Upload
buidiep
View
216
Download
0
Embed Size (px)
Citation preview
Prediktivna analitika u osiguranju
Danijel Bara, Član UpraveJadransko osiguranje d.d.
SADRŽAJ
Analitika i prediktivna analitikaDefinicijeUsporedba
Opis prediktivne analitike
Upotreba prediktivne analitike
Prediktivna analitika u osiguranju
Koristi od prediktivne analitike
Životni ciklus prediktivne analitike
Proces uvođenja prediktivne analitike
“…primjena računalne tehnologije,
operacijskih istraživanja i statistike s ciljem
rješavanja problema u poslovanju i
industriji. Provodi se u okviru
informacijskog sustava.”
Definicija analitike (deskriptivna)
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
Upotreba prediktivne analitike je poput vožnje automobila i promatranja prometakroz vjetrobran, predviđajući promet te radeći korekcije putanje kako bi se izbjegle
prometne gužve i stiglo na cilj brže i sigurnije
“.…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”
Definicija prediktivne analitike
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
Analitika
Usporedba analitike i prediktivne analitikeAtribut Analitika Prediktivna analitika
SvrhaRazumijevanje prošlostiProučavanje trendovaPoticaj za diskusiju
Stjecanje uvidaDonošenje odlukaPoduzimanje akcije
Pogled Povijesni i trenutni Orijentiran budućnosti
Tip metrike Zaostajući indikatori Vodeći indikatori
Upotrijebljeni podaci Sirovi i kompajlirani Informacije
Tip podataka StrukturiraniStrukturirani i nestrukturirani
KorisniciSrednji i viši menadžmentAnalitičari, krajnji korisnici
C razina i viši menadžment, stratezi, analitičari, menadžeri
KoristiDobivanje i razumijevanje podatakaPoboljšavanje produktivnosti
Dobivanje informacija i uvidaPoboljšavanje procesaKvalitetnije odlučivanje
Razvoj analitike
Faza IIzvještavanje
Faza II Analiza
Predefinirani batch i upiti
Skalabilnost/ Zrelost analitike
Sofisticiranost opterećenja /
Vrijednost
Što se dogodilo?
Što se dogodilo?
Zašto se dogodilo?Zašto se
dogodilo?
Što će se dogoditi?Što će se dogoditi?
Kako možemo napraviti da se
dogodi?
Kako možemo napraviti da se
dogodi?
Izvor: Gartner
Ad-hoc upiti, dashboard, scorecard
Faza III Predikcija
Faza IV Operacionalizacija
Faza V Aktivacija
Kontinuirano poboljšanje i
vremenski osjetljivi upiti
Automatsko odlučivanje / real-time prediktivna
analitika
Poduzimanje akcije!
Poduzimanje akcije!
Analitičko modeliranje, prediktivna
analitika
Biti proaktivan: Više kompleksnosti => više vrijednosti
Deskriptivna analitika
Dijagnostička analitika
Prediktivnaanalitika
Preskriptivnaanalitika
Informacija
Optimizacija
Naknadni uvid
Uvid
Predviđanje
Kompleksnost
Vri
jed
nos
t
Što se dogodilo?
Što se dogodilo?
Zašto se dogodilo?Zašto se
dogodilo?
Što će se dogoditi?Što će se dogoditi?
Kako možemo napraviti da se
dogodi?
Kako možemo napraviti da se
dogodi?
