9家致力於改善承保流程的創業公司

保觀專註互聯網保險

沃倫·巴菲特喜歡保險業的一個重要原因是保險浮存金的存在。浮存金是指投保人向保險公司交納的、保險公司尚未用於理賠支付的那部分保費。保險浮存金對於保險公司來說就是一筆可用於無風險投資的無息貸款，保險公司只需要確保他們可以從中支取足夠的金額進行理賠。這也是保險公司如此重視與保險產品相關的風險的原因。控制產品風險，減少理賠頻率，保險公司就能獲得更多的投資收益。

當保險公司為某一件事或者某一客戶提供保險服務時，他們稱這一過程為「承保」（Underwriting）。在承保前，保險公司需要收集儘可能多的數據，並且對數據進行準確分析，才能確定一個即比競爭對手優惠的報價（爭取客戶），又能保證贏利（基於理賠發生的可能性）。在這一過程中，技術可以介入的環節很明顯：

收集儘可能多的數據——大數據

數據分析——人工智慧

用技術提升承保效率的一個典型案例，是矽谷創業公司Cape Analytics，在《保險業AI大盤點：這10家公司值得關注！》文章中我們也有提到，獲得了1400萬美元融資的他們，利用機器學習技術和計算機視覺以及空間圖像技術，為財險公司提供房屋屋頂偵測分析的服務，他們能分析房屋屋頂的構造、材料和使用狀況。藉助Cape Analytics的幫助，財險公司可以完成更高效的核保並提供更精確的報價。

這種承保流程的效率提升正是我們在採用大數據和人工智慧技術時希望見到的效果。我們將在本文為大家介紹9家利用人工智慧和大數據等技術來改善傳統保險承保流程的海外創業公司。

Praedicat——利用科學研究預測風險

位於美國加州的創業公司Praedicat成立於2011年，獲得了1200萬美元融資的他們，為責任險公司和再保險公司提供基於科學研究數據的風險分析服務。Praedicat開發的演算法會自動索引查找科學期刊中的信息和數據（比如2200萬份同行評審期刊），並從中提取出動態元數據，這些元數據可以是納米材料、苯、手機以及其他材料對人體造成的傷害記錄。雙酚A（BPA）就是這麼一種材料，它是一種化工原料，可用於生產透明塑料瓶以及其他消費者常用的產品。下圖是Praedicat對於BPA的分析：

Praedicat的演算法收集了2847篇自1960年以來關於BPA的研究文章，其中有442篇是在2014年發表的。85%的文章都發現了該原料的危害作用。18.8%的研究文章以人體作為研究對象，其中四分之三的文章發現了其對人體的危害作用。

Praedicat實際上是在通過數據預測保險公司在將來可能面臨的理賠訴訟案件。藉助Praedicat的技術，保險公司的承保流程將會從單純的規避風險轉換為利用科學數據去主動識別風險。這就讓保險公司可以為即將出現的風險設計產品，抓住市場先機。比如在了解了BPA對人體的危害，以及近些年BPA在各大期刊出現頻率大幅上升後，保險公司可以對含有BPA的產品推出特定的保險方案。

QuanTemplate——服務再保險公司的數據分析

成立於2013年的QuanTemplate已經獲得了來自安聯等投資者1025萬美元的投資。作為一家專業的保險數據管理和分析公司，QuanTemplate為保險公司提供數據解決方案，幫助他們閱讀隱藏在保費和理賠數據背後的市場趨勢和行情，幫助他們識別出利潤最高的險種和利潤最低的險種，幫助他們評估和監視保險產品的表現，以及幫助他們組織和整理報告去滿足監管要求。下圖展示了人工智慧是如何在QuanTemplate的業務中發揮作用的，其步驟是：

1、信息收集：QuanTemplate的認知決策模型會收集市場上各方做出的決策信息；

2、決策建議：QuanTemplate基於機器學習演算法繪製數據映射的建議方案，工作人員會對其進行手動調整；

3、自動化：通過設定一個強度閾值，滿足閾值條件的系統建議方案將會被自動採用。如此一來，方案的推進效率以及反饋數據的收集速度都將大大提升。

4、直連通道：QuanTemplate所收集到的新數據都是直接進入其平台進行分析的，最大程度上節省了人力的介入。

QuanTemplate的解決方案以保險公司的產品和理賠數據為主，輔以第三方數據，為客戶提供具有實踐價值的觀點和建議。很顯然，該應用在再保險領域將能發揮重大作用。保險公司在希望將風險轉移時，可以根據該解決方案的建議，對部分風險進行再保險。

