Согласно данным аналитического агентства IDC, всего через 3 года объем рынка специализированного ПО, работающего с Big Data, может составить 203 миллиарда долларов. Сейчас он оценивается в 130 миллиардов, но спрос со стороны банковского сектора, страховых и телекоммуникационных компаний только растет.
Сегодня мы расскажем о том, какие аналитические задачи на стыке сфер страхования и «больших данных» решают проекты Университета ИТМО.
Flickr / Richard Masoner / CC
Основной интерес компаний и их клиентов заключается в эффективном управлении рисками и оптимизации затрат. В самом направлении нет ничего нового — риски и желание сохранить то или иное имущество, финансовые активы или другие ценности являются центральными элементами всей индустрии страхования.
Прогнозирование и оценка — неотъемлемая составляющая процесса управления рисками. По сравнению с временами, когда были созданы первые страховые компании (например, по итогам Великого Пожара в Лондоне в 1666 году) степень сложности методов оценки и объемы анализируемых данных многократно возросли.
Появление «умных устройств» и новых возможностей для работы с огромными массивами данных, преобразует задачи, которые стоят перед аналитическими отделами страховых компаний. Начиная с модернизации существующей инфраструктуры для сбора и анализа информации и до пересмотра основных подходов к обслуживанию клиентов. Все это нужно не только для удешевления страхования, но и для повышения прозрачности процессов сбора данных — понимания клиентом того, какую информацию он предоставляет и что получает взамен.
Для обсуждения подобных проблем Университет ИТМО использует такие площадки как акселератор iDealMachine. Один из проектов акселератора iDoMa подразумевает ежемесячные семинары для всех, кому интересна стартап-индустрия. В рамках одного из таких мероприятий мы проводили встречу с представителями ведущих страховых компаний, с которыми участники семинара обсуждали нехватку стартапов в области страхования.
В качестве одной из основных причин такого явления эксперты выделили слишком акцентированный уклон страховых компаний в пользу своих дочерних структур. Сегодняшние стартапы в этой сфере — это в основном спин-оффы крупных организаций, занимающихся страхованием и не желающих позиционировать такие проекты в качестве отдельного бизнеса. С другой стороны, интерес страховых компаний к работе в формате «in-house» может привлечь тех, кто готов продать свой проект или сделать его частью корпорации.
В 2008-м году журнал Nature опубликовал одно из первых определений Big Data, которое предполагало наличие специальных методов и инструментов для обработки огромных объемов информации. Сегодняшняя репутация Больших данных во многом испорчена ложными ожиданиями и поисками универсального решения, которое позволит перейти на совершенно иной технологический уровень.
Проблема заключается не столько в популярности термина «Big Data», сколько в не совсем точной постановке задач и выборе инструментов, для их решения. Основная масса проектов, которые занимаются Большими данными, приходит к «большим разочарованиям» только потому, что не может сформулировать точную цель такой работы. Так или иначе, многие все еще уверены в том, что «Big Data» — это не более чем маркетинговая уловка.
Flickr / Ted Eytan / CC
Аналогичная ситуация складывается и в сфере страхования. Если быть точнее, то в автостраховании – в области применения телематических устройств для отслеживания стиля вождения и оценки рисков наступления того или иного страхового события. Наш рынок может похвастаться лишь 50 тысячами персонализированных предложений, которые были реализованы страховыми компаниями за последние несколько лет с использованием телематики. Статистика говорит о том, что эти объемы продаж составляют не более 1% от общего числа всех полисов КАСКО.
Причин может быть множество: от нежелания менять стиль езды на менее агрессивный, до опасений относительно недобросовестного использования персональных данных (с этим сталкивались практически все автолюбители). Основная проблема здесь заключается в том, что в России нет специализированной законодательной базы, которая могла бы стандартизировать подобные системы и порядок работы с ними для страховых компаний. Тем не менее, страховщики не теряют надежды и прорабатывают различные варианты технологических решений, которые позволят заинтересовать рынок реальными результатами, а не служить исключительно маркетинговой приманкой.
Еще одна сфера из области страхования, в которой использование Больших данных медленно, но верно набирает обороты — страхование имущества. Снизить риски тут помогают встроенные датчики, которые позволяют вовремя обнаружить несанкционированное проникновение в помещение, утечку газа, прорыв того или иного компонента системы водоснабжения или пожар. Такие устройства представляют интерес не только с точки зрения минимизации потерь (когда что-то пошло не по плану), но и служат основой для формирования более выгодного страхового предложения в сочетании со сведениями статистики и накопленной историей страховых случаев.
