Вход | Регистрация
Регистрация | Забыли пароль?

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.


Комментариев (0)


Комментировать:

Комментарии могут оставлять только зарегистрированные пользователи Регистрация





Как сравнить страховые продукты в разных компаниях?

Лавренченко Юлия

Эксперт Национального центра финансовой грамотности (НЦФГ)

Как избежать навязанной банком страховки кредита?

Ботвинко Ольга

Эксперт Национального центра финансовой грамотности (НЦФГ)

Страховой агент и финансовый консультант — точки соприкосновения

Кулева Ксения

Эксперт Национального центра финансовой грамотности (НЦФГ)

Что такое телемедицина? Перспективы у страховщиков

Ромащук Марина

Эксперт Национального центра финансовой грамотности (НЦФГ)

Что такое НСЖ?

Вербицкий Виталий

Эксперт Национального центра финансовой грамотности (НЦФГ)

Что такое НСЖ?

Мясникова Елена

Эксперт Национального центра финансовой грамотности (НЦФГ)

ОМС или ДМС - в чем отличие?

Калякин Алексей

Эксперт Национального центра финансовой грамотности (НЦФГ)

Маркировка лекарств: кто будет ответственным за возможные последствия?

Жулёв Юрий

Cопредседатель Всероссийского союза пациентов

Страхование КАСКО – примеры выплат и компенсаций

Лавренченко Юлия

Эксперт Национального центра финансовой грамотности (НЦФГ)

Разное отношение к страхованию в странах — это менталитет народа или ошибки бизнеса?

Ботвинко Ольга

Эксперт Национального центра финансовой грамотности (НЦФГ)

Страховой агент. Будущее или прошлый век?

Кулева Ксения

Эксперт Национального центра финансовой грамотности (НЦФГ)

На что стоит обратить внимание при выборе страхового продукта?

Ромащук Марина

Эксперт Национального центра финансовой грамотности (НЦФГ)

Как выбрать страховую компанию?

Протасов Анатолий

Эксперт Национального центра финансовой грамотности (НЦФГ)

Права пациентов: Обеспечить защиту можно лишь объединив усилия всех участников отрасли


ИСЖ: плюсы и минусы

Гречман Марина

Эксперт Национального центра финансовой грамотности (НЦФГ)

Страхование ОСАГО – как оформить и как сэкономить?

Лавренченко Юлия

Эксперт Национального центра финансовой грамотности (НЦФГ)

Современные страховые продукты

Перепелица Светлана

Эксперт Национального центра финансовой грамотности (НЦФГ)

Как страхование может помочь владельцам бизнеса?

