ВСК внедрила Систему поддержки андеррайтинговых решений по ДМС на базе алгоритмов машинного обучения

Страховой Дом ВСК совместно с разработчиком ИТ-решений для страховой отрасли MAINS Lab внедрили передовые технологии на базе искусственного интеллекта в процесс предсказания выплат по новым корпоративным договорам ДМС.

Андеррайтинг новых корпоративных клиентов по ДМС — сложный процесс, эффективность которого во многом определяет конкурентные преимущества любой страховой компании. В ходе этого процесса специалисты компании должны оценить десятки, а то и сотни факторов, влияющих на поведение застрахованных сотрудников корпоративного клиента. Чтобы в итоге предсказать, сколько страховая компания заплатит в клиники, обслуживающие этого клиента. Страховая компания ВСК традиционно уделяла большое внимание точности и скорости андеррайтинга по всем линиям бизнеса, а в 2021-2022 инвестировала во внедрение передовых технологий в области ДМС. Начиная с февраля 2022 года компания начала использовать предиктивные модели, построенные на основе алгоритмов машинного обучения для предсказания обращаемости корпоративного клиента, распределения визитов сотрудников по клиникам и стоимости визита в клинику, входящую в программу ДМС. В итоге внедрения новых технологий точность андеррайтинга выросла в 1,5-1,7 раз, что, с одной стороны, позволило минимизировать количество привлекаемых убыточных клиентов, и, с другой стороны, повысить количество клиентов с плановым уровнем убыточности.

"В последние два года наблюдается значительное изменение поведенческих особенностей застрахованных по ДМС. Удаленная работа, повышенное внимание к здоровью, открытие новых клиник, развитие цифровых сервисов в области медицины — все эти факторы существенно повлияли на выплаты по ДМС, и андеррайтерам все сложнее учитывать и просчитывать их влияние в процессе подготовки предложения для новых корпоративных клиентов. Именно поэтому было принято решение инвестировать в создание инструмента, который будет автоматически учитывать сотни факторов и существенно повысит точность андеррайтинга по ДМС", — отметил Олег Витько, заместитель генерального директора по медицинскому страхованию Страхового Дома ВСК.

"Во всем мире бизнес по ДМС отличается сложностью, многофакторностью, большим количеством аномалий и, в целом, наличием по-настоящему Big Data. Внедрение машинного обучения в андеррайтинг ДМС — это необходимость, поскольку простые статистические подходы не позволяют качественно моделировать такой сложный бизнес. Также любопытно отметить, что инновационных подходы, уже используемые в ДМС в России, во многих других странах только начинают внедряться. Поэтому мы особенно гордимся, что совместно с лидирующими российскими страховыми компаниями мы реализуем такие технологические прорывы в этом бизнесе", — отметил Юрий Кувшинов, генеральный директор компании MAINS Lab.

Последние комментарии

Юлия Багрянцева 22 июля 2015 12:45 Самарский страховщик "Компаньон" лишился лицензии

Что делать клиентам?

Алексей Огиенко 20 июля 2015 15:46 Самарский страховщик "Компаньон" лишился лицензии

Как быть клиентам? Что нужно делать?

Александр Ридель 23 апреля 2015 05:34 РОСГОССТРАХ: "Со страховкой беда не страшна!"

Но РГС застрахует по этой программе на специальных условиях только тех, кто еще приобретет дополнительно страховку жизни и здоровья. А пункт урегулирования убытков находится где-нибудь в самом отдаленном селе области )))))))

Georgy Aleksandrov 23 апреля 2015 05:06 РОСГОССТРАХ: "Со страховкой беда не страшна!"

судя по отзывам в интернете об этой страховой, не так страшна беда—как эта страховая

Дмитрий Флекс 16 апреля 2015 19:59 РОСГОССТРАХ установил минимальные цены на ОСАГО

Это статья из параллельной реальности? Или этот балабол не в курсе что твориться с "осаго" по всей стране последние два года. Многие отказались от этого откровенного грабежа, а он соловьем поет какие они хорошие, да "росгосТРАХ" первые в списке аферистов в области страхования.

Фото на сайте

Все фотогалереи

Новости раздела

Все новости
Архив
Пн Вт Ср Чт Пт Сб Вс
30 31 1 2 3 4 5
6 7 8 9 10 11 12
13 14 15 16 17 18 19
20 21 22 23 24 25 26
27 28 29 30 1 2 3