在保險業的應用分享

一、風險管理

在保險經營論壇(115) 「當新冠疫情遇上AI大數據分析」，已分享如何善用AI大數據功能，做為客觀科學的輔助工具，進行動態監控、預警、模擬各種情境的最大可能損失，以有效賠款預估與控管風險。

二、業績成長

「如何精進業務績效管理以持續提升業績？」是每家保險公司最關注的議題！經實際模擬測試，導入AI大數據平台是有效可行的解決方案，可透過現有數據，挖掘成長動能。

以下截圖是「業務數據分析」範例，左方是「分析看板列表」，可依需要增加不同分析角度看板；上方是篩選器，可分階層篩選 (如營業區->分公司->通訊處->業務員)、個別篩選 (如續保)、時間篩選。只要IT部門配合資料庫連接或自行上載內外部資料表，使用者透過一次性輸入「中文問句」(例如每月保費總和)，即可馬上建立，之後資料變動，數值會自動更新，無須人力每日維護。使用者亦可隨需執行智能分析，每個分析圖形與其原始資料，皆可下載，方便再應用。
圖5. JarviX平台應用程式


除常見加總、平均、筆數、比率、組成、排序、趨勢等統計外，其他新穎應用功能，包括但不限以下分析:

1. 類別關係分析
可查閱單位別、通路別與主險別，二者之間的關係，例如各分公司相對各通路或各險別的數量多寡，洞察強弱處並採取必要改善行動。
圖6.1 業務結構分析


2. 異常分析
可查看不同時間點，各單位別、通路別與主險別等篩選條件的保費異常狀況，顯示超出95%信賴區間上下界的異常值，可及時示警並輔導績效較差單位。
圖6.2 異常分析


3. 分群分析
可查閱保費群集(Cluster)的分布狀況，了解不同群組大小分布圖，可洞察如何提升保費至目標水準。
圖6.3 業績分布


4. 預測分析
可顯示系統模擬預測值、預測極小值與預測極大值，供保費預估參考。
圖6.4 保費預估


5. 預警監控
可設定KPI異常標記做為示警值，此告警會被統整至監控示警端做統一管理。
圖6.5 KPI預警監控


6. 根因分析
可針對某期間的保費增加或減少進行原因分析，找出關鍵影響因素，包括「摘要報告」與「重要因素變化比較」，顯示個別因素的權重、增減量比較圖與明細。
圖6.6 保費下降原因分析


7. 關聯分析
顯示關連因子的相關度與分析圖表，了解影響保費高低的資訊。
圖6.7 影響保費因子分析


8. 差異分析
顯示關連因子權重與顯著差異處，可進行業務單位差異化管理。
圖6.8 分公司間差異分析


陳素敏顧問簡介