Anasayfa / Genel bir bakış / Sigorta Sektöründe Veri Bilimi ve Yapay Zeka

Sigorta Sektöründe Veri Bilimi ve Yapay Zeka

Veri Bilimi Okulunun yeni yazarlarından biri olarak herkese Merhaba !

İlk yazımda çalışmakta olduğum sigorta sektöründe veri bilimi ve yapay zeka kullanım alanlarından bahsedeceğim.

Sigorta sektörü, kullanabilecek verinin gerçekten fazla olduğu bir sektördür. Müşteri tarafından farklı kanallardan gelen talepler ve yine farklı platformlardan yapılan satışlar birçok veri üretiyor. Elementer sigorta dediğimiz kasko, trafik gibi alanlar için tüm araç detay bilgileri(model, renk, motor vs.), geçmiş hasar ve onarım bilgileri bulunur. Hayat sigortaları ve bireysel emeklilik için ise kişinin demografik bilgilerinden, finansal durumuna kadar birçok detay bilgilere sahip oluyorsunuz.

Sigorta sektörü teknolojiyi ve dijitalleşmeyi bankacılık sektörüne göre geriden takip eden bir sektör olsa da son zamanlarda hız kazanmıştır. Bu yavaşlığın sebebi fazlaca regülasyon bulunan bir alan olmasıdır. Sigortacılıktaki problemlere çözümler üretmek, bununla birlikte sigorta şirketinin maliyetini ve riskini azaltacak, sigortalının da hayatını kolaylaştırıp daha esnek hale getirecek ve daha iyi bir deneyim haline dönüştürecek yapılar Insurtech kavramıyla birlikte hayatımıza girmiştir. Literatürde Insurtech kavramı, yenilikçi sigorta teknolojileri olarak tanımlanır. Hızlı değişimin ve dönüşümün yaşandığı bu dönemde analitik ve inovatif çözümleri, gerçek hayatın içine doğru şekilde ve zamanında uygulayabilmek büyük avantajlar sağlayacaktır.

Sigorta sektöründe dijitalleşme ve insurtech dediğimiz tüm çözümlere baktığımızda hepsinin en temelinde veriye ulaşma, işleme, tespit etme ve yapay zeka çözümleri kullanarak süreci iyileştirmek olduğunu görüyoruz. Veri biliminin tüm adımları bu sürecin içerisinde kullanılıyor. Sigortacılıkta veri kullanımının en önemli uygulamalarını toparlayacak olursak; müşteriyi elde tutma, müşteriye yeni bir ürün satma, kayıp müşteriyi geri kazanma, doğru fiyatlama yapma, riski derecelendirme, maliyetleri azaltma, kaçakları engelleme ve müşteri memnuniyeti sağlama olarak sayılabilir.

Sigorta sektöründe makine öğrenmesi, istatistik ve yapay zekanın girdiği yerleri 2 ana başlıkta kısaca anlatmaya çalışalım;

1)Fiyatlandırma

Fiyatlama için normalde veri bilimi dünyasında bilinen analitik araçlar (R, Python) dışında Emblem ve Radar gibi fiyatlama programları daha sık kullanılıyor. Modele girecek verinin hazırlanması daha çok SAS, SPSS veya SQL ile yapılıp sonrasında temiz veri ilgili araç üzerinde modellenerek sonuca ulaşılıyor.

Bu programlarda genellikle Generalized Linear Model (GLM) yani genelleştirilmiş lineer model ve klasik tahmin metodu (risk primi yöntemi, hasar rasyosu yöntemi) kullanılmaktadır. GLM, fiyatlamada kullanılan çok değişkenli istatistiksel bir tekniktir. Lineer modellerde olduğu gibi GLM modelinde de amaç bağımlı değişken (Y) ile çok sayıdaki bağımsız değişkenler (X) arasındaki ilişkiyi açıklamaktır. GLM modeli çok değişkenli sınıflama imkanı veren tek model değildir, bunun yanında CART, Faktör Analizi, İleri GLM (AGLM) gibi modellerde aktüerler tarafından fiyatlamada kullanılmaktadır. [Kaynak: https://ms.hmb.gov.tr ]

Fiyatlama için gelişim yanları ve aksiyonlar;

