описанные выше случаи имеют ряд характерных особенностей, благодаря которым стало возможно применение машинного обучения. Как определить процессы, эффективность которых может быть повышена с помощью этой современной технологии?

1) Процесс должен быть либо ресурсоемким, либо результат его выполнения иметь серьезный бизнес эффект. Машинное обучение – это сравнительно долгий процесс, и не должно быть иллюзий, что один аналитик за одну неделю построит нейросетку или даже дерево решений, которые можно будет сразу внедрить. Поэтому речь о процессах, где компания много тратит, либо может дополнительно заработать.

2) Важной составляющей процесса является принятие решения на основании входящих данных. Поиск поврежденных деталей на фотографии, определение диагноза на основании жалоб клиента и результатов лабораторных анализов, выбор момента для

продажи клиенту дополнительных услугу, определение предрасположенности клиента к приобретению товара – практически в любом процессе можно найти тот элемент, где может быть применено машинное обучение.

3) Есть история принятия этих решений и исходных данных. Подготовка данных, определение ключевых признаков и, непосредственно, обучение машины – ключевые этапы построения искусственного интеллекта. От качества и количества данных не в последнюю очередь зависит результат этого процесса.

В ряде случаев машинное обучение позволяет не просто автоматизировать бизнес-процесс, но создавать совершенно новые модели в бизнесе. Так, одна из европейских компаний по размещению рекламы благодаря технологии машинного зрения полностью изменила свою бизнес модель – встроенные в биллборды камеры позволили фиксировать факт обращения внимания пешеходов на размещенную рекламу, что дало компании возможность перейти от арендной модели размещения рекламы к модели «за взгляд».

В аналитике McKinsey говорится, что только 20% компаний внедрили машинное обучение. Можно выделить два барьера, препятствующих его проникновению как в российский, так и зарубежный бизнес.

1) Внедрение технологии требует так называемых business translators, которые обладают глубокой бизнес экспертизой с одной стороны, и пониманием возможностей технологии, с другой стороны. Дефицит таких компетенций и специалистов важный барьер, сдерживающий применение машинного обучения в бизнесе.

2) Негибкость процессов и систем, неготовность линейного менеджмента компаний к радикальным изменениям – все это является не менее серьезным препятствием к внедрению data-driven insights. Примечательно, что все упомянутые выше примеры применения машинного обучения в российском бизнесе были инициированы генеральными директорами этих компаний, что позволило аллоцировать достаточное количество и денежных, и временных ресурсов на реализацию проектов.

Несмотря на эти барьеры, машинное обучение неумолимо становится органической частью любого бизнеса в России. Процесс этот может занять еще около 5-7 лет. Однако самые радикальные перемены уже начались.


Эксперты рассказали, для кого не изменится стоимость ОСАГО

ОСАГО: общественная экспертиза

Информационный проект

От печали до радости

Финансовый уполномоченный

Досудебное урегулирование споров между потребителями финансовых услуг и финансовыми организациями

Итоги взаимодействия ВСС, РСА и НССО с палатами ФС РФ (2021-2022). Часть 5

Юргенс Игорь

Президент Всероссийского союза страховщиков

Обстоятельствам вопреки. Насколько успешно страховщики противостоят кризису автозапчастей?

ОСАГО: общественная экспертиза

Информационный проект

Встроенное страхование поможет автоконцернам выиграть технологическую гонку

Редько Антон

Основатель платформы MUST по управлению рисками коммерческих автопарков

ВЦИОМ: Расширение тарифного коридора ОСАГО поддерживает 85% автовладельцев

ОСАГО: общественная экспертиза

Информационный проект

Итоги взаимодействия ВСС, РСА и НССО с палатами ФС РФ (2021-2022). Часть 4

Юргенс Игорь

Президент Всероссийского союза страховщиков

Эксперт уверен, что продажа ОСАГО в рассрочку станет полезной опцией

ОСАГО: общественная экспертиза

Информационный проект

Итоги взаимодействия ВСС, РСА и НССО с палатами ФС РФ (2021-2022). Часть 3

Юргенс Игорь

Президент Всероссийского союза страховщиков

О современной модели развития страхового рынка России в новых условиях

Злобин Евгений

Кандидат исторических наук, доцент кафедры ЭДАТ ИАИ РГГУ, член-корр. РАЕН, RCDS

Итоги взаимодействия ВСС, РСА и НССО с палатами ФС РФ (2021-2022). Часть 2

Юргенс Игорь

Президент Всероссийского союза страховщиков

Итоги взаимодействия ВСС, РСА и НССО с палатами ФС РФ (2021-2022). Часть 1

Юргенс Игорь

Президент Всероссийского союза страховщиков

Популярность ОСАГО растет вопреки кризису? Статистика подтверждает!

