在过去的几十年里，保险公司已经做到了收集大量数据有关他们的业务流程，客户索赔，等等。这些数据可以在PDF文件，文本文档，图像和视频的形式非结构化或结构化，有组织，有策划的大数据分析。
麦肯锡索赔的状态人工智能市场的保险行业将由四个因素受到影响：一封来自连接设备的数据扩展、开源数据生态系统、认知计算技术的进步以及物理机器人的日益普及。我们以前讨论过如何前4美国保险公司使用AI，在这份报告中，我们特别提到了ai商业智能保险业（BI）解决方案。截至目前，许多公司要求协助保险专业人士在他们的角色方面开发个性化的保险产品索赔处理。
我们研究的空间，以更好地明白的地方以人工智能为基础的商业智能应用程序进入保险业，并回答下列问题玩法：
- 目前什么类型的基于人工智能的商业智能应用程序中使用保险吗?
- 基于人工智能的商业智能应用程序带来了多么具体的结果啊保险吗?
- 这些创新努力有什么共同的趋势吗?这些趋势将如何影响未来保险吗?
本报告涵盖了跨地区提供软件的供应商三应用:
- 数据管理
- 保险产品个性化
- 声明建模
数据管理
InetSoft
InetSoft是新泽西州基于公司65员工。该公司提供了一套软件，声称可以提供帮助保险公司更好地利用其企业的数据，如SAP和标准物质，使用机器学习。
InetSoft保险公司将会要求一个由数据科学家和保险领域专家组成的团队来集成他们的软件。保险公司还可以聘请Inetsoft顾问，以软件可读的格式帮助组织业务数据(如历史索赔记录)。然后,该软件使用机器学习算法分析数据，并允许分割这些数据。
该软件自动对数据进行聚类和预测，以帮助保险公司获得决策所需的洞察力。例如，该软件可以根据申请人的地理位置对一组索赔申请进行分类。然后系统可能会提供以图形和图表的形式在交互式仪表板上对分析进行可视化表示。
下面是一个短2- 分为视频演示了如何公司的软件作品：
InetSoft似乎有几个案例研究中，它与保险公司在部署商务智能软件的工作，但应该注意的是，这个软件是不是AI。我们可以找到涉及公司的BI软件没有案例研究。
InetSoft名单ING北美保险集团，运河保险公司，以及美国大保险集团一些其过去的客户。该公司还声称已经在项目中其他曾与美国航空航天局，中央情报局，世界卫生组织，IBM，AT＆T，GE。
似乎没有要对球队的任何C级管理人员与AI的背景下，这是一个红旗关于公司人工智能技术的合法性。
GrayMatter软件服务
GrayMatter是印度班加罗尔为本公司，提供了一个商业智能软件套件称为保险分析（IA +），它声称可以帮助保险公司通过为他们创造一个数据仓库集中的数据。
Graymatter索赔的客户可以来自多个源的成IA +，输入数据，例如，从社交媒体，CRM数据，在引线的管理信息，和招聘数据。用户还可以从GrayMatter的来源，如生命亚洲，亚洲政策，并易保上传保险行业数据为IA +。
然后，IA +分类信息到相关部分通过由来自客户公司和GrayMatter双方员工的团队确定。这些段可能包括理赔，精算，金融和保险业。然后，系统提供就可以通过移动平台的桌面客户端的员工访问的仪表盘指标。
下面是一个短4分钟的视频,Chandana JayasooriyaAIA Insurance Lanka PLC的首席技术官解释了他们是如何使用的IA +软件:
GrayMatter声称有帮助Sircon公司，一家保险软件供应商，创建一个软件工具，将允许保险公司的客户创建自己的商业智能报告和数据可视化。来自GrayMatter的数据科学家与Sircon的开发人员一起定制了GraMatter的Pentaho BI工具。根据GrayMatter,Sircon能够为他们的保险客户提供分析服务，包括额外的功能，如自动生成报表，以Adobe PDF或Microsoft Excel。我们找不到其他关于Sircon作为集成的直接结果的可测量结果的说明。
GrayMatter还列出了动量保险南非和AIA Bhd.Malaysia为一些其过去的客户。
虽然GrayMatter似乎雇用了几个数据科学家，我们无法找到任何C级管理人员在AI上公司的团队的教育背景。维卡斯·古普塔，GrayMatter的CEO，此前曾担任联合创始人兼首席技术官Manthan系统。
保险产品个性化
进步
进步是一个俄亥俄州基于保险公司超过23000员工。据报道，进步是利用机器学习算法在汽车保险的预测分析应用。进步索赔客户谁是部分快照程序可以得到个性化的根据自己的驾驶历史保险费率。保险索赔公司快照移动应用程序收集行驶数据14十亿英里。渐进刺激行为快照“大多数司机”通过提供汽车保险折扣使用六个月后平均$ 130