Аналогичным образом развивается и сегмент страхования жизни и здоровья — здесь есть свои подходы к отслеживанию состояния страхователя. Одни из передовых предложений от страховых компаний учитывают не только медицинскую историю клиента, но и данные, поступающие с носимых устройств. Таким образом, клиент получает существенные скидки обмен на данные, которые аккумулируются в базах страховой компании для последующей обработки. Тем не менее, по степени распространения среди страховщиков пока лидирует именно телематика — и большинство проектов по анализу данных в страховании так или иначе оказываются связаны именно с автомобилями.
Один из наших студентов воспользовался интересом страховых компаний к инновационным разработкам и адаптировал свою исследовательскую работу к формату ежегодного конкурса компании «Ингосстрах». В своей конкурсной работе «Big Data в страховании — области применения» Ярослав Полин, студент кафедры программных систем Университета ИТМО, выделил наиболее перспективные подходы по борьбе с мошенничеством и методы персонализации цен полисов ОСАГО с использованием возможностей, которые предоставляют Большие данные.
Ярослав провел анализ текущих мошеннических ситуаций и определил параметры, которые позволяют отслеживать подозрительные обращения от клиентов. Этот подход во многом напоминает методы, которые используют финансовые организации для поиска подозрительных транзакций в режиме онлайн.
Этой логикой руководствуются и поставщики телематических устройств, которые находят свои выгоды в работе с Big Data. Авторы одного из таких проектов — Максим Савельев и Самуил Горелик. Если кратко, то речь идет о программно-аппаратном комплексе, который позволяет отслеживать различные характеристики транспортных средств. На основе этих данных возможно провести оценку качества вождения, что не может не вызывать интерес у транспортных компаний (контроль за автопарком и работой сотрудников) и страховых компаний (предоставление скидок за аккуратное вождение).
Основное предназначение телематических систем — предоставление исходных данных для создания персонализированных страховых предложений. Здесь учитывают такие параметры как: скорость транспортного средства, ускорение, торможение, расход топлива и другие нюансы, позволяющие построить «профиль» водителя.
Разработчики данной системы мониторинга транспортных средств спроектировали не только «железо», но и специальное ПО — комплекс в данный момент проходит тестирование на нескольких автобусах петербургского ГУП «Пассажиравтотранс». Впоследствии подобная система оценки качества перевозок может стать частью «умной» транспортной сети любого города. Исследования в этой области и сфере оценки качества дорог также ведутся сотрудниками Университета ИТМО.
Сегодня мы расскажем о том, какие аналитические задачи на стыке сфер страхования и «больших данных» решают проекты Университета ИТМО.
Flickr / Richard Masoner / CCО чем это мы
Основной интерес компаний и их клиентов заключается в эффективном управлении рисками и оптимизации затрат. В самом направлении нет ничего нового — риски и желание сохранить то или иное имущество, финансовые активы или другие ценности являются центральными элементами всей индустрии страхования.
Прогнозирование и оценка — неотъемлемая составляющая процесса управления рисками. По сравнению с временами, когда были созданы первые страховые компании (например, по итогам Великого Пожара в Лондоне в 1666 году) степень сложности методов оценки и объемы анализируемых данных многократно возросли.
Появление «умных устройств» и новых возможностей для работы с огромными массивами данных, преобразует задачи, которые стоят перед аналитическими отделами страховых компаний. Начиная с модернизации существующей инфраструктуры для сбора и анализа информации и до пересмотра основных подходов к обслуживанию клиентов. Все это нужно не только для удешевления страхования, но и для повышения прозрачности процессов сбора данных — понимания клиентом того, какую информацию он предоставляет и что получает взамен.
Для обсуждения подобных проблем Университет ИТМО использует такие площадки как акселератор iDealMachine. Один из проектов акселератора iDoMa подразумевает ежемесячные семинары для всех, кому интересна стартап-индустрия. В рамках одного из таких мероприятий мы проводили встречу с представителями ведущих страховых компаний, с которыми участники семинара обсуждали нехватку стартапов в области страхования.
В качестве одной из основных причин такого явления эксперты выделили слишком акцентированный уклон страховых компаний в пользу своих дочерних структур. Сегодняшние стартапы в этой сфере — это в основном спин-оффы крупных организаций, занимающихся страхованием и не желающих позиционировать такие проекты в качестве отдельного бизнеса. С другой стороны, интерес страховых компаний к работе в формате «in-house» может привлечь тех, кто готов продать свой проект или сделать его частью корпорации.
Еще немного критики
В 2008-м году журнал Nature опубликовал одно из первых определений Big Data, которое предполагало наличие специальных методов и инструментов для обработки огромных объемов информации. Сегодняшняя репутация Больших данных во многом испорчена ложными ожиданиями и поисками универсального решения, которое позволит перейти на совершенно иной технологический уровень.
