2024保险数据和AI趋势报告

3一个快速发展的保险领域：生成式人工智能4确定保险公司面临的最大外部挑战6利用现代数据平台获得“洞察优势”。10保险公司如何从数据和人工智能中受益13成功秘诀 一个快速发展的保险领域：生成式人工智 能 保险公司若想在当今竞争激烈的全球商业环境中蓬勃发展，需要比以往任何时候都更好地利用数据和数据分析。保险提供商必须比竞争对手更了解市场情况，能够简单轻松地内部和外部共享和利用信息，并将分析洞察融入决策生命周期的每一个步骤。 对于许多人来说，生成式人工智能（gen AI）提供了变革性技术，使保险公司能够在关注组织成本降低和效率的同时，获得业务关键成果。但尽管2023年是炒作和“可能性的艺术”之年，现在保险公司必须迅速学会 navigating the potential complexities of gen AI — and figure out how to effectively implement it。 好消息是，保险公司不必孤军奋战。如今，有基于云的SaaS数据平台，能够使任何规模的保险公司建立基础数据、人工智能和数据分析能力，以便它们可以自信且盈利地向前发展，并为未来做好准备。 识别最大的外部挑战对保险公司而言 4 经济通胀与供应链 整个保险行业在过去几年里受到了全球规模的巨大挑战——包括全球大流行、通货膨胀和劳动力挑战，更不用说政治和民乱——这些影响从燃料成本到全球供应链的各个方面。 气候相关问题对保险公司构成特别的不确定性。2023年，极端天气事件的数量达到了前所未有的水平，超越了历史记录，凸显了气候变化加剧的影响。仅在美国，天气和气候灾害至少需要92.9亿美元，涵盖28个独立事件。— 一年之中发生史上最多笔十亿美元级灾难事件。 财产与责任保险领域持续受到一系列因素的影响，导致其表现不足，这些因素在很大程度上给损失成本带来了压力。 特别是，经济通货膨胀持续对汽车和财产保险线更换和维修成本产生重大影响。 在2020年至2023年期间，财产险与责任险（P&C）的赔偿成本平均增长45%在同期美国整体经济增长率上升15%的情况下，超出了美国整体经济的通胀率。 此类行业数据突出了这些自然灾害发生频率和严重性的日益增加，尤其是在次生灾害如野火、干旱、冰雹、洪水和严重对流风暴等方面。 供应链中断导致损失成本的大幅增加，引发了一系列问题，如零部件交付延迟、维修时间延长以及车辆租赁期限增加。 鉴于这些次生灾害造成的破坏规模，很明显，保险公司必须对地震和飓风等初级灾害采取相同的纪律性风险评估。鉴于这些风险具有动态性，基于长期情景分析、压力测试以及气候风险管理报告要求的数据驱动模型将成为正确估计潜在损失规模的重要工具。 5 社会通货膨胀 监管压力 随着驾驶者重返道路，驾驶里程数接近疫情前的水平，似乎驾驶行为并未恢复到疫情前的常态。在电信服务提供商剑桥移动电信发布的一份报告中，他们指出，在过去两年中，分心驾驶行为以令人警觉的速度加剧。2 保险公司也将面临不断变化的法规带来的日益增长的压力。在美国，保险公司需要遵守加州消费者隐私法（CCPA）和加州隐私权法案（CPRA）等法规。类似立法正在通过更多美国州立法机构的审议，每个州都有细微的差别，这使得保险公司难以应对。欧盟的通用数据保护条例（GDPR）也类似地概述了各种消费者数据隐私权。 该术语社会通货膨胀指的是立法和诉讼驱动的保险公司在经济通胀之外的法律责任和索赔成本的增加。社会通胀对保险行业损失成本的影响已经非常显著，有证据表明它导致了 显著的超出一般经济通货膨胀的索赔成本增长。具体而言，根据美国损失精算师协会的数据，社会通货膨胀导致损失增长速度比一般通货膨胀快约2%至3%。 这种更冒险的驾驶行为表现在索赔严重程度的增加，2021年私人乘客碰撞严重程度比2020年同期增加了36.5%，同期人身伤害严重程度平均上升了24.2%。