美国四大顶尖保险公司如何利用机器学习技术推动业务转型?

保险业是一个竞争性行业,美国保险业产出5070亿美元占美国GDP的2.7%。随着客户越来越根据个人需求对保险产品进行精挑细选,领先的保险公司正在探索利用机器学习提高业务经营效率,提升客户满意度。

但是,现在还没有对人工智能技术如何影响美国领先的保险公司进行综合性的分析。我们比较深入的研究了这个问题,帮助回答企业领导者心中的疑问:

· Allstate和Progressive这类领先的保险公司现在使用什么类型的机器学习应用?

· 领先的保险公司使用的机器学习应用获得的效果如何?

· 在其创新过程中是否有普遍的趋势—这种趋势会如何影响未来的保险业发展?

本文的目的是全面呈现美国4家领先的保险公司及其在人工智能方面的应用。本文选取的4家知名保险公司是基于2016年全美保险业协会对25家顶尖保险公司做出的排名。

通过使用一些数据和图表,我们的目的是为那些对于机器学习如何影响保险行业这一话题感兴趣的企业领导者和专业人士提供持续的洞察分析。

在我们开始分析每家公司之前,我们将先为各位描述一下机器学习在保险行业应用的总体情况。

机器学习在保险行业中的应用—洞察分析

在美国4家顶级的保险公司中,人工智能最主要的应用主要在以下几个方面:

· 聊天机器人/AI助理:对内部代理人的咨询进行应答,对业务协议提供指南(见下文中的Allstate,或者参见此前的文章)

· 司机驾驶监控:机器学习算法正用于分析客户数据帮助保险公司为客户开发适应的产品(见State Farm和Liberty Mutual)

· 保险市场分析:机器学习算法正用于解释司机相关数据,监测市场发展趋势,识别潜在的业务发展机会(见Progressive)

在下面的文章中,我们将会探讨人工智能在每个保险公司中的应用情况。首先将从State Farm开始,该公司在2016年全美保险机构排名中位列第一。

State Farm

在探讨应用计算机视觉技术发现司机在开车过程中出现走神现象时,State Farm在2016年发起了在线竞赛活动。通过此次活动,有1440名参与者和公司获得了65000美元的奖励,分成三个档次。

State Farm提供的数据集包括了司机的图片,参与者的任务是使用由十个方面组成列表来对每个司机的行为进行分类:

· 安全驾驶

· 发短信

· 操作收音机

· 打电话

竞赛得分最高为1分,最低为0分。机器学习模型的目标是获得一个尽可能接近0的得分,其将描述一个给定模型的准确度水平。

最后排名第一的应用得分为0.08739,其使用两个神经元网络模型,并且将图片分类集中在两个主要的图片位置上:头部和右下角,这里地方司机的手会出现。

Kaggle 用户 “jacobkie” 是 State Farm 公司比赛的获胜者. 其在 Kaggle.com发表了文章分享了其算法和整个过程。

从业务策略角度,专利申请和公司的Drive Safe&Save项目提供了很好的证明,可以说明司机数据收集和解释将在State Farm公司在定制化保险开发以及给客户打折方面发挥越来越重要的作用。

Liberty Mutual

2017年1月,Liberty Mutual宣布一项计划,将利用人工智能技术开发汽车应用和产品,目标是提高司机的安全性。Solaria Labs,一家由Liberty Mutual成立的创新孵化器,已经推出了开放式的API开发者端口,融合了公司专有知识和公共数据,以了解这些技术将会如何发展。一个应用程序端口或API基本上就是一个工具箱,可以为开发软件应用提供设计图。

据报道该保险公司正测试新的应用,帮助汽车事故中的司机通过实时使用智能手机相机实时评估汽车损坏情况。该应用的人工智能组成部分将使用成千上万张汽车碰撞图片进行训练,并且也能够提供具体的损坏修复成本预测。

这是一个及时的项目,尤其是考虑到2016年机动车交通事故死亡人数达到顶峰时的40200人,这是近十年来最高的死亡人数记录。从经济角度看,单个年度由此导致的医疗健康成本达到800亿美元。美国劳工局预计2016年汽车事故中的损失估价中位数为63510万美元。

NCS公布的从2014年到2016年机动车死亡事故报告,表明机动车死死亡人数增加了14%。

2016年5月,Liberty Mutual宣布设立1.5亿美元的风险投资基金, Liberty Mutual Strategic Ventures (LMSV)。该早期风险投资基金将主要关注对保险业有影响的创新技术和商业模式。

