تاثیر فناوری های مدیریت کلان داده ها و هوش مصنوعی در صنعت بیمه

شرکت های بیمه همواره مجبور به مدیریت حجم بالایی ازداده شامل داده های مشتری وهمچنین استفاده از روش های تجزیه و تحلیل داده ها جهت ارائه پیشنهادهای رقابتی بیمه همچنین درک و ارزیابی موثر ریسک و تعیین هزینه بیمه گذار بوده اند. بنابراین مدیریت داده های حجیم و تجزیه و تحلیل صحیح آن یک عامل نیرومند در موفقیت شرکت های بیمه است. افزایش شدید داده ها که مربوط به دامنه مطالعات کلان داده ها خواهد بود به معنی حجم زیاد داده ها، سرعت بالا و تنوع بالای داده های تولید شده از طریق مشتریان جدید، بازارهای جدید و قوانین نظارتی و بالادستی است. موضوع دیگری که به این پیچیدگی ها می افزاید وجود همزمان داده های ساختارمند و غیر ساختارمنداست. داده های غیر ساختارمند در صنعت بیمه حکم فرصت های تجاری ارزشمندی را دارد که از آن بهره برداری نشده است برای مثال داده اظهارنامه های بیمه و فرم های تکمیل شده که در قالب فایل های متنی هستندو همچنین یادداشت هایی که دفاتر بیمه از طریق تماس تلفنی از مشتریان دریافت و ثبت می کنند می توانند از طریق فناوری های کلان داده ها منجر به استخراج داده های ارزشمند تجاری گردد. از طرفی کلان داده ها ورودی اصلی برای عملکرد موفق هوش مصنوعی یا یادگیری ماشین هستند، مدل های یادگیری ماشینی می توانندبه سعرت شدت آسیب ها را ارزیابی کرده و هزینه های تعمیر را از داده های قبلی، حسگرها و تصاویر پیش بینی کنند. بدون اغراق می توان گفت دسترسی به کلان داده ها و هوش مصنوعی، پتانسیل تغییر در کل فرآیند سنتی بیمه را فراهم می کند. دراین مقاله ضمن بررسی مفاهیم و ابزارهای کلان داده ها و هوش مصنوعی به بررسی مزایا و چالش هایی که می تواندبرای صنعت بیمه به همراه داشته باشند می پردازیم.، علاوه بر این به بررسی روندکلی اینشورتک ها و وضعیت آنها در ایران اشاره خواهیم نمود.

کلیدواژه ها:

کلان داده ها ، هوش مصنوعی ، یادگیری ماشین ، تحلیل داده