今日は、ITMO大学のプロジェクトによって保険と「ビッグデータ」の分野の接点でどのような分析タスクが解決されるかについてお話します。
Flickr / Richard Masoner / CC
私たちは何について話しているのですか
企業とその顧客の主な関心は、効果的なリスク管理とコストの最適化です。 方向自体には、新しいものは何もありません。特定の資産、金融資産、またはその他の価値を維持するというリスクと欲求は、保険業界全体の中心的な要素です。
予測と評価は、リスク管理プロセスの不可欠な部分です。 最初の保険会社が設立された時代と比較して（たとえば、1666年のロンドンの大火災の結果に続いて）、評価方法の複雑さおよび分析されるデータの量は何度も増加しました。
「スマートデバイス」の出現と、大量のデータを扱う新たな機会により、保険会社の分析部門が直面するタスクが変わります。 情報の収集と分析のための既存のインフラストラクチャの近代化から始まり、顧客サービスへの基本的なアプローチの改訂まで。 これはすべて、保険のコストを削減するだけでなく、データ収集プロセスの透明性を高めるためにも必要です。クライアントが提供する情報とその見返りを理解することです。
このような問題を議論するために、ITMO大学はiDealMachineアクセラレーターなどのプラットフォームを使用しています。 iDoMaアクセラレータプロジェクトの1つには、スタートアップ業界に関心のあるすべての人を対象とした毎月のセミナーが含まれます。 これらのイベントの一環として、大手保険会社の代表者と会いました。セミナーの参加者は、保険業界のスタートアップの不足について議論しました。
この現象の主な理由の1つとして、専門家は、保険会社が子会社に有利に偏りすぎていることを指摘しています。 この分野の今日のスタートアップは、主に大手保険会社のスピンオフ企業であり、そのようなプロジェクトを別のビジネスとして位置付けることを望んでいません。 一方、保険会社が社内形式で働くことに関心がある場合、プロジェクトを売却したり企業の一部にしたりすることを希望する人々を引き付けることができます。
もう少し批判
2008年、Nature誌はビッグデータの最初の定義の1つを公開しました。これは、膨大な量の情報を処理するための特別な方法とツールの存在を示唆しています。 ビッグデータの現在の評判は、誤った期待と、まったく異なる技術レベルへの移行を可能にする普遍的なソリューションの探求によって大きく損なわれています。
問題は「ビッグデータ」という用語の人気ではなく、タスクの正確な記述ではなく、タスクを解決するためのツールの選択です。 ビッグデータを扱うプロジェクトの大部分が「大きな失望」に陥るのは、そのような作業の正確な目的を定式化できないからです。 いずれにしても、多くの人は、ビッグデータはマーケティングの策略に過ぎないと確信しています。
Flickr / Ted Eytan / CC
保険業界にも同様の状況が存在します。 もっと正確に言えば、自動車保険では-運転スタイルを追跡し、保険イベントの発生のリスクを評価するためのテレマティクスデバイスの応用分野です。 私たちの市場は、過去数年にわたってテレマティクスを使用して保険会社によって実装されたパーソナライズされたオファーがわずか5万件です。 統計によると、これらの販売量は、すべてのCASCOポリシーの総数の1％に過ぎません。
多くの理由が考えられます：運転スタイルを積極的でないスタイルに変更することへの抵抗から、個人データの不公平な使用への恐怖（ほとんどすべての運転手がこれに遭遇しています）。 ここでの主な問題は、ロシアにはそのようなシステムと保険会社のためにそれらと連携するための手順を標準化できる専門的な立法基盤がないことです。 それにも関わらず、保険会社は希望を失わず、市場が実際の結果に興味を持つようになり、マーケティングの餌としてだけではなく、技術的解決策のさまざまなオプションを考え出します。
ビッグデータの使用が徐々にではあるが確実に勢いを増している別の保険分野は、財産保険です。 内蔵センサーはここでのリスクを軽減するのに役立ちます。これにより、部屋への不正侵入、ガス漏れ、給水システムの特定のコンポーネントの突破、または時間内の火災を検出できます。 このようなデバイスは、損失を最小限に抑えるという点（問題が発生した場合）だけでなく、統計や保険ケースの蓄積された履歴と組み合わせて、より有利な保険オファーを形成するための基礎としても役立ちます。
生命保険と健康保険のセグメントも同様の方法で開発されています-被保険者の状態を監視する独自のアプローチがあります。 保険会社からの主要なオファーのいくつかは、クライアントの病歴だけでなく、ウェアラブルデバイスからのデータも考慮に入れています。 したがって、クライアントは、さらに処理するために保険会社のデータベースに蓄積されたデータの交換に対して大幅な割引を受けます。 それにもかかわらず、テレマティクスは保険会社間の分配の面で依然としてリーダーであり、ほとんどの保険データ分析プロジェクトはどういうわけか、特に自動車に関連していることが判明しています。
ITMO大学が行うこと
私たちの学生の一人は、保険会社の革新的な開発への関心を利用し 、研究活動をインゴストラフ社の年次コンテストの形式に適合させました。 ITMO大学のソフトウェアシステム学科の学生であるヤロスラフポリンは、競争力のある「保険のビッグデータ-適用分野」で、ビッグデータが提供する機能を使用してOSAGOポリシーの価格をパーソナライズするための最も有望な不正防止アプローチと方法を強調しました。
Yaroslavは、現在の不正な状況の分析を実施し、クライアントからの疑わしいメッセージを追跡できるパラメーターを特定しました。 このアプローチは、主に金融機関がオンラインで疑わしい取引を検索するために使用する方法を連想させます。
ビッグデータを使用するメリットを享受するテレマティクスベンダーも、このロジックに導かれています。 これらのプロジェクトの作成者は、Maxim SavelyevとSamuel Gorelikです。 要するに、車両のさまざまな特性を追跡できるハードウェアとソフトウェアの複合体について話しているのです。 これらのデータに基づいて、輸送会社（車両の管理と従業員の仕事）と保険会社（正確な運転の割引を提供）の間の関心を喚起せざるを得ない、運転の質を評価することができます。
テレマティックシステムの主な目的は、個人向けの保険オファーを作成するためのソースデータを提供することです。 ドライバーの「プロファイル」を作成できるようにする車両速度、加速、ブレーキング、燃料消費量、およびその他のニュアンスなどのパラメーターが考慮されます。
この車両監視システムの開発者は、ハードウェアだけでなく特別なソフトウェアも設計しました。この複合体は現在、サンクトペテルブルクパサジラヴトランのいくつかのバスでテストされています。 その後、このような輸送の品質を評価するシステムは、あらゆる都市のスマートな輸送ネットワークの一部になる可能性があります。 この分野と道路品質評価の分野の研究も、ITMO大学のスタッフが実施しています。