보험 산업 사례 연구

• 역동적인 가격 책정

  DataRobot을 사용하여 보험료를 책정한 영국의 한 대형 자동차 보험사는 한 사업부의 일반적인 선형 모델을 다각도의 변형 모델로 대체했습니다.그 결과, 이 보험사는 손실율을 낮추고 통합율을 개선하며 재가입률은 높이고 인수 비용은 줄여 전체적으로 8백만 달러에 이르는 가치를 창출했습니다. 선형 및 비선형 알고리즘을 동시에 실행할 수있는 DataRobot의 기능은 불리한 선택의 위험을 줄이는 정밀한 위험별 보험료 책정 을 지원합니다.

• 고객 이탈 감소

  좋은 고객이 기한이 경과된 증권을 더 비싼 새 계약으로 교체해야 하기 때문에 계약을 갱신하지 않으면 보험사는 손해입니다. 유럽의 한 대형 보험사는 DataRobot을 활용해 "이탈” 위험을 고려한 갱신 보험료를 책정했습니다. 이 결과 철회 및 갱신실패이 감소하고 손실률이 개선되어 변액 비용이 24% 감소했습니다. 결과적으로, 이 보험사는 연간 1,250만 유로의 이익을 얻게 되었습니다.

• 소송 리스크 완화

  미국의 한 대형 재물·상해 보험사는 DataRobot을 활용하여 노동자의 상해보험 청구가 소송으로 이어질 수 있는 가능성을 예측하는 모델을 개발했습니다. 소송 가능성 점수가 높은 청구 건들은 조기 및 적절한 합의금 제안을 위해 상급 청구 담당 직원에게 전달됩니다. 이 보험사는 모델이 없었더라면 발생했을 10%의 소송을 방지함으로써 위험 청구 비용이 25% 감소했고 보험사가 얻은 가치는 연간 5백만 달러 이상입니다.

• 사기 탐지

  최신 머신러닝은 계속 변화하는 사기법을 탐지하는데 통계적 규제보다 훨씬 효율적입니다. 한 가지 사례로, 유럽의 한 대형 재물·상해 보험사는 DataRobot으로 개발한 모델을 적용하여 자동 청구건들을 야간 배치 작업으로 처리했습니다. 부정 가능성이 높은 점수의 청구 건들은 이제 부정 청구 특별 수사 팀에 배정됩니다. 이 보험사는 부정 탐색의 정확성을 30% 개선해 1,000만 달러 이상의 가치를 창출하게 되었습니다.

• 대위(Subrogation)를 통한 자금 확보

  대위변제 기회는 수익 발견과 비슷하지만 신속한 식별과 실행을 할 수 있을 때만 가능합니다.한 대유럽 자동차 보험사는 DataRobot과 협력하여 대위변제 회복 가능성이 높은 청구 건들를 파악했습니다. 이제 청구 담당 직원들은 자동적으로 대위변제가 포함된 청구 리스트를 받습니다. 이 보험사는 대위변제 이행률을 1.4 %에서 2.8 %로 두 배로 끌어올렸으며 매년 4-8 백만 유로의 손실을 회복하게 되었습니다