ОСАГО: общественная экспертиза

Информационный проект

В Службе финансового уполномоченного рассказали, на что обратить внимание при страховании багажа

Крайнова Ольга

Руководитель АНО «Служба обеспечения деятельности финансового уполномоченного»

Расширение тарифного коридора позитивно скажется на стоимости полисов ОСАГО

ОСАГО: общественная экспертиза

Информационный проект

Полный онлайн. Эксперты обсудили перспективы удаленного урегулирования в ОСАГО

ОСАГО: общественная экспертиза

Информационный проект

Эксперты рассказали, что ждет сегмент ОСАГО в ближайшей перспективе

ОСАГО: общественная экспертиза

Информационный проект

Стабильность стоимости ОСАГО зависит от ширины тарифного коридора?

ОСАГО: общественная экспертиза

Информационный проект
НАШИ ЭКСПЕРТЫ
Аксаков АнатолийАксаков
Анатолий
Александрова ЕленаАлександрова
Елена
Алексеев ВикторАлексеев
Виктор
Альмендеев ОлегАльмендеев
Олег
Андриевская НатальяАндриевская
Наталья
Анохина ОльгаАнохина
Ольга
АСТ КомпанияАСТ
Компания
Бавыкина ОльгаБавыкина
Ольга
Белый ВалерийБелый
Валерий
Биждов КорнейБиждов
Корней
Бирюков ДмитрийБирюков
Дмитрий
Богомолов АлексейБогомолов
Алексей
Бондаренко АндрейБондаренко
Андрей
Борис ДрыгинБорис
Дрыгин
Ботвинко ОльгаБотвинко
Ольга
Бугаев ЮрийБугаев
Юрий
Букреев СергейБукреев
Сергей
Вавилов ЮрийВавилов
Юрий
Ванин ДмитрийВанин
Дмитрий
Ванчек ШтефанВанчек
Штефан
Васильев НиколайВасильев
Николай
Вербицкий ВиталийВербицкий
Виталий
Ветошкина ТатьянаВетошкина
Татьяна
Власов ЯнВласов
Ян
Волков АлексейВолков
Алексей
Волков ТимофейВолков
Тимофей
Волобуев АлександрВолобуев
Александр
Володин АлексейВолодин
Алексей
Воробьёва АннаВоробьёва
Анна
Гаврилова ГалинаГаврилова
Галина
Гадлиба ЮлияГадлиба
Юлия
Газизов АлександрГазизов
Александр
Гай ТатьянаГай
Татьяна
Голубкина ТатьянаГолубкина
Татьяна
Горовцов ДмитрийГоровцов
Дмитрий
Горяинов АлександрГоряинов
Александр
Гращенкова ЕленаГращенкова
Елена
Гречман МаринаГречман
Марина
Григорьянц ИгорьГригорьянц
Игорь
Гришина НинаГришина
Нина
Гурьев ЕвгенийГурьев
Евгений
Давыдов ИванДавыдов
Иван
Данилов ПавелДанилов
Павел
Дешевых ЕвгенийДешевых
Евгений
Дубровин ВикторДубровин
Виктор
Дужинский СтаниславДужинский
Станислав
Евланов АртёмЕвланов
Артём
Епифанцев НиколайЕпифанцев
Николай
Еременко ВалерийЕременко
Валерий
Ефимкина СветланаЕфимкина
Светлана
Жук ИгорьЖук
Игорь
Жулёв ЮрийЖулёв
Юрий
Журавлева МаринаЖуравлева
Марина
Завадский АлексейЗавадский
Алексей
Злобин ЕвгенийЗлобин
Евгений
Знаменский АндрейЗнаменский
Андрей
Зоркина АннаЗоркина
Анна
Зубарев ЛеонидЗубарев
Леонид
Зубец АлексейЗубец
Алексей
Казаченко АлександрКазаченко
Александр
Калинина МарияКалинина
Мария
Калякин АлексейКалякин
Алексей
Качалина ЕкатеринаКачалина
Екатерина
Кириллова НадеждаКириллова
Надежда
Киселев ИгорьКиселев
Игорь
Кисляк ВладимирКисляк
Владимир
Климов ВикторКлимов
Виктор
Ковальский ВадимКовальский
Вадим
Кожевников РусланКожевников
Руслан
Козлов ВасилийКозлов
Василий
Колесников НиколайКолесников
Николай
Колесникова ОльгаКолесникова
Ольга
Копитайко МихаилКопитайко
Михаил
Костевич СергейКостевич
Сергей
Коченков АндрейКоченков
Андрей
Крайнова ОльгаКрайнова
Ольга
Круглый ВладимирКруглый
Владимир
Кувшинов ЮрийКувшинов
Юрий
Кудряков АлександрКудряков
Александр
Кулакова ЕленаКулакова
Елена
Кулева КсенияКулева
Ксения
Кулешова АннаКулешова
Анна
Кусайко ТатьянаКусайко
Татьяна
Кучерова ЕвгенияКучерова
Евгения
Лавренченко ЮлияЛавренченко
Юлия
Лавров ВасилийЛавров
