Prediktivna analitika u osiguranju

Prediktivna analitika u osiguranju
Danijel Bara, Član Uprave
Jadransko osiguranje d.d.
SADRŽAJ
Analitika i prediktivna analitika
Definicije
Usporedba
Opis prediktivne analitike
Upotreba prediktivne analitike
Prediktivna analitika u osiguranju
Koristi od prediktivne analitike
Životni ciklus prediktivne analitike
Proces uvođenja prediktivne analitike
Definicija analitike (deskriptivna)
“…primjena računalne tehnologije,
operacijskih istraživanja i statistike s ciljem
rješavanja problema u poslovanju i
industriji. Provodi se u okviru
informacijskog sustava.”
Upotreba analitike je kao vožnja automobilom ali s gledanjem
prometa kroz retrovizor, na taj način ne gledajući što se događa
ispred i zbog toga u opasnosti od sudara
Definicija prediktivne analitike
“.…prediktivni modeli
iskorištavaju uzorke pronađene u povijesnim i transakcijskim
podacima za identifikaciju rizika i poslovnih prilika.
Uočavaju odnose među mnogim čimbenicima kako bi se time
omogućila procjena rizika ili potencijal povezan s određenim
skupom uvjeta, pritom olakšavajući donošenje odluka”
“Svako rješenje koje podržava identifikaciju smislenih
obrazaca i korelacija između varijabli u složenim,
strukturiranim i nestrukturiranim, povijesnim i
potencijalnim budućim skupovima podataka za potrebe
predviđanja budućih događaja i procjenu atraktivnosti
različitih načina djelovanja”
Upotreba prediktivne analitike je poput vožnje automobila i promatranja prometa
kroz vjetrobran, predviđajući promet te radeći korekcije putanje kako bi se izbjegle
prometne gužve i stiglo na cilj brže i sigurnije
Usporedba analitike i prediktivne analitike
Analitika
razumijevanje postojećih podataka
(retrospektiva)
prvi korak prema prediktivnoj analitici
cilj - razumijevanja trendova kroz usporedbu
Prediktivna analitika
napredna analitika koja „misli unaprijed”
stjecanje uvida iz matematičkog modeliranja
poboljšavanje razumijevanja, interpretiranja i
prosuđivanja rezultata
kvalitetnije donošenja odluka
Usporedba analitike i prediktivne analitike
Atribut
Analitika
Prediktivna analitika
Svrha
Razumijevanje prošlosti
Proučavanje trendova
Poticaj za diskusiju
Stjecanje uvida
Donošenje odluka
Poduzimanje akcije
Pogled
Povijesni i trenutni
Orijentiran budućnosti
Tip metrike
Zaostajući indikatori
Vodeći indikatori
Upotrijebljeni podaci
Sirovi i kompajlirani
Informacije
Tip podataka
Strukturirani
Strukturirani i
nestrukturirani
Korisnici
Srednji i viši menadžment
Analitičari, krajnji korisnici
C razina i viši menadžment,
stratezi, analitičari, menadžeri
Koristi
Dobivanje i razumijevanje
podataka
Poboljšavanje produktivnosti
Dobivanje informacija i uvida
Poboljšavanje procesa
Kvalitetnije odlučivanje
Razvoj analitike
Sofisticiranost
opterećenja /
Vrijednost
Poduzimanje
akcije!
Kako možemo
napraviti da se
dogodi?
Faza V
Aktivacija
Što će se
dogoditi?
Faza IV
Operacionalizacija
Zašto se
dogodilo?
Faza III
Predikcija
Faza II
Analiza
Što se
dogodilo?
Faza I
Izvještavanje
Predefinirani
batch i upiti
Izvor: Gartner
Ad-hoc upiti,
dashboard,
scorecard
Analitičko
modeliranje,
prediktivna
analitika
Kontinuirano
poboljšanje i
vremenski
osjetljivi upiti
Automatsko
odlučivanje / realtime prediktivna
analitika
Skalabilnost/
Zrelost analitike
Vrijednost
Biti proaktivan: Više kompleksnosti => više vrijednosti
Zrelost analitike + Big data eksplozija + alati
Kako možemo
napraviti da se
dogodi?
Što će se
dogoditi?
Zašto se
dogodilo?
Što se
dogodilo?
Deskriptivna
analitika
Prediktivna
analitika
Dijagnostička
analitika
cija
a
rm
vid
o
u
f
i
In
dn
a
n
N ak
Izvor: Gartner
Preskriptivna
analitika
za
imi
cija
t
Op
nje
a
đ
dvi
e
r
P
d
Uvi
Kompleksnost
Što sve koristimo u prediktivnoj analitici?
