예측 분석을 통해 빠른 언더라이팅을 더 정확하게 실현할 수 있는 방법은 무엇일까요?
보험업계의 효율성에 대한 수요는 항상 높습니다. 고객은 데이터 중심의 빠른 서비스를 통해 보험회사에 문제 제기를 할 수 있기를 원합니다. 그 결과, 보험회사의 고객 만족도를 개선하고 자원 할당을 최적화하는 빠른 언더라이팅이 최근 인기 있는 관행이 되었습니다. 보험 신청자는 빠른 언더라이팅을 통해 전체 의료 검사 또는 혈액 검사 패널 없이 보험에 가입할 수 있습니다.
하지만 제한된 데이터로 정확성을 달성하는 것은 여전히 큰 과제입니다. Minitab의 예측 분석 도구는 이 프로세스를 개선하기 위한 강력하고 데이터에 기반한 솔루션을 제공합니다.
회귀 분석 트리를 사용하여 승인된 프로파일 분석
Minitab Statistical Software를 사용하여 빠른 언더라이팅 승인을 받을 가능성이 가장 높은 지원자의 특성에 대해 자세히 알아봤습니다. Minitab의 예측 분석 모듈에서는 회귀 분석 트리(CART®) 머신러닝 알고리즘을 사용했습니다. 회귀 분석 트리는 데이터를 유사한 응답 값으로 가장 적절하게 분류하는 예측 변수 설정에 기반하여 데이터를 파티션으로 분할하는 예/아니요 규칙을 생성하는 방식으로 작동하는 의사결정 트리 알고리즘입니다. 이 도구를 사용하여 다음을 수행할 수 있었습니다.
- 빠른 언더라이팅 승인에 영향을 미치는 가장 중요한 변수 식별.
- 더 낮거나 높은 확률의 빠른 언더라이팅 승인을 초래할 가능성이 높은 예측 변수 설정의 조합 파악.
- 결과 시각화
- 이해하기 쉬우며 실시간으로 절차에 활용 및 적용할 수 있는 비즈니스 규칙 생성
CART® 의사결정 트리는 빠른 언더라이팅의 승인(=1) 또는 거부(=0) 결정에 영향을 미치는 주요 신청자 특성(예측 변수)을 식별했습니다.
상대 변수 중요도 차트에는 예측 변수의 유의성이 표시되었습니다. 이 차트는 보험회사가 연령, BMI, 병력, 성별에 가장 중점을 두었음을 보여줍니다.
예측하고 개선하세요!
설정 에서 각 예측 변수의 값을 입력할 수 있습니다. 그런 다음 예측 섹션에 적정 값이 제공되어 빠른 언더라이팅 승인 가속화 가능성을 나타냅니다. 예를 들어, 이 예측 모형을 사용하면 보험회사는 빠른 언더라이팅이 승인되거나 거부되는 사람을 예측할 수 있습니다.
예를 들어, 시나리오에 따르면 BMI 23, 연간 소득 $120,000, 심장 질환 병력, 공정한 건강, 경계 혈압 및 콜레스테롤 수치를 갖고 있으며, 흡연을 하고 적당한 양의 알코올을 소비하는 56세의 기혼 남성은 빠른 언더라이팅에서 거부될 가능성이 66.7%이며, 기존 언더라이팅 프로세스로 리디렉션됩니다.
이를 통해 보험회사는 리소스 할당을 더 잘 예측하고 잠재적인 고객과 빠른 언더라이팅 자격을 얻을 수 있는 가능성에 대해 간단한 대화를 나눌 수 있습니다.
보험 산업 모듈에서 제공되는 산업 솔루션에 대해 자세히 알아보기
Minitab으로 언더라이팅 프로세스 최적화
보험회사는 Minitab의 강력한 예측 분석 모듈을 활용하여 빠른 언더라이팅 프로세스의 정확성을 크게 향상시켜 효율성과 고객 만족도를 높일 수 있습니다. 지금 Minitab Statistical Software 무료 평가판을 다운로드하세요!
This blog post was written by Jay Jeon, a summer intern at Minitab in 2024.