Воробьёва Анна

Эксперт Национального центра финансовой грамотности (НЦФГ)
НАШИ ЭКСПЕРТЫ
Агапов АлександрАгапов
Александр
Аксаков АнатолийАксаков
Анатолий
Алексеев ВикторАлексеев
Виктор
Анохина ОльгаАнохина
Ольга
АСТ КомпанияАСТ
Компания
Бавыкина ОльгаБавыкина
Ольга
Белый ВалерийБелый
Валерий
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
Вербицкий ВиталийВербицкий
Виталий
Ветошкина ТатьянаВетошкина
Татьяна
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
Горяинов АлександрГоряинов
Александр
Гречман МаринаГречман
Марина
Гурьев ЕвгенийГурьев
Евгений
Данилов ПавелДанилов
Павел
Дешевых ЕвгенийДешевых
Евгений
Дубровин ВикторДубровин
Виктор
Епифанцев НиколайЕпифанцев
Николай
Еременко ВалерийЕременко
Валерий
Жук ИгорьЖук
Игорь
Жулёв ЮрийЖулёв
Юрий
Знаменский АндрейЗнаменский
Андрей
Зоркина АннаЗоркина
Анна
Зубарев ЛеонидЗубарев
Леонид
Зубец АлексейЗубец
Алексей
Казаченко АлександрКазаченко
Александр
Калинина МарияКалинина
Мария
Калякин АлексейКалякин
Алексей
Киселев ИгорьКиселев
Игорь
Кисляк ВладимирКисляк
Владимир
Клементьева ИринаКлементьева
Ирина
Климов ВикторКлимов
Виктор
Климов РафаэльКлимов
Рафаэль
Ковальский ВадимКовальский
Вадим
Козлов ВасилийКозлов
Василий
Колесников НиколайКолесников
Николай
Колесникова ОльгаКолесникова
Ольга
Копитайко МихаилКопитайко
Михаил
Коченков АндрейКоченков
Андрей
Кувшинов ЮрийКувшинов
Юрий
Кудряков АлександрКудряков
Александр
Кулакова ЕленаКулакова
Елена
Кулева КсенияКулева
Ксения
Кучерова ЕвгенияКучерова
Евгения
Лавренченко ЮлияЛавренченко
Юлия
Лайков АлексейЛайков
Алексей
Левцов ВениаминЛевцов
Вениамин
Лисин СергейЛисин
Сергей
Литвинова ЕкатеринаЛитвинова
Екатерина
Лопатина ЕленаЛопатина
Елена
Лукьянова ИринаЛукьянова
Ирина
Мальковская МарияМальковская
Мария
Мартьянов АндрейМартьянов
Андрей
Мигунова НинаМигунова
Нина
Миллерман АлександрМиллерман
Александр
Митягин ПетрМитягин
Петр
Мишель А. ХалафМишель
А.
Халаф
Момотов ВикторМомотов
Виктор
Мормулевская ЛидияМормулевская
Лидия
Морозов АлександрМорозов
Александр
Морозов ДмитрийМорозов
Дмитрий
Мусин Денис Мусин
Денис
Мякина ЗинаидаМякина
Зинаида
Мясникова ЕленаМясникова
Елена
Нестерова ЕкатеринаНестерова
Екатерина
Никитина ТатьянаНикитина
Татьяна
Оганезов ДавидОганезов
Давид
Озеров ПавелОзеров
Павел
Ознобин ОлегОзнобин
Олег
Окромчед­<br>лишвили ТамараОкромчед­
лишвили
Тамара
Останин МаксимОстанин
Максим
Параничев ДмитрийПараничев
Дмитрий
Перепелица СветланаПерепелица
Светлана
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
Раковщик ДмитрийРаковщик
Дмитрий
Резниченко АндрейРезниченко
Андрей
Реймерс МаксимРеймерс
Максим
Робулец ТатьянаРобулец
Татьяна
Романовский СергейРомановский
Сергей
Ромащук МаринаРомащук
Марина
Руденко ДмитрийРуденко
Дмитрий
Рустамова ОксанаРустамова
Оксана
Савельев АлексейСавельев
Алексей
Свашенко СергейСвашенко
Сергей
Скороходова ВалерияСкороходова
Валерия
Скуратова ОльгаСкуратова
Ольга
Смирнов СергейСмирнов
Сергей
Смолянинова ЛюдмилаСмолянинова
Людмила
Солдатова АллаСолдатова
Алла
Соломатин ИльяСоломатин
Илья
Солопова ЕленаСолопова
Елена
Страховик<br><br>Страховик

Сухоруков ДенисСухоруков
Денис
Тарнавский АлександрТарнавский
Александр
Тарсиа НатальяТарсиа
Наталья
Тарханов АнтонТарханов
Антон
Тимофеев ВладиславТимофеев
Владислав
Тихоненко РоманТихоненко
Роман
Тупицын ИгорьТупицын
Игорь
Тутинас АлександрТутинас
Александр
Хандриков ИльяХандриков
Илья
Худяков СергейХудяков
Сергей
Цебула ПавелЦебула
Павел
Цикало АлександрЦикало
Александр
Чернин МаксимЧернин
Максим
Чуб АлексейЧуб
Алексей
Швецов СергейШвецов
Сергей
Шелехов ПетрШелехов
Петр
Шелищ ПетрШелищ
Петр
Шеховцова СветланаШеховцова
Светлана
Шрейдер ВикторШрейдер
Виктор
Шупляков АлексейШупляков
Алексей
Щербакова Наталья ВикторовнаЩербакова
Наталья
Викторовна
Щербухин ДмитрийЩербухин
Дмитрий
Юргенс ИгорьЮргенс
Игорь
Юрьев АндрейЮрьев
Андрей
Яковлева ДарьяЯковлева
Дарья
Якунина КатеринаЯкунина
Катерина
Янин АлексейЯнин
Алексей
Ярцева ИринаЯрцева
Ирина
Реклама партёров