Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.

CTA

시작하기

클라우드

시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼
CTA

보험 IOT 및 예측 분석을 위한
연결 데이터 플랫폼

클라우드 연결된 세계의 보험 보고서

보고서 다운로드

Beat risk

With Hortonworks connected data platforms, much more is possible. For example, a 360° view of not only your customers, but also connected cars to understand where and how are they driving while providing better predictive analytics.  You can now provide them with recommendations for alternative safer routes and driving behavior making them better drivers.

고급 분석 애플리케이션으로 데이터 중심적인 비즈니스 구축

기술과 고객의 기대 수준이 변함에 따라 보험사들은 고객과 교류하고 리스크 정보를 관리하고 보험금 청구의 증가하는 빈도와 정도를 관리하는 방법에 관한 새로운 문제에 직면하고 있습니다. Progressive 같은 보험사는 Hortonworks를 이용하여 기존 고객 교류 모델을 바꾸는 데 도움을 받습니다.

이용 사례

고객에 대한 전방위적 시각 구축

보험사들은 여러 채널을 통해 고객과 상호 작용하지만, 고객 상호 작용, 보험 증권 및 보험금 청구 데이터는 종종 고립된 데이터 저장소에 격리되어 있습니다. 취득, 크로스 셀 또는 업셀의 성공과 마케팅 캠페인이나 온라인 고객의 브라우징 행동의 상관 관계를 정확하게 분석할 수 있는 보험사는 거의 없습니다. Apache Hadoop을 사용하는 보험 기업은 고객 행동을 전방위에서 볼 수 있는 360° 뷰를 얻습니다. 이를 통해 보험사는 데이터를 더 오래 저장하고 고객 라이프사이클의 각 단계를 분명히 식별할 수 있으며 개선된 분석은 최우수 고객을 효율적으로 유치하고 늘리고 계속 보유하는 데 도움이 됩니다.


통합 보험설계사 포털을 사용하여 보험설계사의 생산성 증대

많은 보험사는 보험설계사를 통해 보험을 판매합니다. 영업 방문을 준비하거나 영업 방문 중에 잠재 고객의 질문에 답하기 위해, 보험설계사는 여러 분산된 플랫폼이나 애플리케이션에서 세부 정보를 찾아야 할 수 있습니다. 이렇게 하려면 시간이 오래 걸리고 판매 속도가 둔화됩니다. 구형 데이터 플랫폼과 달리, HDP는 여러 출처의 데이터를 "Data Lake"에 저장합니다. 따라서 서로 관련이 없는 다양한 스토리지 플랫폼에서 여러 개별 쿼리를 실행할 필요 없이 한 번에 모든 정보를 찾을 수 있습니다. 보험설계사는 준비를 더 철저히 하고 같은 시간 내에 더 많은 영업 방문을 함으로써 수익 증대에 기여할 수 있습니다. 보험사도 같은 유형의 단일 뷰를 사용하여 상품 판매 생산성이 가장 높은 보험설계사가 누군지 알고 실적이 가장 우수한 설계사를 장려하는 인센티브를 제공하거나 생산성이 계속 낮은 설계사의 자격을 취소할 수 있습니다.


신청서 처리용 고속 캐시 만들기

Once customers agree to buy a new policy, the agent and/or underwriter still needs to process the application documents. This can be a lengthy manual process that causes leakage. Speed is important, but so is accuracy. One Hortonworks subscriber in the insurance industry built an enterprise document cache on HDP. Apache HBase caches the post-transaction documentation, with meta-tags that speed up processing. And because HDP’s YARN-based architecture supports multi-tenant processing on the same data set, document tracking does not slow down risk assessment or other analytics required before initiating coverage. Efficient document processing reduces costs and improves agent and underwriter productivity.