进步要求用户可以安装在智能手机上的快照应用程序。该公司收集的驾驶数据，为客户谁登录到App离开自己的手机在车上，因为他们驾驶。该应用程序üSES这个数据时提高了软件背后的机器学习算法的性能。然后,快照使用这些数据来确定哪些客户不太可能发生事故。
累进然后提供较低的保险费率，这些司机。顾客可以根据公司的建议节省更多的保险费用，比如限制手刹车的使用，避免深夜潜水，开车时不要打电话。然后，系统提供客户提供个性化的保险费率和信息中心，了解他们的驾驶数据。
进步专门向客户提供快照，因此没有可用的软件案例研究。
一生Divakarla是数据和分析商业领袖在进步。他持有多发性硬化症在土木工程从佐治亚理工学院。Diwakarla曾与进步以各种各样的容量超过14年。
声明建模
DataRobot
DataRobot总部在波士顿的公司超过400员工。该公司提供自动化机器学习平台，它声称可以帮助保险企业优化业务流程使用机器学习。
DataRobot要求用户可以将他们的自动化机器学习平台用于索赔开发建模、人寿保险承保和直接营销等应用程序。用户可以输入社交媒体，CRM，并通过指示板接口将数据声明到软件中。
然后,软件分析数据使用机器学习算法，其能够识别在历史数据中的模式，以预测未来的数据点。例如，T他看重的要求可能会在最初的申报和全额付款之间的显着改变。DataRobot的系统可以帮助保险公司预测这些要求，帮助客户的最终值更快地做出业务决策。然后，该系统提供了关于他们的仪表盘上的分析的图形表示。
下面是一个短3 -演示如何在LendingTree的该DataRobot预测建模软件作品：
尽管DataRobot在金融应用中似乎有其自动化机器学习解决方案的案例研究，但我们在该公司专门针对保险业的网站上找不到有力的案例研究证据。
DataRobot的列出不同的捐赠机构一些他们过去的客户。
Gourab德是数据科学副总裁在DataRobot。他持有博士在生物统计学从哈佛大学。在此之前,德曾担任数据科学家Ginger.io。
小贴士用于商业领袖保险
保险行业勾选了几个可能表示人工智能采用准备就绪的选项，比如大量的历史数据，以及有资本和资源成功实现人工智能的大型企业的存在。
根据我们研究了这份报告的公司中，我们认为较大的保险公司，如进，可能有足够的资源来构建和部署自己的AI解决方案，以提高商业智能。这些公司正投资于招聘和培训多学科科学家的数据，软件开发人员和保险分析师。
例如，Progressive公司正在使用人工智能为其客户提供行为策略定价。与物联网（IOT）传感器提供健康，驾驶和生活方式数据，AI软件现在可以个性化的定价基于其行为的客户。这意味着在现实世界保险业而言是更安全的驱动程序可能少付汽车保险（被称为基于使用的保险），同样，人的健康的生活方式可能会少交医疗保险。
DataRobot已经筹集了超过1.24亿美元的资金，并得到了风险投资公司New Enterprise Associates的支持。DataRobot可能会设法把自己的预测分析解决方案简化到一个地步，用户不熟悉可能能够从软件获得有用的见解。用户只需输入的历史数据（例如，权利要求书记录）通过web接口并可以选择他们想预测数据的目标变量。该软件可让用户从各种内置预测模型的挑选和部署一个是准确的。
目前，为保险公司使用AI进行保险应用的数据管理似乎也有吸引力。这可能是由于这样一个事实:尽管业界已经收集了大量数据，但其中许多数据仍然无法以当前的格式(如纸质文档或图像文件)使用。保险公司还需要管理所有传入的文档，例如索赔或申请表，以确保正确的文档被传递到组织内部正确的团队。
报告生成，汇总和抽象可能是保险业商业智能AI应用唾手可得的应用程序。我们预计，某些规范性文件，如租赁或收缩时，可能会被保险公司更加数字化。
商业领袖在大型保险公司可能需要知道其数据在整个世界中的物理位置分散的寓意。该数据可能通过地方法规，甚至兼容性问题在每个位置上的数据存储系统的影响。即使所有的数据变得可访问，一轮清洗和分析数据是必要的，而这整个过程可能需要两到三个月。
企业也发现，在某些情况下，条例可能强制要求有关各方之间的数据共享协议的签署，或数据可能需要被移动到可以进行分析的位置。由于数据是高度庞大，精确地移动所述数据可以被证明是由本身就是一个挑战。
标题图片来源：托比亚斯和Tobias