  • Telematik uygulaması
    Otomobillerde kullanılan telematik cihaz sayesinde hız, hızlanma ivmesi, yavaşlama, kilometre, yakıt tüketimi, dönüş hızı gibi veriler aslında araç kullanımı esnasında yaptığımız tüm hareketleri takip eder. Bu verileri kullanarak, basit ifade ile iyi kullanan ve kötü kullanan müşteriyi işaretler bunu da fiyatlama modelinde bir parametre olarak kullanabilir.Diğer taraftan müşteri davranışını değiştirmek üzerine mobile uygulamalarınız üzerinden  aksiyonlar alarak önerilerde bulunabilir. Servis bakımına gitme, yeni araç önerme, aksesuar önerme gibi birçok konuda öngörü sağlama imkanı veriyor. Türkiye’de de bunu kendi uygulayan sigorta firmaları mevcuttur. Ayrıca bununla ilgili girişim yapan firmalarda bulunmaktadır.
    Örnek girişimler:
    https://zendrive.com/, https://oseven.io

2)Müşteri Analitiği

Müşteri Analitiği sigorta sektöründe bir çok alt başlıkta incelenebilir.

Müşteri deneyimi açısından süreçleri optimize ederek otomatik bir sisteme dönüştürmek olabilir ya da makine öğrenmesi ve yapay zeka kullanarak tahmine dayalı fayda sağlayacak sistemler kurulabilir. Kurumlar yenilikçi ve hızlı analitik çözümleri kullanarak süreçlerini iyileştirmek için kendi içlerinde çaba sarf etseler de bu her zaman çok kolay gerçekleşmiyor. Bunun çok çeşitli sebepleri olabilir. O yüzden analitik çözümlerinin bazılarını dışarıdan hizmet satın alma veya ilgili start-up’a yatırım yapma şeklinde ilerliyor. Start-up’ların bazıları tek bir konu özelinde çalışır iken bazıları birden çok probleme çözüm üretmektedir. Bu çözümler hakkında kısa bilgileri aktarmaya çalışacağım.

Makine öğrenmesi ve yapay zeka çözümleri;

  • Dolandırıcılık Tespiti (Fraud Analysis)

Sigortacılığın en önemli problemlerinden bir tanesidir. Araç veya eşya hasarlarında sahte işlemler olabiliyor, kazanın boyutunu olduğundan fazla göstermek, kaza yapılan yeri değiştirmek gibi işlemler kurumu aldatmaya yönelik işlemlerdir. Aynı zamanda üretim esnasında bilinçli olarak yanlış bilgiler vermekte bir sahtecilik işlemidir. Büyük veri içindeki bu sahtecilik ve dolandırıcılık işlemlerini tespit etmek için makine öğrenmesi ve yapay zeka kullanılıyor.

Örnek girişimler: https://en.shift-technology.com/

Robot Danışmanlık (Robo Advisory)

Robot danışmanlık kişinin varlıkları için çeşitli finansal tavsiyeler sunan yapay zeka tabanlı bir uygulama çözümüdür. Kişilerin hangi zaman diliminde birikimini hangi fonlarda tutması gerektiğini söyler ve bununla ilgili aksiyon alır. Bu fon değişiklik işlemini de makine öğrenmesi tekniklerini kullanarak optimize eder. Şu istatistiki bilgiyi de paylaşalım ; Türkiye’de sigorta sektörünün tümünde son 1 yılda fon değiştiren müşteri sayısı oranı % 5 ‘tir. Değişikliğin bu denli az olmasının sebebi müşteri tarafındaki eksik bilgi sahipliği en başta tabi ki diğer yandan da finansal okur yazarlık ve veri okur yazarlığı ile ilişkisi vardır. [Kaynak: https://webrazzi.com/2018/09/03/robo-danismanlarin-turkiyedeki-durumu-ve-gelecegi/ ]

Müşterilerin açık rızalarını alarak bu sistem ile müşterinin doğru zamanda doğru fonu seçmeye yönelik otomatik değişiklikler yapılabilir.

https://www.wealthify.com/ , https://www.moneyfarm.com/uk/ , https://www.akillibes.com.tr/ , https://www.addvice.com.tr/

  • Müşteri Kayıp Analizi (Churn Modelling )

