保险公司正在寻求利用所有现有的数字客户数据，包括一些最大的保险公司声称正在积极收集的一个新数据源:来自物联网（IOT）。
物联网设备，如车载传感器，智能手机和智能家电，可以在产品使用等行为中的驾驶习惯保险公司发送数据。反过来，这个数据可以被送入AI算法，可允许保险公司提供基于风险的定价和其他流行的服务。不重视物联网和AI正在影响他们的行业的方式，保险公司可能会遇到麻烦在未来几年的竞争。
在这篇文章中，我们深入地钻研如何在保险业被应用在使用客户数据，如来自物联网的传感器，以降低风险，获得新客户，并提高运营效率的情况下AI。我们重点镜头在三个特定行业保险活动：
- 汽车保险
- 家庭保险
- 健康和人寿保险
物联网（IOT）互联网是收集，从各种类型的传感器，例如从汽车，家庭压力或温度或振动的记录和发送数据互联网连接的技术的广义术语，并医院。
这包括家庭设备，如Amazon Echo或谷歌home，或医院中的医疗设备，或来自车辆的远程信息处理(通过网络操作远程设备的电信和IT集成)数据。所有这些设备都在不断收集有关客户的信息，保险公司可以以多种方式使用这些信息。
保险公司最近释放了他们连接保险报告该调查考虑了500名从事保险及相关行业、从事关联保险业务的人士的反馈。在他们的报告中，InsuranceNexus表示物联网目前在中国最成熟汽车、家庭和健康域。从他们的报告下图说明了这一点：
汽车保险
如今大多数现代汽车都装有一套传感器和电子芯片，可以测量和传输有关汽车速度、加速度、位置、路线图等数据。
自从有GPS和加速计的智能手机出现以来，汽车在手机上安装了另一套传感器，可以不断地测量和收集顾客的信息。这种类型的数据可能被用来识别驾驶员在道路上的行为是否太危险。
车辆远程信息处理和连续记录电子控制数据现在开始，以被用作潜在的有价值的信息，为汽车保险公司遏制风险。
使用这种连接设备数据来衡量保险风险开始在汽车行业也就不足为奇了InsuranceNexus大多数受访者的调查认为,物联网是最完善的保险在这个部门(几乎两倍于行业第二大数量的反应:房屋保险)。
下图显示了针对InsuranceNexus报告中有关关联保险的几个问题的回答的快照:
报告中的受访者似乎认为，人工智能软件可以帮助保险公司利用远程信息技术更好地了解客户。在汽车行业，与家庭或医疗保险行业相比，获取这类数据可能更容易，而且侵入性可能更小。
这些数据似乎表明，业内专家一致认为，利用物联网数据进行保险的机会可能是保持竞争力的必要条件。13%的受访者表示，他们的组织有一个积极商业化的关联保险产品，这有助于他们获得市场份额。(更多的统计数据，读者可以下载全连接保险报告）。
此外，调查结果表明，保险公司已经投资，似乎是增值他们的底线连接保险产品。
目前，大多数汽车保险贷款机构似乎并不认为联网保险产品可以替代现有产品。相反，它是作为这些现有产品的补充，提高销售和评估客户风险的营销手段。
保险公司本身似乎在获取数据能力和创新文化方面进展缓慢。
一个问题是潜在目标的范围。其中一些公司现在已经推出了联网保险产品，司机可以支付更低的保费，从而成为更安全的司机。类似地，保险公司可以利用人工智能算法，利用远程信息技术来降低事故发生的可能性，防止欺诈，推荐产品等等。
物联网传感器和车载信息服务数据的可用性已导致通过在应用车险人工智能，如驱动程序性能监测和保险市场的分析。我们在下文中详细讨论这些应用程序。
驱动程序性能监控
机器学习算法被应用到客户驱动数据，以帮助告知产品的开发保险客户。例如，进保险声称他们使用机器学习算法基于客户收集的数据预测分析。渐进声称，其信息数据的采集移动应用程序，快照，收集了来自客户的驾驶数据，到目前为止14个十亿英里。渐进并使用该数据，以确定在一段时间内“风险较低”的司机，为他们提供更具竞争力的定价策略的快照刺激行为的司机。
家庭保险
就物联网在行业中的杠杆作用而言，家庭保险排在第二位。家庭保险和汽车保险市场的一个关键区别是，随着自动驾驶汽车变得越来越普遍，汽车保险市场预计将会成熟，甚至在未来会下降。另一方面，随着传感器在客户家中的应用，家庭保险市场未来只会增长。
但在人工智能项目方面，家庭保险市场要稍微复杂一些。汽车中的远程信息技术数据主要与速度、GPS数据有关。至于车辆的状况，家庭保险物联网数据包括亚马逊echo或谷歌home等家庭设备和其他联网智能设备。