Проблема заключается не столько в популярности термина «Big Data», сколько в не совсем точной постановке задач и выборе инструментов, для их решения. Основная масса проектов, которые занимаются Большими данными, приходит к «большим разочарованиям» только потому, что не может сформулировать точную цель такой работы. Так или иначе, многие все еще уверены в том, что «Big Data» — это не более чем маркетинговая уловка.
Flickr / Ted Eytan / CC
Аналогичная ситуация складывается и в сфере страхования. Если быть точнее, то в автостраховании – в области применения телематических устройств для отслеживания стиля вождения и оценки рисков наступления того или иного страхового события. Наш рынок может похвастаться лишь 50 тысячами персонализированных предложений, которые были реализованы страховыми компаниями за последние несколько лет с использованием телематики. Статистика говорит о том, что эти объемы продаж составляют не более 1% от общего числа всех полисов КАСКО.
Причин может быть множество: от нежелания менять стиль езды на менее агрессивный, до опасений относительно недобросовестного использования персональных данных (с этим сталкивались практически все автолюбители). Основная проблема здесь заключается в том, что в России нет специализированной законодательной базы, которая могла бы стандартизировать подобные системы и порядок работы с ними для страховых компаний. Тем не менее, страховщики не теряют надежды и прорабатывают различные варианты технологических решений, которые позволят заинтересовать рынок реальными результатами, а не служить исключительно маркетинговой приманкой.
Еще одна сфера из области страхования, в которой использование Больших данных медленно, но верно набирает обороты — страхование имущества. Снизить риски тут помогают встроенные датчики, которые позволяют вовремя обнаружить несанкционированное проникновение в помещение, утечку газа, прорыв того или иного компонента системы водоснабжения или пожар. Такие устройства представляют интерес не только с точки зрения минимизации потерь (когда что-то пошло не по плану), но и служат основой для формирования более выгодного страхового предложения в сочетании со сведениями статистики и накопленной историей страховых случаев.
Аналогичным образом развивается и сегмент страхования жизни и здоровья — здесь есть свои подходы к отслеживанию состояния страхователя. Одни из передовых предложений от страховых компаний учитывают не только медицинскую историю клиента, но и данные, поступающие с носимых устройств. Таким образом, клиент получает существенные скидки обмен на данные, которые аккумулируются в базах страховой компании для последующей обработки. Тем не менее, по степени распространения среди страховщиков пока лидирует именно телематика — и большинство проектов по анализу данных в страховании так или иначе оказываются связаны именно с автомобилями.
Что делает Университет ИТМО
Один из наших студентов воспользовался интересом страховых компаний к инновационным разработкам и адаптировал свою исследовательскую работу к формату ежегодного конкурса компании «Ингосстрах». В своей конкурсной работе «Big Data в страховании — области применения» Ярослав Полин, студент кафедры программных систем Университета ИТМО, выделил наиболее перспективные подходы по борьбе с мошенничеством и методы персонализации цен полисов ОСАГО с использованием возможностей, которые предоставляют Большие данные.
Ярослав провел анализ текущих мошеннических ситуаций и определил параметры, которые позволяют отслеживать подозрительные обращения от клиентов. Этот подход во многом напоминает методы, которые используют финансовые организации для поиска подозрительных транзакций в режиме онлайн.
Этой логикой руководствуются и поставщики телематических устройств, которые находят свои выгоды в работе с Big Data. Авторы одного из таких проектов — Максим Савельев и Самуил Горелик. Если кратко, то речь идет о программно-аппаратном комплексе, который позволяет отслеживать различные характеристики транспортных средств. На основе этих данных возможно провести оценку качества вождения, что не может не вызывать интерес у транспортных компаний (контроль за автопарком и работой сотрудников) и страховых компаний (предоставление скидок за аккуратное вождение).
Основное предназначение телематических систем — предоставление исходных данных для создания персонализированных страховых предложений. Здесь учитывают такие параметры как: скорость транспортного средства, ускорение, торможение, расход топлива и другие нюансы, позволяющие построить «профиль» водителя.
Разработчики данной системы мониторинга транспортных средств спроектировали не только «железо», но и специальное ПО — комплекс в данный момент проходит тестирование на нескольких автобусах петербургского ГУП «Пассажиравтотранс». Впоследствии подобная система оценки качества перевозок может стать частью «умной» транспортной сети любого города. Исследования в этой области и сфере оценки качества дорог также ведутся сотрудниками Университета ИТМО.
Поделиться с друзьями