Василий
Лайков АлексейЛайков
Алексей
Ларионов АнтонЛарионов
Антон
Левцов ВениаминЛевцов
Вениамин
Лисин СергейЛисин
Сергей
Литвинова ЕкатеринаЛитвинова
Екатерина
Лопатина ЕленаЛопатина
Елена
Лукьянова ИринаЛукьянова
Ирина
Мальковская МарияМальковская
Мария
Мартьянов АндрейМартьянов
Андрей
Мелёхин ДмитрийМелёхин
Дмитрий
Мигунова НинаМигунова
Нина
Миллерман АлександрМиллерман
Александр
Митягин ПетрМитягин
Петр
Мишель А. ХалафМишель
А.
Халаф
Момотов ВикторМомотов
Виктор
Моржаретто ИгорьМоржаретто
Игорь
Мормулевская ЛидияМормулевская
Лидия
Морозов АлександрМорозов
Александр
Морозов ДмитрийМорозов
Дмитрий
Мусин Денис Мусин
Денис
Мякина ЗинаидаМякина
Зинаида
Мясникова ЕленаМясникова
Елена
Недогода СергейНедогода
Сергей
Ненашева НатальяНенашева
Наталья
Нестерова ЕкатеринаНестерова
Екатерина
Никитина ТатьянаНикитина
Татьяна
Овчаренко СергейОвчаренко
Сергей
Оганезов ДавидОганезов
Давид
Озеров ПавелОзеров
Павел
Ознобин ОлегОзнобин
Олег
Окромчед­<br>лишвили ТамараОкромчед­
лишвили
Тамара
ОСАГО: общественная экспертизаОСАГО:
общественная
экспертиза
Останин МаксимОстанин
Максим
Параничев ДмитрийПараничев
Дмитрий
Перепелица СветланаПерепелица
Светлана
Петров МихаилПетров
Михаил
Печников СергейПечников
Сергей
Питтс МаркПиттс
Марк
Платонова ЭллаПлатонова
Элла
Покидов АлександрПокидов
Александр
Попков ЕвгенийПопков
Евгений
Попов АлексейПопов
Алексей
Попов ДмитрийПопов
Дмитрий
Протасов АнатолийПротасов
Анатолий
Пучкова ТатьянаПучкова
Татьяна
Пылов КонстантинПылов
Константин
Разуваев АлексейРазуваев
Алексей
Раковщик ДмитрийРаковщик
Дмитрий
Редько АнтонРедько
Антон
Резниченко АндрейРезниченко
Андрей
Робулец ТатьянаРобулец
Татьяна
Романовский СергейРомановский
Сергей
Ромащук МаринаРомащук
Марина
Савельев АлексейСавельев
Алексей
Свашенко СергейСвашенко
Сергей
Свинцова КираСвинцова
Кира
Скороходова ВалерияСкороходова
Валерия
Скуратова ОльгаСкуратова
Ольга
Смирнов СергейСмирнов
Сергей
Смолянинова ЛюдмилаСмолянинова
Людмила
Солдатова АллаСолдатова
Алла
Соломатин ИльяСоломатин
Илья
Солопова ЕленаСолопова
Елена
Сорокин КириллСорокин
Кирилл
Сухоруков ДенисСухоруков
Денис
Тарнавский АлександрТарнавский
Александр
Тарсиа НатальяТарсиа
Наталья
Тарханов АнтонТарханов
Антон
Тен НигинаТен
Нигина
Тимофеев ВладиславТимофеев
Владислав
Тихоненко РоманТихоненко
Роман
Тупицын ИгорьТупицын
Игорь
Турбина КапитолинаТурбина
Капитолина
Тутинас АлександрТутинас
Александр
Урлин СергейУрлин
Сергей
Уфимцев ЕвгенийУфимцев
Евгений
Феоктистова ЕленаФеоктистова
Елена
Финансовый уполномоченныйФинансовый
уполномоченный
Хандриков ИльяХандриков
Илья
Худяков СергейХудяков
Сергей
Цветков ДмитрийЦветков
Дмитрий
Цебула ПавелЦебула
Павел
Центр социального проектирования «Платформа»Центр
социального
проектирования
«Платформа»
Цикало АлександрЦикало
Александр
Чернин МаксимЧернин
Максим
Чуб АлексейЧуб
Алексей
Швецов СергейШвецов
Сергей
Шевцов ОлегШевцов
Олег
Шелехов ПетрШелехов
Петр
Шеховцова СветланаШеховцова
Светлана
Шрейдер ВикторШрейдер
Виктор
Шупляков АлексейШупляков
Алексей
Шуппо ОльгаШуппо
Ольга
Щеглов и ПартнерыЩеглов
и
Партнеры
Щербакова Наталья ВикторовнаЩербакова
Наталья
Викторовна
Щербухин ДмитрийЩербухин
Дмитрий
Эльдаров МуратханЭльдаров
Муратхан
Юргенс ИгорьЮргенс
Игорь
Яковлева ДарьяЯковлева
Дарья
Якунина КатеринаЯкунина
Катерина
Янин АлексейЯнин
Алексей
Янышева ВераЯнышева
Вера
Ярцева ИринаЯрцева
Ирина


НАШИ КАНАЛЫ




Реклама партёров

ПОДПИСКА

Новости страхового рынка
Интересно и актуально