|
数字原生代 已经改变了客户和合作伙伴（中介机构）对保险公司的期望。这些客户和合作伙伴期望获得简单、个性化的产品和服务，同时这些产品和服务还需要符合他们独特的需求和状态。他们还希望能够通过自己选择的渠道，在保单的整个生命周期内，与保险公司基于情境开展有价值的互动。另外，保险业务的客户接触点最少，仅限于保单销售、索赔和续保等形式。而大部分业务运营都是基于保险公司从这些客户接触点获取的数据。 虽然保险公司认识到，他们唯有转型，才能在瞬息万变的市场环境中站稳脚跟，但在他们面前，同时横亘着许多挑战，比如，旧系统缺乏灵活性、监管压力加大、缺乏创新文化等。 好消息是，保险公司现在可以充分利用外部数据源的数据，无论是非结构化的社交媒体数据，还是来自传感器和可穿戴设备或者公共数据源的数据。通过将这些外部数据与内部的结构化或非结构化数据相整合，保险公司就能全面了解客户及其偏好。 对于想要转型的保险公司来说，高级分析、人工智能和机器学习等数字技术能够有效帮助他们加速转型，实现数据货币化，进而在数字化时代优化客户互动，创新产品，并规避风险。 数字化的意义不仅在于数据本身，更重要的是，利用商务分析从数据中挖掘价值，变革业务模式。通过正确采用恰当的技术，保险公司将充分发挥数字化优势，从容应对未来的市场挑战。 通过有效整合内外部数据，并应用商务分析，保险公司能优化与客户及合作伙伴的互动，创新产品，并规避风险。 客户和合作伙伴互动 1、在保单的整个生命周期内，与客户及合作伙伴（中介机构）互动，而不局限于传统的客户接触点 2、利用实时洞察，获取建议和支持，适时适地地管理风险 3、实现虚拟互联并加强互联 4、基于情境开展有针对性的营销活动，避免过度打扰客户 5、实现安全、直观、无缝的保单和索赔处理流程 产品创新 1、基于不断变化的需求，提供简单、透明、个性化的保险产品 2、快速、灵活地交付产品 3、提供面向互联生态系统（汽车、家庭和企业）的基于使用的保险 4、提供面向共享经济（拼车和民宿）的保险 5、提供网络保险（使用外部数据和历史数据，承保网络风险） 风险缓解 1、借助传感器技术，在汽车险、家庭险、健康险和人寿险等领域，实现以循证为基础的主动风险管理 2、实施网络风险管理（内部和投保人） 3、在互联时代，基于数据实施防欺诈管理 4、借助真实数据，完善风险评估，并提高风险评估的准确性 5、访问各种最新的数据集，实现更全面、更准确的管理报告和监管报告 对于希望实现数据货币化、变革业务模式的保险公司来说，数字技术可以成为强大的加速器。 鉴于保险业务的性质，保险公司占据了有利优势，能够掌握大量的客户数据。现在，他们还可以访问许多外部数据源，例如，社交媒体、公共数据或行业数据，以及有关财产和天气状况的数据库。 他们当下需要做的是利用正确的技术，整合有关客户及其偏好以及风险敞口的信息，构建更加完整的视图，进而满足自己的独特需求，并更有效地管理风险。 这将有助于他们基于实时洞察，向客户推介基于情境且极具针对性的产品和服务，并在保单的整个生命周期内与客户开展有价值的互动。 技术采用趋势表明，许多保险公司都希望借助大数据和商务分析，为所有业务部门完善洞察，变数据为资产，并充分利用信息价值赢得竞争优势。 尽管如此，他们必须意识到，海量的孤立数据并不能帮助他们实现目标。他们应该着手整合结构化和非结构化数据，投资分析和认知技术，将海量数据转化为洞察，然后基于洞察采取行动。 保险公司之所以采用大数据和商务分析解决方案，最常见的原因是为了开展更有针对性、更有意义的客户互动和降低风险。 要想从这些用例中实现真正的价值和收益，保险公司需要避免不同业务部门各自为营的局面，因为这会导致大量孤立的数据源。他们应计划和部署长期的企业战略，重点关注强大的数据基础、智能分析和认知技术，更重要的是，高管的鼎力支持。 用例 1：利用高级分析和机器学习技术，在整个客户之旅中基于情境开展有意义的互动 一直以来，保险业务的客户接触点最少，仅限于通过面对面形式、中介机构或联络中心等传统渠道，进行保单销售、续签和索赔。 借助传统的业务模式，保险公司往往无法了解客户的独特需求和偏好，因为过去收集数据的主要目的是确定正确的风险等级、制定相应的保单价格或进行理赔。 