Prediktivna analitika - prednosti
Poboljšavanje poslovnih procesa
Automatiziranje i optimizacija direktnog
odlučivanja
Kvalitetnije i brže donošenje odluka
Realizacija poslovnih ciljeva
Bolje upravljaju trenutnim izazovima
Povećavanje vjerojatnosti budućeg
uspješnog poslovanja
Gartnerov Hype Cycle za nadolazeće tehnologije - 2013
Izvor: Gartner
Upotreba prediktivne analitike
Upotreba prediktivne analitike
Prediktivna analitika poboljšava brojne osiguravateljne procese
Pribava
Marketing
Automatizirana pribava / selekcija rizika
Optimizacije kampanje
Proces definiranja cijene police
Segmentacija osiguranika
Aktivno upravljanje portfeljom rizika
1:1 marketing
Automatizirana preporuka popusta/bonusa
Tržišna analiza novog proizvoda
Automatski proces obnove
Prediktivni marketing
Detekcije prevare u procesu pribave
Inteligenti cross sell
Upravljanje apetitom za rizik
Optimiziranje ponuda dostavljenih pribavi
Automatski nadzor policirane premije
Štete
Prodaja & Usluge
Detekcija prevare
Optimizacija terenske prodaje
Brzo praćenje šteta
Modeliranje i optimizacija provizioniranja
Automatsko dodjeljivanje šteta (kompetencije)
Cross-sell, up-sell, optimizacija ponuda
Ubrzano otkrivanje ozbiljnih šteta
Inteligentno usmjeravanje poziva
Predviđanje kompleksnosti
Inteligentno preporučivanje
Optimizacija procesa obrade štete
Ponude za osiguranike
Predviđanje pričuva
Optimizacija povratnih informacija
Povećanje učinkovitosti agenta /brokera
Upotreba prediktivne analitike u osiguranju
100%
4%
90%
13%
80%
9%
70%
39%
21%
Rijetko
60%
Povremeno
50%
12%
40%
32%
Često
17%
14%
18%
30%
20%
14%
11%
42%
18%
14%
9%
7%
9%
20%
10%
9%
0%
Cijena/procjena
Izvor: Ventana Research
Pribava
Marketing
Štete
Pričuve
Uvijek
Upotreba prediktivne analitike u osiguranju
Po poslovnim područjima
49%
49%
Privatno vozilo
49%
Kućevlasnici
37%
37%
Službeno vozilo
Buduće
32%
Trenutno
37%
Komercijalno vlasnIštvo
30%
24%
25%
Poslovni vlasnici polica
0%
5%
10%
15%
20%
Izvor: Ventana Research
25%
30%
35%
40%
45%
50%
Koristi od prediktivne analitike
Izvor: Ventana Research
Koristi od analitike
Sklonost Sklonost
primjeni primjeni
Intuicije Analitike
Top izvođači primjenjuju Analitiku pet
puta više nego slabiji izvođači
22,1
Financijski menadžment i budžetiranje
Operacije i produkcija
Strategija i razvoj poslovanja
Prodaja i marketing
Općeniti prosjek
Istraživanje i razvoj proizvoda
Korisnički servisi
Top izvođači
Upravljanje rizikom
Slabiji izvođači
Upravljanje iskustvima korisnika
Upravljanje brendom i tržištem
Planiranje i alokacija radne snage
Opće upravljanje
0
Izvor: MIT Sloan Management Review
2
4
6
8
10
Prepreke korištenja prediktivne analitike
Nedostatak know-how i tehničke stručnosti
21%
Troškovi
21%
16%
Kultura
15%
Upravljanje promjenama koje se pojavljuju
7%
Nemaju prepreka
6%
Modeli ne rade dobar prediktivan posao
3%
Regulatorna odobrenja
0%
Izvor: Ventana Research
5%
10%
15%
20%
25%
Životni ciklus prediktivne analitike
POSLOVNI
ANALITIČAR
MENADŽER
Stručnjak u području
Donositelj odluka
Ocjenjuje procese i ROI
OCJENA/
NADZOR
REZULTATA
IDENTIFIKACIJA/
FORMULACIJA
PROBLEMA
PRIPREMA
PODATAKA
RAZVOJ
MODELA
IT SISTEM /
MENADŽMENT
Validacija modela
Razvoj modela
Nadgledanje modela
Pripremanje podataka
Izvor: SaS
Istraživanje podataka
Vizualizacija podataka
Kreiranje izvještaja
ISTRAŽIVANJE
PODATAKA
VALIDACIJA
MODELA
TRANSFORMIRANJE
& SELEKCIJA
IZGRADNJA
MODELA
RUDAR
PODATAKA/
STATISTIČAR
Istraživačka analiza
Deskriptivna segmentacija
Prediktivno modeliranje
Proces uvođenja prediktivne analitike
CRISP-DM model
Razumijevanje
poslovanja
Razumijevanje
podataka
Priprema
podataka
Podaci
Razvoj
Modeliranje
“Puštanje rudarenja
podataka u rad”
Izvor: www.crisp-dm.org
Ocjenjivanje
Data monetizacija
Prilike data monetizacije
Big Data može ojačati ključne poslovne organizacijske inicijative
i podržati nove prilike data monetizacije
Big Data voditelji
1
2
3
Strukturirani podaci: detaljniji transakcijski
podaci (npr. POS, CDR, RFID, kreditne kartice)
Nestrukturirani podaci: razni interni (email komentari kupaca) i eksterni (social
media, mobilni) podaci
Strojno generirani podaci: očitavanja i
logovi sa senzora, sprava za mjerenje,
povezanih vozila, pametnih uređaja, itd.
Utjecaji na monetizaciju podataka
Omogućuje veću zrnatost, detaljnije odlučivanje
(lokalizacija, sezone, multimenzionalnost)
Omogućuje potpunije odlučivanje (nove metrike,
dimenzije i dimenzionalni atributi)
Omogućuje nove, vremenski operativno
odlučivanje (prediktivno održavanje, mrežna
optimizacija)
4
Brzina podataka: niska latencija (Real time)
pristupu podataka
Omogućuje frekventnije, vremenski uvjetovano
odlučivanje (sat u odnosu na tjedan, ažuriranje
analitičkog modela na zahtjev)
5
Prediktivna analitika: uzročnost,
predskazivači, instrumentacija,
eksperimantacija
Akcijsko, prediktivno odlučivanje (optimizacija,
preporuka, predviđanje, bodovanje, prognoza)
Primjer bodovanja u programu šteta
Model strojnog učenja
Tekst za
obuku,
dokumenti,
fotografije,
itd.
Labele
Novi tekst,
dokument,
fotografija,
itd.
Vektori
značajki
Algoritam
strojnog
učenja
Prediktivni
model
Očekivane
labele
Hvala na pažnji!