一提到保险，人们就会想到概率、统计和效率。因此客户在等待索赔回复时总是对保险公司缺乏耐心。尽管保险公司最善于利用数据的力量来研究产品和风险状况，但通常会将同样的准则应用于各自组织的运营（特别是与客户的互动）。Minitab 可以帮助保险公司提高理赔速度和增进客户关系
衡量索赔响应速度
理赔时间应该是保险公司的一项关键衡量标准。由于输出衡量标准是一个数据点，因此收集和衡量应当相当简单。下面的示例使用样本数据集和一些简单的描述性统计数据，表明理赔时间的平均值（或均值）在 54 到 55 天之间。该数据还表明，最短时间为 40 天，最长时间为 75 天，从而提供一个最快时间和最慢时间的区间范围，有助于目标设定。
设定目标并就可能影响绩效的因素进行头脑风暴
索赔缓慢不仅让组织在客户体验方面付出代价，而且索赔时间拖得越长，组织在责任方面的不确定性就越大。设定战略业务目标，以在特定时间范围内理赔。在本例中，我们将实际目标设定为 50，表示理赔时间大约缩短 10%。
接下来，就可能影响理赔时间范围的变量进行头脑风暴。包括索赔金额、索赔类型、客户类型甚至理赔代理人等任何变量。 下图显示流行的鱼骨图示例，鱼骨图是许多流行的头脑风暴和结构化问题解决工具之一。
Ready to Brainstorm Problems?
使用预测建模来量化影响...
通常，预测建模有助于进行预测并了解对响应造成影响的因素。通过使用 Minitab 的自动化机器学习工具，我们不仅可以看到最佳模型（在本例中为 Random Forests®），还可以看到其他模型的表现。
在这种情况下，流行的传统回归方法不仅表现最差，还不太准确。适合可视化查看关系的 CART® 模型表现却相对较好。
Apply Improvements…应用改进...
查看下面的 CART® 决策树，显然汽车理赔时间最短，而入室行窃和盗窃理赔时间最长。这是第一个需要改进的方面。再往下看，具体来说，案件代理人 Rebecca 显然正被这些案件搞得焦头烂额。就这些特殊案件对 Rebecca 进行培训可能会立即带来一些改进。
....操作模型以加强与客户的沟通！
这种分析不仅可以帮助确定需要改进的方面，还有助于与客户沟通。通过考虑现有的因素并利用最准确的 Random Forests® 模型（由自动化机器学习确定），我们可以操作该模型以自动与客户沟通。在收集这些数据点时，该模型可以使用 Minitab Model Ops 等解决方案来计算估计的理赔时间并自动将理赔时间传达给客户。这将确保正确设定客户的期望值，使他们不会失望。随着绩效的提高，您不仅可以超额满足客户的期望，还可以继续优化预测模型，以便在将来为客户提供更准确的时间安排。
希望解决其他与保险相关的挑战？