保险公司面临的挑战是，他们需要将这些有限但连续不断的物联网数据输入到可操作的社会学分析中，从而更好地理解特定客户带来的风险。以下是对InsuranceNexus报告中有关家庭保险行业的回答的简要介绍。
该报告指出，保险公司在这一领域面临的最大挑战是，如何确定利用物联网家庭数据可以预测哪些风险。与更结构化的汽车数据不同，家庭智能设备的数据有些非结构化，可以以几种不同的格式收集。理解所有这些数据并从所有这些数据中得出实际可行的见解是一个很难解决的问题。
报告还发现，58%的受访者参与了一个试点项目，14%的受访者表示他们已经有了一个商业化的产品。但只有2%的受访者表示，他们的融合完全成功。
所有这些都是明显的迹象表明市场对家庭保险基于物联网-AI分析是在其目前nascency。此外，数据还表明，一些AI在这个领域的供应商和内部项目的保险供应商将成为在不久的将来更是家常便饭。
这些新产品可以有效地使用AI预测有关客户，可以帮助降低风险水平的几件事情。
此外，从家庭设备物联网数据，但预计将在未来大量增加，可能仍然不会在那里收集的数据是足够庞大的时刻，值得许多AI项目的水平。
此外，在维护、存储和管理客户信息方面，保险公司可能要处理更多与隐私相关的社会问题。客户也不太可能允许保险公司访问他们家中日常操作的数据。
此类应用程序的一个例子涉及智能家居监控和紧急援助物联网，以及家庭保险单。他们的想法是，如果保险公司能够向客户提供技术，降低燃气泄漏、水损坏或财产被盗等事故发生的可能性，那么他们就能够将这些节省下来的费用以较低的保费形式传递给客户。
但这种类型的应用程序可能涉及允许保险公司以安装摄像头和其他传感器在客户家中。
健康和人寿保险
健康和人寿保险部门可能会经历巨大的变化，因为这个部门有大量的历史保险索赔和病人记录。
但是，这些部门已经根据InduranceNexus采用人工智能技术，到目前为止相对较慢。目前医院正在配备了智能医疗设备，和一些消费者现在使用可穿戴健身追踪器这一措施的信息，如心脏速率，每天活跃分钟，等等。
由于机器学习算法非常适合大规模数据分析师，我们预计该行业将从基于物联网的应用中受益。以下是对健康和人寿保险领域的物联网基础保险应用的响应快照。
不像汽车保险业中，连接保险产品在医疗保健的数量要低得多;只有30％的公司有一个基于物联网产品提供。此外，据报道，只有26％的受访者表示他们的组织不希望使用人工智能技术的未来。
这就是说，它好像健康和人寿保险公司将不得不开发成功的商业模式，技术变得越来越普遍了。
据维克拉姆Renjen，对萨瑟兰保险高级副总裁，健身追踪器和GPS数据可能会在这个空间中看到牵引第一应用领域：
随着补充GPS数据，可穿戴设备可以监控和遵守残疾申请人的康复治疗报告。更好地遵守会缩短时间，直到恢复工作。
保险公司现在正在对医疗数据使用机器学习算法来了解病人的生活质量。例如，在过去，我们曾报道过这样的用例:人工智能算法对与不同类型癌症相关的数据进行训练，它们的治疗方法以及营养数据可以帮助预测癌症患者的生活质量。
这些类型的软件可以利用从可穿戴技术和其他传感器的数据拿出这样的预测。
在健康和人寿保险的空间，这可能是更关键的是具有物联网数据预测的健康问题和疾病的可能性，并提供较低的保费为客户提供健康的平均清洁法案。AI软件可以帮助识别这些客户，并根据预测的保险费为每一个客户自动划分优先级。
在过去，这些保费是一个医学测试后手动设置。如今，保险公司可以利用数百个利用物联网数据变量，使寿险核保可以更准确地进行。
据InsuranceNexus报告，AI被预计将在保险跨多个领域和业务运营应用。在汽车领域，产品旨在提高驾驶员的安全性正在出现，允许动态策略定价和保险公司的运营效率。
在家庭保险，智能家居设备和智能手机用户的使用模式现在被谈论作为潜在的重要资源，以衡量风险。在健康和生命保险，的Telemetrics，如健身追踪数据，也开始加入到传统的医疗风险评估模型，以获得患者的风险更实时的视图。
这篇文章是由保险关系赞助的，是根据我们的《透明》杂志编写、编辑和出版的Emerj赞助内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图片来源:微软
