Авторы Жюльен Наполи и Юссеф Мхирит.

Будь то ценообразование, резервирование или риск, прогнозные модели позволяют страховщикам избегать анти-отбора, оставаться конкурентоспособными, несмотря на опасности, связанные с окружающей средой, глобальным здоровьем и финансовыми рынками.

В этой статье мы поделимся частичным обзором текущего ландшафта страхования науки о данных и познакомимся с потребностями, которые удовлетворяет Qantev.

Что касается P&C, моделирование страхования становится все более продвинутым. Примерами такой эволюции являются более тонкое использование интерпретируемых моделей повышения для справедливого ценообразования по страховым продуктам и использование детальной географической информации для точной оценки систематического риска в страховании имущества.

Бизнес-правила все чаще заменяются моделями в маркетинговых кампаниях по всем направлениям (перекрестные продажи, дополнительные продажи и лояльность), поскольку отделы маркетинга стремятся повысить релевантность своего контента для каждого конкретного клиента.

Эта персонализация была выполнена с использованием традиционных статистических моделей из обобщенной линейной модели, а также относительно новых семейств моделей Bagging и Boosting, которые стали вычислительно управляемыми за последние 25 лет. Достижения в области спецификации математического представления также были широко распространены: от моделей склонности к моделям повышения, затем к единому подходу Next Best Action, группирующему исходящие действия и стремящемуся связываться с клиентами только по нужным им продуктам с соответствующими предложениями через их предпочтительные канал для повышения как удовлетворенности клиентов, так и эффективности операций.

Что касается медицинского страхования, одной из новых аналитических тем является обнаружение мошенничества, растраты и злоупотреблений (FWA), на которые, по оценкам, приходится до 25% страховых взносов. Борьба с FWA становится все более важной, поскольку медицинская инфляция во многих странах достигает рекордных уровней, а вместе с ней и необходимость обеспечения доступности здравоохранения становится все более сложной задачей.

FWA решается с помощью моделей, вводимых новыми командами по анализу данных, заменяющих подходы к бизнес-правилам, чтобы соответствовать растущим изощренным способностям мошенников.

На этом фронте используется несколько моделей для обнаружения подозрительных шаблонов, таких как ложные утверждения, завышенные утверждения, апкодирование, вредные ненужные операции среди прочего, с использованием таких подходов, как:

  • Алгоритмы обнаружения выбросов, такие как Isolation Forest, LSTM Autoencoder.
  • Контролируемые алгоритмы классификации, такие как различные разновидности рекуррентных нейронных сетей и модели повышения градиента.
  • Классические статистические тесты, такие как t-критерий стоимости означает равенство услуг одного и того же характера, и тест Колмогорова-Смирнова на равенство распределения для медицинских кодов сопоставимых поставщиков медицинских услуг.

Медицинское страхование удовлетворяет потребность общества в разделении рисков для здоровья, поскольку бремя этого риска может быть очень тяжелым. Компания Qantev родилась в контексте, когда эта область сталкивается с серьезными проблемами инфляции в области медицины и доступности, хотя до сих пор аналитические инструменты не получали достаточной поддержки по сравнению с аналогичной компанией P&C.

В следующих статьях мы подробнее обсудим, как Qantev позволяет страховщикам улучшить доступность, охват и качество обслуживания путем разработки комплексных сетей, уровней и стимулов, основанных на стоимости. В частности, мы рассмотрим, как мы используем последние достижения в области обработки естественного языка, а также результаты нашего собственного исследования по оптимизации сети.