예측 분석은 방대한 데이터 세트, 즉 빅데이터를 분석하여 다양한 변수 간의 의미 있는 관계를 식별하고 이러한 관계를 사용하여 허용 가능한 수준의 신뢰성으로 미래에 발생할 수 있는 일을 예측하는 추론을 포함합니다. 예측 분석에는 가정 시나리오와 위험 평가가 포함됩니다.
현재 보험 산업은 데이터를 지능적으로 활용함으로써 엄청난 경쟁 우위를 제공할 수 있는 산업입니다. 따라서 지난 12년 동안 전 세계 보험 회사는 생명보험과 건강보험에 예측 분석이라는 새로운 과학을 도입하여 경쟁사보다 앞서 나가기 위해 노력해 왔습니다. 보험 회사는 예측 분석을 사용하여 보다 정확하고 신뢰할 수 있으며 비용 효율적인 방식으로 위험을 세분화하고 인수하려고 시도했습니다.
그러나 윌리스 타워스 왓슨이 실시한 북미 생명보험 CFO를 대상으로 한 빅데이터 및 예측 분석 설문 조사에 따르면, 북미와 같은 보다 발전된 경제권에서도 응답자의 58%만이 예측 분석의 기본 사항을 조금 알고 있거나 이해하고 있으며, 응답자 중 누구도 자신을 전문가라고 생각하지 않았습니다. 따라서 업계 전체적으로 예측 분석을 더욱 확대할 수 있는 여지가 많이 있습니다.
이제 두 번째 이동자가 되는 가장 큰 이점 중 하나는 이전에 해당 분야에서 일한 모든 사람의 경험으로부터 배우고 최상의 결과를 얻지 못할 수 있는 분야에 많은 리소스를 투자하지 않아도 된다는 것입니다.따라서 전 세계 건강 및 생명 보험 회사의 예측 분석 실험 결과에 대한 몇 가지 귀중한 통찰력을 소개합니다.이는 2016년 6월 취리히의 Swiss Re Centre for Global Dialogue에서 통찰력에 대해 이야기한 Clair Nolan과 William Trump의 10년 연구에서 비롯되었습니다.Claire Nolan 여사는 현재 Swiss Re에서 영국 및 아일랜드, 중동 및 아프리카 지역의 L&H 인수 책임자를 맡고 있으며 William Trump 씨는 Swiss Swiss Re의 고객 행동 컨설턴트이자 Swiss Re의 iptiQ에서 행동 과학 고문을 맡고 있습니다.
통찰력 1:
생명보험과 건강보험 분야에서 가장 예측 가능한 모델 중 일부는 은행 보증을 통해 나왔습니다. 이는 은행이 고객에 대한 우수한 데이터 소스를 보유하고 있기 때문입니다.
그러나 은행 데이터를 손쉽게 구할 수 없는 경우 신용 점수, 소셜 미디어, 웨어러블 데이터와 같이 건강을 예측하는 대체 데이터 소스가 많이 있습니다. 기업의 과제는 이 데이터 중 실제로 얼마나 사용할 수 있는지, 그리고 이 데이터가 실제로 얼마나 예측 가능한지 결정하는 데 있습니다.
통찰력 2:
효과적인 예측 인수 모델은 신용점수, 인구통계, 신용카드 사용, 특정 백화점 방문 등의 풍부한 데이터 소스를 기반으로 구축됩니다.
그리고 좋은 예측 모델은 인구 상위 40% 세그먼트에 대한 사전 승인된 인수를 제공할 수 있으므로 건강 선언서 한 개만 서명하면 됩니다. 따라서 이 세그먼트의 인수 시간은 1시간에서 단 15분으로 줄어듭니다.
통찰력 3:
때로는 적은 것이 훨씬 더 많은 경우도 있습니다. 그리고 생명보험 및 건강보험 분야의 예측 분석에 고려되는 변수의 경우, 약 30개의 데이터 포인트가 좋은 상관관계를 형성할 수 있습니다.
데이터 포인트는 인수 프로세스를 알리는 데 더 지능적으로 사용될 수 있습니다. 예를 들어, 은행에서 사업자 대출을 받는 고객은 건강 상태가 양호할 가능성이 높습니다. 이는 광범위한 인수 없이도 생명보험 정책에 대한 잠재적인 판매 지점을 제공합니다. 마찬가지로 모기지는 보험 회사가 최소한의 인수로 생명보험 및 건강보험 정책을 교차 판매할 수 있는 기회를 제공합니다.
통찰력 4:
사전 승인된 인수는 보험 에이전트가 잠재적 보험 구매자의 때로는 어려운 질문을 하는 데 시간을 할애할 필요가 없다는 것을 의미합니다. 따라서 고객과의 대화가 훨씬 쉬워집니다. 따라서 영업팀은 리드를 전환할 가능성이 더 높습니다.
통찰력 5:
안타깝게도 10년간의 연구 기간 동안 수집된 데이터를 분석한 결과, 예측적 인수는 수요에 실질적인 변화를 가져오지 않은 것으로 나타났습니다.