如今，保险公司能通过多种数字渠道，比如线上、手机以及微信、微博等社交网站及虚拟数字助理等，与客户互动。 此外，他们还能访问公开数据源提供的人口统计数据、信用数据或其他数据。他们可以利用来自基于位置的传感器的数据或社交媒体互动数据，了解客户的生活方式、行为和偏好。 通过使用高级分析技术整合来自不同数据源的结构化和非结构化数据，他们可以构建完整的客户视图，在客户最需要的时候，在正确的时间和地点与他们开展互动。这有助于企业建立长久、可靠的客户关系和品牌忠诚度。 另外，通过利用机器学习技术，保险公司能够分析客户互动，提高预测准确性，持续地主动优化产品、服务和沟通。 用例 2：使用高级分析和认知技术，最大化互联汽车产品的价值 面向互联汽车的高级分析和认知技术主要依靠真实的数据（比如个人数据和当前驾驶行为数据等），而不是对汇总的历史数据的精算研究，来确定保费定价。 因此，利用这些技术，保险公司能够基于个人风险更准确地定价，大幅提升客户体验，并有效预防损失。此外，保险公司还能通过实时监控和追踪，减少欺诈性索赔。 根据 IDC在2016年进行的垂直IT和通讯行业调查（调查对象包括156家美国保险公司）以及欧洲垂直市场调查（调查对象包括87家保险公司），保险公司在采用物联网技术方面表现积极且卓有成效。 但是，保险公司只有采取综合性战略，利用商务分析和认知技术执行产品与风险管理，并增加用例，才能从物联网投资中获得真正的价值。 这样的战略有助于保险公司有效地开发新客户群，这些客户向保险公司提供自己的数据后，希望能够获得高度个性化的产品和服务，并在整个保单生命周期中获取价值。 保险公司应选择合适的技术合作伙伴，具体而言，这些合作伙伴能提供解决方案来有效整合数据分析与投保人的风险敞口，并扩展产品和服务，以涵盖索赔、营销和客户服务等业务职能。 作为产品和服务的一部分，保险公司应与更广泛的生态系统中的企业开展合作，比如汽车制造商、维修店、娱乐提供商和医院等，通过分享相关的信息获取洞察，进而最大程度地提升客户体验。 用例 3：利用高级分析和人工智能技术，在数字经济时代高效管理索赔和处理欺诈 过去，保险公司在对索赔的频率和严重度建模时，很大程度上依赖历史数据。他们使用预先构建的业务规则和工作流，发现欺诈行为。 通过访问来自内外部数据源的宝贵数据，保险公司现在能够利用高级分析解决方案和机器人处理理赔程序。这些解决方案能够研究结构化和非结构化信息，针对费用管理、理赔、诉讼和损失分析构建预测模型。此外，这些解决方案还能更有效、更准确地使用复杂的算法。 远程信息处理技术能帮助企业通过实时监控，发现可疑行为。通过分析社交媒体活动，企业能尽早发现欺诈行为模式和趋势。人工智能系统可以基于视频图像、录音或事故报告，分析事故细节。 由于高级分析和认知技术能够在极短的时间内处理海量数据，因此可以帮助保险公司发现相关性，并识别联系和可疑模式。 利用这些技术，保险公司能够快速、准确且有效地分析海量数据，并基于数据洞察采取行动，减少理赔疏漏和欺诈，进而加快理赔速度，降低损失成本。 保险公司需要进行信息转换，实现数据货币化，并重新定义业务模式，也就是说，他们需要从最简单的即席阶段迈向更高级 的优化阶段。 保险公司应该如何？ 1、评估企业当前的信息功能和所处的成熟度阶段，了解面临的机遇和挑战，发现有待完善的领域，并创建路线图和框架，支持信息转换。 2、计划在投资大型项目前，先在路线图中试运行小规模、有价值的项目。 3、制定企业战略，这得基于强大的数据基础、智能数据管理，以及商务分析和认知技术。企业要想增强客户互动，提供创新的产品及服务，并主动管理风险，这些都必不可少。 4、确定与企业使命和战略一致的用例，并根据企业的短、中、长期目标确定用例的优先顺序。 5、培育以客户和数据为中心的企业文化，并组建认同该文化的领导团队。 6、优化数据和商务分析投资，具体需要评估、记录和管理相关的价值、风险和成本。 7、与合适的技术供应商合作，这些供应商必须具备创新能力，真正了解保险行业以及该行业当前的数据转换需求，并拥有久经验证的分析和集成功能，能为你的转型之旅提供支持。
|
|
|