3 此外，随着保险行业继续将人工智能和机器学习集成到如索赔管理和核保等运营活动中，监管机构正在密切关注平衡其带来的好处与潜在风险。例如，科罗拉多州保险局（CDOI）于2023年11月14日推出了《算法和预测模型治理规定》。该规定是一项开创性的努力，旨在确保人工智能模型和外部消费者数据及信息源（ECDIS）的使用不会导致对受保护类别的不公平歧视性保险行为，初步实施涉及种族问题。科罗拉多州的这项举措值得注意，因为它可能为其他州和其他保险领域（包括人寿保险以外的领域）的类似规定树立先例。 这一趋势已在各种责任保险领域观察到，包括商业汽车责任险、医疗事故责任险、一般责任险和个人保险线，表明对整个行业产生了广泛的影响。 同时，承运商为了应对通货膨胀、供应链和极端天气压力而实施的保费增长，引发了关于消费者在续保期间的购物和转换率提高的担忧。 后疫情时期的消费者行为 除了经济和社会通货膨胀的影响外，由于表面上看是疫情后驾驶行为的变化，导致私人乘客碰撞频率和严重程度的增加，汽车行业正承受着重大压力。 一项来自Trusted Choice的调查®揭示the 价格上升对消费者行为产生的影响程度。一些显著的发现表明，由于这些价格上涨，近70%的美国人已经开始审查他们的保险政策，许多人考虑提高免赔额作为节省成本的选择。大约22%的消费者考虑过不购买保险作为应对这些成本压力的节俭手段，其中有相当大的多数（83%）表示，如果这意味着降低保费，他们愿意更换保险公司。 随着美国高速公路上行驶的里程在疫情期间高峰期间急剧减少，公路安全保险研究所分析了超过500个弗吉尼亚州交通部门的速度计数器的数据，并将2020年3月至6月车辆超速10英里/小时的比率与2019年同期进行了比较。 在美国以外，欧盟正在积极制定《人工智能法案》，提议为所有行业，包括保险业，制定统一的法律框架，以促进人工智能的开发和使用。该法案旨在确保人工智能应用，特别是那些被视为高风险的应用，符合欧盟的价值和标准。由于保险业高度监管，其在整合这些跨行业法规时面临独特的挑战。 这一转向成本节约措施的趋势，包括考虑放弃保险或选择更高的免赔额，突显了消费者面临的财务压力以及他们尝试应对这些挑战的努力。鉴于这一点，保险公司必须将这些变化的消费者行为纳入他们的定价、产品和营销策略中。 他们指出，与2019年同期相比，2020年有50%更高的可能性，司机超速行驶10英里或以上。1 为这些新规定做准备将导致保险公司实施控制机制和新业务流程，最终增加其一般和行政开支。 6 利用现代数据和分析平台以获得洞察优势 现代数据平台的实际应用案例 这前所未有的市场条件要求保险公司迅速且明智地做出反应。能够最快做出反应的公司将相对于其竞争对手拥有关键优势。 保险业数字化转型的基础之一是实现对客户或商业企业的360度全面了解，因为数字化转型促进了众多不同数据源的整合，包括保单管理、账单和索赔管理系统、CRM平台、社交媒体、物联网设备和第三方数据服务。 数字化转型和全方位消费者和企业的观点 保险公司出于几个令人信服的原因，推进了数字化转型举措，旨在适应快速发展的行业格局和满足不断变化的患者期望。 保险公司应对这些挑战的关键因素之一是利用一个现代数据云平台，该平台旨在满足组织不断变化的分析需求，并创造竞争性的“洞察优势”。洞察优势应被用于指导企业的战略考虑，评估市场扩张的机会，推动收入增长，提高成本竞争力，并积极影响客户体验。 鉴于第三方数据的广泛可用性，客户的甲方代表可以由一系列广泛的统计数据（在个人案例中）或企业统计数据（在商业企业案例中）来增强。这种关于消费者或商业企业的广泛视角将进一步通过整合非结构化数据得到补充，例如房产航空图像或索赔案例笔记。 现代消费者期望快速、便捷和个性化的互动。得益于数字化转型计划，运营商可以通过在线门户、移动应用和人工智能驱动的客户服务来满足这些期望，提高可访问性、响应速度和个性化。同时，数字工具和流程帮助运营商简化运营，减少人工任务并自动化工作流程。