Carpe Data——保險公司展業的評級和展業助手

成立於2016年加州創業公司Carpe Data在首輪融資中獲得了660萬美元的資金。該公司為保險公司提供包括車險、壽險、小微企業商業險在內的預測性用戶評級系統。特別是小微企業商業險，傳統的信用評級模型無法適用，保險公司難以甄別客戶的質量。

Carpe Data的風險評分系統包括了全美國2800萬家小微商鋪，包括美容店、汽車修理廠、衛生保健場所、飯店以及旅館等。下圖是Carpe Data對於一家零售商鋪的詳細評分圖：

Carpe Data的系統甚至還能為保險公司提供拓展業務的機會，因為他們會記錄並實時通知保險公司其系統里客戶生活中的重大事件，比如結婚、生子、換工作或者買房子。Carpe Data會利用社交網路、在線信息、穿戴式設備、物聯網設備以及其他形式的新一代信息源來收集信息。

Meteo Protect——量化天氣風險

成立於2011年的法國創業公司Meteo Protect目前獲得了263萬美元的融資。儘管他們將自己定位成保險和再保險經紀公司，但他們真正的優勢是在於其名為「Weather Neutral」的解決方案。該方案利用氣候學和氣象學知識來對客戶的「氣候適應性」進行測量。

根據安聯的數據，美國每年因氣候多變而遭受的損失高達5340億美元。Meteo基於指數的解決方案能夠幫助農業和能源行業的客戶減少甚至避免天氣事故帶來的損失。

Meteo的業務模式如下圖所示：

、Meteo幫助客戶建立能夠正確反映自身風險的天氣指數；

、Meteo設計保險模型試圖最大程度上保障客戶的經濟利益；

、Meteo的出具天氣報告來展現指數的價值；

、當惡劣天氣出現時，理賠款將自動打給客戶。

Big Cloud——健康信息的穿戴式設備

成立於2013年的Big Cloud Analytics已經獲得了640萬美元的融資，他們將資金用來打造了一個名為「COVALENCE」的健康數據分析平台。該平台利用穿戴式設備和實時分析技術來判斷一個人的身體健康程度。該過程也叫「預測性分析」，它會從穿戴式設備中收集50多項生物學數據，然後為用戶建立「健康評分」。

流程如下圖所示：

用戶可穿戴式設備的數據最終傳送到保險公司手上，保險公司可以將這些數據和客戶提供的個人信息如年齡、婚姻狀態、是否抽煙喝酒等進行整合，從而更加客觀準確的對客戶進行風險評價，並且及時識別出騙保情況。

Tyche——產品風險識別平台

成立於2014年的紐約創業公司Tyche為責任險保險公司開發了一個承保分析平台。Tyche的平台綜合利用機器學習技術和大數據技術，從公開數據和私有數據中搜集信息，找到並分析那些最有可能招來理賠案件的保險產品。

利用Tyche提供的API介面，保險公司可以使用「理賠規避模型」。該模型可以識別出保險產品中潛在風險最高的部分和環節，使保險公司可以大幅度提升其產品的安全指數。

Instanda——承保即服務

成立於2012年的倫敦創業公司Instanda為保險公司提供基於雲端的保險軟體服務。其服務通過自動化承保流程，讓保險公司快速的創建、管理以及分銷保險產品。該服務的主要價值是為承保提供了速度、彈性以及一站式的服務。

Dream Quark——建立數據與數據間的模糊關係

成立於2014年的法國創業公司Dream Quark借鑒了粒子物理學中的概念，他們希望利用機器學習的框架對結構化數據和非結構化數據建立模糊關係，從而對網路安全以及氣候變化等風險進行描述和解讀。他們的嘗試得到了安盛等全球知名品牌的支持。

Atidot——壽險公司的意見領袖

成立於2016年的以色列創業公司Atidot致力於在壽險領域應用預測分析技術和機器學習技術。他們認為在壽險領域內，80%的數據都沒有得到充分的利用。

Atidot已經利用5億份數據，對470萬份的保單進行了分析，並且幫助壽險公司提升了原有保險模型15%的效率。Atidot對他們的服務和產品非常有信心，他們的團隊也是藏龍卧虎，在其創始人團隊中，有兩名是來自以色列的情報社區研發小組的成員，另一名則曾擔任過以色列金融部首席精算師職位。

End

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！