Izvor: Gartner
Zrelost analitike + Big data eksplozija + alati
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
PribavaAutomatizirana pribava / selekcija rizika
Proces definiranja cijene police
Aktivno upravljanje portfeljom rizika
Automatizirana preporuka popusta/bonusa
Automatski proces obnove
Detekcije prevare u procesu pribave
Upravljanje apetitom za rizik
Automatski nadzor policirane premije
MarketingOptimizacije kampanje
Segmentacija osiguranika
1:1 marketing
Tržišna analiza novog proizvoda
Prediktivni marketing
Inteligenti cross sell
Optimiziranje ponuda dostavljenih pribavi
ŠteteDetekcija prevare
Brzo praćenje šteta
Automatsko dodjeljivanje šteta (kompetencije)
Ubrzano otkrivanje ozbiljnih šteta
Predviđanje kompleksnosti
Optimizacija procesa obrade štete
Predviđanje pričuva
Prodaja & UslugeOptimizacija terenske prodaje
Modeliranje i optimizacija provizioniranja
Cross-sell, up-sell, optimizacija ponuda
Inteligentno usmjeravanje poziva
Inteligentno preporučivanje
Ponude za osiguranike
Optimizacija povratnih informacija
Povećanje učinkovitosti agenta /brokera
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cijena/procjena Pribava Marketing Štete Pričuve
42%
20%9% 7% 9%
39%
32%
18%14% 9%
13%
21%
14%18%
11%
4%
9%
12% 14%
17%
Rijetko
Povremeno
Često
Uvijek
Upotreba prediktivne analitike u osiguranju
Izvor: Ventana Research
0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50%
Poslovni vlasnici polica
Komercijalno vlasnIštvo
Službeno vozilo
Kućevlasnici
Privatno vozilo
25%
30%
32%
37%
49%
24%
37%
37%
49%
49%
Buduće
Trenutno
Izvor: Ventana Research
Upotreba prediktivne analitike u osiguranjuPo poslovnim područjima
Izvor: Ventana Research
Koristi od prediktivne analitike
Izvor: MIT Sloan Management Review
Koristi od analitike
0 2 4 6 8 10
Opće upravljanje
Planiranje i alokacija radne snage
Upravljanje brendom i tržištem
Upravljanje iskustvima korisnika
Upravljanje rizikom
Korisnički servisi
Istraživanje i razvoj proizvoda
Općeniti prosjek
Prodaja i marketing
Strategija i razvoj poslovanja
Operacije i produkcija
Financijski menadžment i budžetiranje
Top izvođači
Slabiji izvođači
Sklonost primjeni Intuicije
Sklonost primjeni Analitike
22,1
Top izvođači primjenjuju Analitiku pet puta više nego slabiji izvođači
0% 5% 10% 15% 20% 25%
Regulatorna odobrenja
Modeli ne rade dobar prediktivan posao
Nemaju prepreka
Upravljanje promjenama koje se pojavljuju
Kultura
Troškovi
Nedostatak know-how i tehničke stručnosti
3%
6%
7%
15%
16%
21%
21%
Izvor: Ventana Research
Prepreke korištenja prediktivne analitike
Životni ciklus prediktivne analitike
Izvor: SaS
IDENTIFIKACIJA/FORMULACIJA
PROBLEMA
PRIPREMA PODATAKA
ISTRAŽIVANJE PODATAKA
TRANSFORMIRANJE& SELEKCIJA
IZGRADNJAMODELA
VALIDACIJAMODELA
RAZVOJMODELA
OCJENA/NADZOR
REZULTATA
Stručnjak u područjuDonositelj odlukaOcjenjuje procese i ROI
MENADŽER
Validacija modelaRazvoj modelaNadgledanje modelaPripremanje podataka
IT SISTEM /MENADŽMENT
Istraživanje podatakaVizualizacija podatakaKreiranje izvještaja
POSLOVNI ANALITIČAR
Istraživačka analizaDeskriptivna segmentacijaPrediktivno modeliranje
RUDAR PODATAKA/STATISTIČAR
Proces uvođenja prediktivne analitike
CRISP-DM model
“Puštanje rudarenja
podataka u rad”
Razumijevanje poslovanja
Razumijevanje podataka
Priprema podataka
Modeliranje
Ocjenjivanje
Razvoj
Podaci
Izvor: www.crisp-dm.org
Data monetizacija
Prilike data monetizacijeBig Data može ojačati ključne poslovne organizacijske inicijative i podržati nove prilike data monetizacije
1
2
3
4
5
Big Data voditelji Utjecaji na monetizaciju podataka
Strukturirani podaci: detaljniji transakcijski podaci (npr. POS, CDR, RFID, kreditne kartice)
Omogućuje veću zrnatost, detaljnije odlučivanje (lokalizacija, sezone, multimenzionalnost)
Nestrukturirani podaci: razni interni (e-mail komentari kupaca) i eksterni (social media, mobilni) podaci
Omogućuje potpunije odlučivanje (nove metrike, dimenzije i dimenzionalni atributi)
Strojno generirani podaci: očitavanja i logovi sa senzora, sprava za mjerenje, povezanih vozila, pametnih uređaja, itd.
Omogućuje nove, vremenski operativno odlučivanje (prediktivno održavanje, mrežna optimizacija)
Brzina podataka: niska latencija (Real time) pristupu podataka
Omogućuje frekventnije, vremenski uvjetovano odlučivanje (sat u odnosu na tjedan, ažuriranje analitičkog modela na zahtjev)
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.
Vektori značajki
Labele
Novi tekst, dokument, fotografija,
itd.
Očekivane labele
Algoritam strojnog učenja
Prediktivni model
Hvala na pažnji!