ML-проект: Сегментация 2.0

«Росгосстрах» и компания «Синимекс» реализовали комплексный ML-проект для оценки рисков, прогнозирования крупных убытков и мониторинга портфелей агентов, брокеров и партнеров.

Разработанная модель географической сегментации помогает страховщику оптимизировать риски за счет работы с выбранными сегментами клиентов и геозонами. Алгоритм позволяет персонализировать потребность клиента и предоставить оптимальный по рискам и стоимости набор продуктов.

Проект был реализован в период с августа 2020 г. по ноябрь 2022 г. Масштаб проекта 16000 человеко-часов, партнер проекта - Компания "Синимекс".


Голосовать.png

Каковы цели проекта?

Компании требуется постоянно развивать и совершенствовать инструменты, решающие проблемы прогнозирования убытков. Усовершенствовать эти инструменты можно с помощью моделей машинного обучения на основе геосегментации, а также для оценки стоимости контракта и мониторинга портфелей агентов, брокеров и партнеров. В сочетании данные инструменты позволяют вывести подход KYC на новый уровень.

На основе большого количества данных, генерируемого бизнесом, возможно построение современных моделей прогнозирования с применением методов машинного обучения. Такой подход позволяет «Росгосстраху» сохранять лидирующие позиции на страховом рынке, а с помощью машинного обучения достигать поставленных целей – путем нахождения новых инсайдов при работе с данными.

В чем уникальность проекта для рынка?

В процессе сегментации, как по числовым исходным данным (много источников), так и привязке к геолокации каждого клиента (геосегментация) в РФ. Исходя из этого можно персонализировать потребность каждого клиента и предоставить оптимальный с точки зрения рисков и стоимости набор продуктов. Подход повышает лояльность клиентов к страховой компании, которая максимально эффективно оценивает риски. За каждую из подзадач отвечают разные модели машинного обучения, которые эффективно работают не только автономно, но и в связке.

Модель оценивает риск с привязкой к территории, проанализировав множество факторов влияния, учитываются геокоординаты вплоть до дома и инфраструктуры поблизости. Модель может показать территорию для потенциального роста продаж. Проект позволяет перейти от прогнозирования на уровне «регионов» к уровню «улиц». Модель покрывает всю территорию РФ и работает с SLA менее 100мс, что позволяет использовать высоконагруженную систему как стратегический инструмент принятия решений.

Как проходило внедрение решения?

Компания «Росгосстрах» совместно с компанией «Синимекс» реализовала комплексный проект по разработке новых сервисов для оценки рисков, прогнозирования крупных убытков и мониторинга портфелей агентов, брокеров и партнеров.

С какими сложностями столкнулись при внедрении проекта?

Решение разрабатывалось с «нуля», что было обусловлено тем, что никакое коробочное решение или набор таких решений не могли удовлетворить те цели, которые были поставлены бизнесом. Особенно это было заметно в части работы с данными. Сильная зашумленность и большое количество разнородных источников требовали больших затрат на предпроцессинг и первичную обработку. Также достаточно жесткие условия на SLA работы программы делали задачу крайне нетривиальной из-за высокой нагруженности сервиса. Это требование также было выполнено, что позволило модели обрабатывать запросы с Oracle DB за менее чем 100мс. Помимо требования к SLA, также столкнулись со следующей проблемой: имеющийся open source tile сервер для визуализации работы модели не справлялся с таким объемом данных, из-за чего пришлось реализовать tile сервер собственной разработки.

Каких результатов удалось достичь?

Географическая сегментация клиентской базы. Задача подразумевала переход от анализа фактора риска в масштабе региона к анализу рисков на уровне улицы. Данный сервис интегрирован в общий тарифный модуль «Росгосстраха» и сейчас используется при расчете котировок для каждого договора страхования транспортных средств.

Сервис для оценки рисковости клиента с использованием алгоритмов машинного обучения. Определение рисковости клиента на основании информации о его окружении на стадии заключения договора. Данный сервис также применяется в совокупности со скоринговой системой бизнеса.

ML сервис с последующей BI визуализацией в Qlik для мониторинга и оценки портфелей сотрудничающих с компанией агентов, брокеров и партнеров.

Голосовать.png

Реклама АО «СИНИМЕКС-ИНФОРМАТИКА»

443
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.