这导致成本节约、响应时间更快以及核保、理赔处理和客户 方面都无法实现其原始商业案例的承诺，更不用说满足对更多基于分析驱动的用例的扩展需求。随着保险公司寻求解决“数据问题”，他们应考虑以下现代SaaS数据和分析平台的特点，该平台旨在支持洞察力优势。 这个360度视角使得在众多业务流程中能够获得洞察，包括风险选择、开拓、承保、入职、服务、索赔分类、欺诈检测、客户旅程构建等更多方面。 另一个数字化转型的显著好处：运营商可以变得更加灵活和响应迅速，能够根据行业变化快速调整其战略和产品。 7 为了保险公司实现对其客户、代理商和经纪人的全方位视角，现代数据平台需要超越提供统一原始数据的范畴——数据需要进行精选。精选数据意味着来自政策管理、计费和索赔管理系统的数据已经被净化、扁平化和映射，并与外部数据源无缝集成。拥有精选数据为保险公司节省了显著的时间和成本，并允许团队将资源重新聚焦于将数据应用于企业内部。精选数据是保险公司成为更数据驱动的基础性步骤，因为它解锁了保险公司立即开始进行新颖观察、做出更多数据驱动决策，以及通过将其输入AI/ML模型和其他系统进一步实现数据操作化的能力。 许多大型保险公司创建了重叠或竞争性的数据资产和管道，以支持组织内业务部门和功能区域的独立运营。但这也导致了成本效率低下，因为需要管理重叠的资产，同时还伴随着多个、有时是竞争性数据存储库的数据版本控制挑战。 一个现代数据平台为企业的各种用户提供访问众多第三方数据集的途径，并能简化一、二方数据的连接。这使得数据科学和分析组织能够快速评估新的第三方数据属性，以确定它们是否能为他们的任何模型带来“提升”。这允许快速评估模型提升与第三方订阅许可成本之间的经济关系，有助于维持洞察优势。 这导致保险公司考虑采用以域为中心的数据架构，在此架构中，创建企业域的责任被去中心化，并分配给特定领域的专家团队（例如，账户、客户、损失、位置等）。支持计算和存储分离的现代云数据平台有助于创建一次性构建但可被任何功能部门或业务单元根据特定需求使用的企业域。 保险公司利用此类数据生态系统时，需要为第三方数据提供强大的元数据，以描述数据集的特征，供分析消费者使用。这些元数据应包括某些特征，如属性、有效值和质量指标，以及关于数据集的独特属性，例如使用权利限制、第三方数据源的内部专家姓名、业务所有者等。 数家保险公司正在采用数据网格，一套以领域为导向、去中心化的数据所有权和架构原则，作为创建企业数据域的方法。 企业应该能够轻松、高效且安全地在多个部门和职能之间——无论是内部还是外部——共享数据。这不应需要资源来构建和管理大量数据，也不应需要重大转型、繁重的工作负载或安排和维护。此外，整个过程应在访问数据或将数据在保险公司及其合作伙伴之间移动时不会产生重大费用。 随着云端数据市场中第三方数据的不断积累，有趣的第三方数据服务将开始出现，并应在数据生态系统和创造洞察优势中扮演重要角色。 例如，一项为期五年的Verisk研究涵盖了小型商业保险分类，发现通过SIC/NAICS代码的行业误分类为52%，导致第一年估计有65亿美元的保费流失。4行业中的误分类现象普遍存在，原因众多，包括不可靠的数据来源、数据录入过程中的简单人为错误，以及从代理人、经纪人或业主处收到的错误信息，所有这些均可能导致潜在的重大保费流失。 商务智能报告与分析 拥有一个现代平台，该平台提供一系列预构建的商业智能和分析报告模板，这些模板总结了核心系统中的数据，可以极大地加速组织的数据成熟度水平，并促进更快、更明智的决策制定。这些报告模板的例子包括保险公司能够了解其代理人和经纪人的表现，查看索赔数量、索赔周期时间和已支付损失，以及深入查看业务线和地理区域的账单摘要。企业可以选择直接使用这些报告，或者业务用户可以根据需要轻松配置它们。 鉴于数据市场中第三方数据来源的庞大和多样性，可以想象设计一个旨在提高分类并减少保费流失的服务，或者能够向保险公司发出业务分类变化的警报，从而改