Churn kavramını müşterinin aldığı hizmetten vazgeçmesi ve iptal etmesi olarak tanımlayabiliriz. Şunu da biliyoruz ki  yeni müşteri kazanımı , mevcut müşterinin memnuniyetini ve bağlılığını korumaktan 5 kat daha fazla maliyetlidir. Hızla değişen piyasaların durumu ve rekabet ortamı düşünüldüğünde müşterinin kaybedilmesini önceden tespit etmek ve bununla ilgili aksiyon alabilmek sigortacılığın en önemli konularından biridir. Tespit etmek amacıyla analitik modeller kullanılıyor. Fakat sadece tespit etmenin gerçek hayatta yeterli olmadığını belirtmek isterim daha sonra bu konuda daha detaylı bir yazı yazmayı planlıyorum.

  • Müşteri Segmentasyonu

Tüm şirketlerde olması gereken müşteri segmentasyonu sigorta sektöründe de mutlaka olması gerekir. Birebir müşteri temasının olduğu sigortacılıkta, müşterinin sürekli aktif durumda kalmasını sağlamak için müşteri davranışlarını ve izlerini çok iyi takip edip, birden çok kırılımda segment yapmak gerekir ki müşteriye hem daha iyi bir deneyim yaşatılsın aynı zamanda müşteri şirket ile uzun süreli bir ilişki kurabilsin. İlk olarak müşterinin mevcut finansal bilgilerinden değer segmentasyonu oluşturulur. Değer segmentasyonu finansal ağırlıklıdır ve müşterinin davranışlarını açıklayamaz. Bundan dolayıdır ki müşterinin şirket içindeki ve mümkünse dış kaynaklardan gelen izinli verilerinden müşterinin davranış segmentasyonu oluşturulur. Devamında müşterinin eskiden yaptığı hareketleri ve izleri ekleyerek müşterinin potansiyel segmenti ortaya çıkartılır.

  • Müşteri Yaşam Boyu Değeri (CLTV)

Sigorta sektöründe karlılık önemli bir performans göstergesidir. Sigortada hızlı büyüme fiyat politikalarıyla sağlanabilir fakat müşterinin oluşturduğu hasar maliyeti karlılığı tamamen altüst edebilir. Müşteri yaşam boyu değeri ; müşterinin şirkette bağlılığı boyunca şirkete kazandırdığı ve kazandırabileceği maddi değerdir.

Karlılık içinde müşterinin yaşam boyu değerinin ölçülmesi ve tahminlemesi çok önemlidir. Doğru, detaylı segmentasyon ve müşteri yaşam boyu değeri birleştiğinde aksiyonları kurgulamak çok daha rahat olacaktır. Müşteri deneyimi aksiyonları ve pazarlama aksiyonlarını bu çıktıları kullanarak maksimum fayda sağlayacaktır.

  • Yeni Ürün Alma Eğilimi (Next Best Offer)

Sigorta dediğimiz zaman müşterinin can ve mal varlıkları sigortalanabilir. Bu yüzden a ürününü alan müşteriye b ürünü sunabilirsiniz. Daha önceden yapılan satışlardan öğrenerek müşterinin alabileceği yeni ürünleri bulmak ve çapraz satış veya yukarı satış olarak bunları sunmak satış rakamlarını arttıracaktır.

  • Chatbot

Türkçeye sohbet robotu olarak çevirdiğimiz Chatbotlar, hizmet sektöründe kullanıcılara destek olmak amacıyla tasarlanan, yazılı veya sözlü insan konuşmasını taklit eden yazılım uygulamalarıdır. Chatbot teknolojisinin temeli türkçede doğal dil işleme dediğimiz ingilizcede “natural language processing” NLP teknolojisine dayanıyor . Lemonade firması sigorta sektöründeki en beğenilen chatbot uygulamalarından. En önemli özelliği hızlı ve basit olmasıdır. Aynı zamanda geleneksel sigorta süreçlerini iyi işlemiş ve bunu davranışsal ekonomi ile birleştirip dolandırıcılık durumlarını da yakalayabilecek  düzgün bir yapay zeka yapısını kurmuşlardır. [Kaynak: http://chatbot.com.tr/ ]