经投资的公司包括Snapsheet,一款智能手机应用可以让用户在24小时内从当地汽车维修店获得维修报价。Snapsheet公司的总经理曾说过人工智能和机器学习技术是支持公司数据分析流程的重要技术。

“高科技行业是股票市场上波动最明显的行业。高科技公司的风险很大,因为他们的收入或盈利都很难预测,有些公司会承受很大的损失。。。但是,云计算,数字广告,人工智能,互联设备领域未来的增长潜力仍然可观。因此,对于能够从快速发展的新兴技术中获益的领域,Liberty Mutual将继续加大投资,”2016年年度报告

Allstate

Early Information Science(EIS)是一家保险代理机构,通过数据分析帮助企业提高业绩。All state和EIS合作开发了虚拟助理—ABle(All state Business Insurance Expert)。ABle开发的目的是帮助All state代理人获得All state 保险产品相关信息。

在ABle开发之前,代理人习惯了销售个人保险产品比如健康险或房屋险。但是,当公司决定将重心转向商业保险时,很多代理人要学很多东西,并且要和潜在的客户进行有效沟通必须要学很多东西,这是很有挑战的。所以,All state发现其保险电话销售中心经常有很多来自代理人的咨询,最终由“长时间的等待”变成了“丧失业务机会”。

ABle以阿凡达形象出现,可以使用自然语言帮助代理人一步步地熟悉ABI产品。EIS声称ABle每月可以处理25000条咨询信息。

公司的战略选择和波士顿咨询公司以及摩根史丹利发布的研究报告中阐述的保险发展趋势一致。该报告预测个人保险业务将会萎缩,并且预计“到2030年个人汽车保险市场将会下降65%”。导致这一趋势的重要因素是无人驾驶汽车的出现。

在All state的2017年年度报告中,公司讨论了一个将要实施多年的计划,目标是对其保险代理人进行技能培训,将公司打造成为客户信任的保险顾问。

“为了保证保险代理机构有足够的资源,能力和所需的支持服务客户,我们正利用技术,流程,教育和其他支持手段。这包括持续的提高保险代理人的能力,加快利用新兴技术,以客户为中心,同时简化并实现服务流程的自动化,推动保险代理人更多地发挥咨询顾问作用。”—2017年年度报告

Progressive

Progressive Insurance据报道称正利用机器学习算法基于从司机客户那里收集的数据进行预测性分析。Progressive声称其远程通信技术(融合了通信和IT技术通过网络实施远程遥控)应用,Snapshot已经收集了140亿英里的驾驶数据。Progressive通过Snapshot为客户提供激励,很多司机在使用六个月之后平均可以获得的汽车保险折扣为130美元。

“我们正在收集更多的数据,而且我们收集数据的速度越来越快。我们看到的痛点是我们获得洞察的时间,我们决定使用机器学习算法更好地理解数据,这样我们就能对保险市场的发展进行更好地预测。以前存在的瓶颈是我们无法顾及其他业务条线,实际上现在我们可以利用数据科学和预测性建模方法,因为我们模型已经非常快了,而且也可以带来业务上的价值。” —Pavan Divakarla,Progressive 数据和分析业务负责人。

同目前的汽车保险市场发展趋势一致,Progressive公司的2016年年报中,公司的商业保险业务增长从2014年的0增长到2016年的9%。相比之下,个人保险业务同期则从2%增长至6%。2016年的总收入达到234亿美元。

H20.ai开发出了开源机器学习平台软件,Progressive Insurance正在使用。H20.ai声称有9000家机构和超过8万名数据科学家正使用其软件。到目前,这家加州的软件公司据称已经在A轮和B轮融资中获得3360万美元的投资。

对机器学习在保险行业应用中的思考

人工智能在保险行业正不断得到应用,而且在多个领域包括数据分析,业务经营和司机安全等方面。近期,汽车事故不断增加,汽车保险价格也在上涨,保险公司也试图在这两者之间保持平衡,所以提高司机驾驶安全性的策略是相当及时的。

汽车保险公司在监控司机驾驶方面遇到困难,因为汽车行业中技术的应用越来越普遍。通过机器学习解释数据将会在未来几年成为发现新兴市场领域中业务机会的重要应用。

但是,随着无人驾驶汽车的出现,预计将会减少汽车事故,所以也会减少对汽车保险的需求,最终会导致人工智能的应用面临阻力。Daniel Burrus,知名保险公司科技创新方面的战略顾问兼知名作者,认为“风险正在转变”,从司机转向汽车制造厂商,以及设计智能技术的公司。Burrus认为对保险的需求并不会消失,保险公司必须准备好做出调整以适应新的业务机会。

Anand Goa,普华永道合伙人认为监管自动化技术的某些元素已经融入到很多汽车产业中,但是还需要12年左右汽车零部件才会完全改变,而且还需要15到20年时间完全自动化的无人驾驶汽车才会进入市场。TechEmgergence对无人驾驶汽车的研究已经表明福特和丰田等汽车厂商已经在无人驾驶技术方面投入了数十亿的投资。

保险公司应该如何应对这种转变呢,人工智能技术专家Frncesco Cesco强调保险公司“应该准备好以智能化手段处理新的数据,调整其模型和基础设施拥抱人工智能的潜能。”他认为保险行业应该拥抱新的“文化思维”因为这是保险行业早期应用人工智能解决方案最大阻力。”

我们预计随着时间的发展保险行业将持续受到人工智能技术的影响,我们将持续关注保险行业的发展。

本文分享自微信公众号 - 点滴科技资讯(DDKJZX)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-10-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

如何看待「机器学习不需要数学,很多算法封装好了,调个包就行」这种说法?

编者按:这个问题放到更大的范围,也同样适用于回答“学习数据挖掘是否需要学好数学?”。作者从实践的几个方面给出了自己的理解,小遍认为还是比较好的回答了这个问题。 ...

44950
来自专栏PPV课数据科学社区

机器学习的必备条件不是数学而是...

编者按:2012年10月《哈佛商业周刊》上面发表了一篇专栏,文章称“数据科学家”是21世纪最最性感的工作。在美国,数据科学家的年收入已超过律师和医生,无怪乎有人...

39470
来自专栏机器人网

十种深度学习算法要点及代码解析

谷歌董事长施密特曾说过:虽然谷歌的无人驾驶汽车和机器人受到了许多媒体关注,但是这家公司真正的未来在于机器学习,一种让计算机更聪明、更个性化的技术。 也许我们生活...

1.2K70
来自专栏AI科技评论

周志华出任京东人工智能研究院学术委员会委员,任京东研究院南京分院总顾问

周志华教授与业界的一次深入合作。 AI 科技评论消息:南京大学人工智能学院院长、南京大学计算机科学与技术系主任周志华教授,日前出任京东集团人工智能研究院学术委...

36940
来自专栏PPV课数据科学社区

黑箱难题仍在阻碍深度学习的普及

? “机器学习基本就是线性数学,很好解释,”数据公司Teradata首席技术官斯蒂芬·布罗布斯特(Stephen Brobst)在Teradata合作伙伴大...

41740
来自专栏AI科技评论

学界 | 谷歌《Cell》论文:光学显微镜+深度学习=荧光显微镜

谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感,在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。 AI 科技评论按:在生物...

530110
来自专栏机器人网

机器学习入门先搞懂这八大基础概念

准备好开始AI了吗?可能你已经开始了在机器学习领域的实践学习,但是依然想要扩展你的知识并进一步了解那些你听过却没有时间了解的话题。   这些机器学习的专业术语...

39370
来自专栏AI科技评论

谷歌发布「与书对话」AI工具,从字里行间邂逅心仪书籍

谷歌在自然语言理解研究的全新尝试。 AI 科技评论消息:今日,谷歌分享了 Semantic Experiences,在博客中展示了两大关于自然语言理解的互动工具...

37670
来自专栏机器人网

【深度】一图看完深度学习架构谱系图

金成勳在 GitHub 上梳理出的谱系图如下,小编在此基础上对各个分支网络做了介绍、补充,希望对读者了解网络体系间的关联有所帮助。如有缺陷,欢迎大家留言补充。 ...

33350
来自专栏机器人网

解读主流的人工智能芯片有什么不同?

 在全球规模最大的2018北美消费电子产品展上,参展的科技企业超过4000家,包括高通、英伟达、英特尔、LG、IBM、百度在内的业界科技巨头纷纷发布了各自最新的...

40490

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励