보험 업에서의 예측 분석 증가 The Rise of Predictive Analytics in Insurance

1898년 2월에 Travelers Insurance Company는 뉴욕 주 버팔로의 Truman Martin 박사에게 최초의 자동차보험 상품을 판매했습니다. 데이터를 소중하게 여기는 1인으로서 제 눈에 띈 사실은 최초의 자동차용 운행기록계 특허가 1903년에 발행되었으며, 1920년대가 되어서야 운행기록계가 대다수의 자동차에 기본으로 장착되었다는 것입니다. 따라서 초기에 보험업계에서는 자동차 보험상품을 만들 때 주행거리처럼 간단한 데이터에조차 액세스할 수 없었습니다.

반면 오늘날 보험 분야는 가장 중요한 데이터 고객 중 하나입니다. 과거 보험회사는 차량의 운행거리와 같은 데이터에 액세스할 수 없었지만, 오늘날 일부 회사에서는 고객의 운전 습관에 대한 실시간 데이터를 전송하는 기기나 소프트웨어를 설치할 수도 있습니다.

지난 몇 년간 보험업계의 예측 분석을 주제로 하여 발행된 Google 학술 검색 문서 수의 증가 추세를 나타내는 아래의 그래프를 살펴보면 보험업계의 상황이 얼마나 빨리 변화하고 있는지 알 수 있습니다.



안타깝게도 많은 이들은 이러한 데이터 분석의 새로운 세계에 뒤쳐져 있다고 느끼기 쉽습니다. 정기적으로 데이터를 활용하는 작업을 하는 사람들조차 이러한 변화를 버겁게 느끼기도 합니다. 보험회사 Lemonade는 새로운 예측 분석 모델 도입에 성공한 비결을 설명하며 다음과 같이 덧붙였습니다. “오래된 방식을 고수하는 회사가 쉽사리 도입하고 적용할 수 있는 것은 아닙니다. 이러한 도구와 기법을 핵심 설계 원칙으로 삼지 않은 회사는 활용하기가 어렵습니다.1”

다행히 데이터 관리 및 예측 분석이 점점 더 중요해지고 있는 지금의 환경에서는 Lemonade의 모델이 없어도 업계의 변화를 따라갈 수 있습니다.

현실에서 예측 분석 활용하기

다음은 보험업계의 몇 가지 예측 분석 사용 사례입니다.

예 1
고급 분석과 타사 데이터를 활용하여 며칠이 아닌 단 몇 분만에 견적을 도출하고 상품을 구성합니다.²


예 2
고객 이탈을 예측하여 적절한 조치를 취해 고객을 유지합니다.³


예 3
생명보험의 리스크를 예측하고, 최상의 결과를 위해 여러 개의 모델을 신속하게 고려합니다.⁴

MINITAB의 예측 분석 솔루션

다행히 Minitab은 그 어느 때보다도 쉽게 데이터를 활용할 수 있는 강력한 도구를 개발했습니다.

다음 사례를 고려하세요.
Minitab Statistical Software를 사용하면 TreeNet® 및 Random Forests®와 같은 혁신적인 예측 분석 모델을 활용하여 데이터에서 더 심층적인 인사이트를 도출할 수 있습니다. 인접한 상업 구역의 재산 보험에 대한 위험 프로필을 비교하고자 하는 경우, 내항해운 사기 혐의를 제기하고자 하는 경우에도 이러한 효과적인 예측 분석 도구는 데이터에서 보다 유용한 인사이트를 도출해 줍니다.

Minitab Model Ops를 사용하면 Minitab Statistical Software에서 만든 모델을 배포할 수 있습니다. 웹 양식을 입력하여 눈 깜짝할 사이에 모델에서 새로운 예측 결과를 얻을 수 있습니다. 예를 들어, 웹 양식에 몇 가지 항목을 입력하면 강력한 모델의 예측 결과를 도출할 수 있으며, 이를 활용하여 신규 고객의 거래 견적을 산출할 수 있습니다.

Minitab의 ML 배포 솔루션에 대해 자세히 알아보고 싶으신가요?

정리

각각의 도구는 단독으로도 유용하지만, 함께 사용하면 더욱 강력한 효과를 발휘합니다. 신뢰할 수 있는 Minitab 도구를 사용하여 데이터에서 필요한 인사이트를 더 쉽고 빠르게 도출하세요.

Minitab의 예측 분석 솔루션을 더 살펴보고 싶으신가요?

출처:
1: Lemonade: How Our Newest Predictive Model Can Take Us to the Next Level of Precision Underwriting and Pricing 
2: McKinsey: How Data and Analytics Are Redefining Excellence in P&C Underwriting 
3: LUT University: Predicting the Customer Churn with Machine Learning Methods - CASE: Private Insurance Customer Data 
4: Springer Link: Risk Prediction in Life Insurance Industry Using Supervised Learning Algorithms