부정 행위 적발

보험 사기는 업계에서 직면하는 중요한 문제입니다. FBI에 따르면 "보험 사기로 인해 발생하는 총 비용(의료 보험 제외)은 연간 400억 달러 이상으로 추정되며, 이는 보험 사기로 인해 평균 미국 가정이 매년 400에서 700달러의 보험료를 추가로 부담해야 함을 의미한다"고 합니다. 해마다 총 1조 달러 이상의 보험료를 받는 7,000개가 넘는 보험 회사는 범죄자들에게 크고 수익성이 높은 표적이 되며 범죄자들은 보험료 유용, 수수료 교란, 자산 유용 또는 산재 보험 같은 수법을 감행한 흔적을 쉽게 숨길 수 있습니다. 미국 최대의 보험사 중 하나는 스트리밍 데이터에 규칙 기반 플래그를 적용하여 부정하거나 부당한 보험금 청구를 더 많이 적발하는 머신 러닝과 예측 모델링에 HDP를 사용합니다. 보험금 청구 데이터가 시스템에 유입될 때 실시간으로 발령되는 경보를 통해, 특별 조사 및 보험금 청구 분석가는 사기 가능성이 가장 높은 보험금 청구를 우선적으로 조사할 수 있습니다.

리스크 완화 서비스 시작

보험 회사들은 리스크를 이해하며, 다른 산업과 마찬가지로 반응적인 데이터 사용에서 능동적인 데이터 사용으로 전환하는 중입니다. 보험 청구 사정인들은 예측하고 예방했을 수 있는 사고, 화재, 상해를 보고 "악천후 속에 운전을 하지 않아야 했다"거나 "전선을 교체할 시간이 너무 오래 지났다"는 등의 결론을 내리곤 합니다. 이제 보험사들은 이런 통찰력을 수집하여 손실이 발생하기 전에 고객들과 공유합니다. 보험사들은 이렇게 리스크를 줄이고 예방하는 서비스를 통해 보험 가입자와 실시간 분석 정보를 공유하여 사고 예방을 지원합니다. 예를 들어 보험사는 악천후, 전염병 확산 또는 장비 리콜과 관련된 새로운 고위험 현상을 파악하는 알고리즘을 만들어서 고객이 자기 자신과 재산을 보호하는 데 도움이 되는 경고를 적시에 제공할 수 있습니다. 자동차 보험을 판매하는 한 Hortonworks 고객은 강한 폭풍이 특정 도로 구간에 영향을 미칠 것으로 예상될 때 운전자에게 알린 후 위험이 덜한 대체 경로도 제안하는 실시간 경보를 개발하기 위한 연구를 진행하고 있습니다.

실증적 센서 데이터를 사용한 리스크 가격 책정

도덕적 해이는 다른 사람이 리스크의 부담을 지기 때문에 더 많은 리스크를 감수하는 현상을 설명합니다. 자동차 보험을 판매하는 회사는 정보 불균형으로 인해 도덕적 해이에 직면합니다. 보험 가입자는 자신이 어떻게 운전하는지 보험사보다 더 잘 알기 때문입니다. 운전자는 사고가 일어나도 보험금을 받을 수 있다는 걸 알기 때문에 좀 더 빠른 속도로 주행하거나 주의 의무를 좀 더 소홀히 할 수 있습니다. 보험사는 이런 도덕적 해이를 감안하여 보험료를 책정하므로, 안전하게 운전하는 운전자가 도로 위에서 더 많은 위험을 감수하는 운전자 때문에 보험료를 더 많이 부담하는 결과로 이어집니다. 사용 기반 보험(UBI)은 안전 운전자의 바람직한 행동을 보상하여 정보 불균형과 도덕적 해이의 문제를 줄일 수 있는 잠재력이 있습니다. 한 유명 보험사는 HDP에 저장하는 텔레매틱 센서 데이터를 사용하여 자사의 UBI 상품을 운영합니다. Hadoop으로 처리하기 전에는 보험 가입자의 자동차에 설치된 센서에서 스트리밍되는 UBI 데이터의 일부만 수집되었고, ETL(extract-transform-load: 추출-변환-로드) 프로세스로 인해 해당 데이터를 사용할 수 있는 시기가 데이터를 수집한 시점의 다음 주까지 지연되었습니다. 이 회사는 HDP를 사용하기 시작한 후 UBI를 선택하는 고객의 모든 운전 데이터를 수집 및 저장하고 더 큰 데이터세트를 이전의 반밖에 되지 않는 시간에 처리하며, 예측 모델링을 사용하여 운전자의 나이, 차종, 위치 및 과거 운전 기록만을 기준으로 운전 습관을 추측하지 않고 운전자가 실제로 운전하는 방법을 기준으로 운전자를 보상합니다.

시작할 준비가 되셨습니까?