Örnek Girişimler: https://www.lemonade.com/

  • Giyilebilir Teknoloji

Akıllı saatler kişinin kalp atış hızını , adım sayısını ölçerek veri oluşturur. Bu veriler analiz edilerek kullanıcı için sağlıklı yaşam önerilerinde bulunulur. Sağlık sigortası ve hayat sigortası şirketleri için, sağlıklı hayat biçimine sahip bir müşteri portföyü, uzun süreli müşteri memnuniyeti ve kuvvetli bir bağ demek oluyor. Daha düşük primler, daha kişiselleştirilmiş teklifler ve daha hassas risk modellemeleri, hem sigorta şirketlerinin hem de müşterilerinin beklediği çözümlerden yalnızca birkaçı. Yakın zamanda da tansiyon ölçebilen akıllı saatin piyasaya sunulacağı bilgisi dolaşıyor. Giyilebilir teknolojiyi aslında birden fazla konuya kırabiliriz. Duyabilen cihazları, vücuda yerleştirilebilir cihazları ve düşünce gücü cihazlarını giyilebilir teknoloji altında değerlendirmek gerekir.

  • Konuşma ve Metin Analizi (Speech and Text Analytic)

Çağrı merkezi olan tüm sektörler için önemli olan bu teknoloji, sesi metine çevirmekle kalmayıp aynı zamanda analiz ediyor. Bu sayede ses ve metin analizi sonuçlarından müşteri ile temsilcinin ne kadar süre konuştuğu, kaç defa seslerin üst üste denk geldiği , sesin yükselip alçalması ve ilgili anahtar kelimelerin neler olduğunu tespit edilebiliyor.

Metin madenciliği teknikleriyle müşteri veya firma temsilcisi hakkında detaylı bir analiz yaparak bir takım özellikler, anlamlı bilgiler çıkartılabilir. Segment kurgusunda da bu bilgileri kullanma imkanı veriyor. Bu teknoloji aynı zamanda müşteri temsilcisi için performans metriklerini daha rahat ve geniş kapsamlı ölçülebilir hale getiriyor.Bu değerli bilgiler sonrasında şirketin tüm analitik süreçlerinde ve modelleme kurgularında özellik olarak kullanılabilir hale gelmiş oluyor.

  • Görüntü İşleme Teknolojisi

Görüntü işleme konusunda uzman bir start-up olan Tractable, sigorta şirketlerinin hasar ve onarım idaresi sürecini optimize etmesine, sahte bildirimleri işaretlemesine ve doğruluğunu artırmasına yardımcı olmak için hasar görmüş araçları tarıyor.

Örnek girişim: https://tractable.ai/ , sensetime.com

Sonuç

Veri seviyesindeki muazzam artış sigorta şirketleri için büyük bir rekabet avantajı oluşturuyor.  Fiyatlandırma, hasar yönetimi ve müşteri hizmetleri, pazarlama gibi süreçlerin hepsi veri bilimi açısından optimize edilebilir. Bu nedenle her sigorta şirketinin boyutlarına göre büyük veri ve analitik stratejilerini belirlemeleri rekabette kalabilmeleri için hayati önem taşıyor.

Bütün bunları yazdıktan sonra şu sorular aklıma geliyor.

Türkiye’de veri bilimi gerçekten hak ettiği değeri alabiliyor mu? Bunun için şirketlerin gelecek programları var mı?

Bütün bunları yapabilmek için teknolojinin , veri biliminin ve insan kaynağının beraber hareket etmesi gerekir, bu konuda en doğru yapı nasıl oluşabilir?

Kaynaklar;

https://dergipark.org.tr/tr/download/article-file/525608

https://towardsdatascience.com/how-are-insurance-companies-implementing-artificial-intelligence-ai-aaf845fce6a7

Görsel Kaynak:  http://insurancethoughtleadership.com/leveraging-ai-in-commercial-insurance/

Hakkında Taner Kocakafa

Yıldız Teknik Üniversitesi İstatistik Bölümü Mezunu. 2012’den beri perakende ve sigorta sektöründe analitik konularında çalışmıştır. Şirket içi analitik bakış açısı ve analitik araçlarla ilgili eğitimler vermektedir.

GÖZ ATMAK İSTEYEBİLİRSİNİZ

is-zekasi-terimleri

İş Zekası ile İlgili Temel Kavramlar

Giriş Herkese merhaba! Bu yazımda temel iş zekası terimlerini bir araya getirerek tüm aradıklarınızı bulabilmenizi …

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir