磚Lakehouse聲稱自動化

介紹

根據最新的報告從全球谘詢等等,保險的未來會變得越來越多數據驅動的,分析了。最近關注雲先進的技術基礎設施的改善,但是大多數組織仍然需要幫助實施和利用這些功能。是時候將重點實施服務實現價值。

在當今的經濟情況下,保險公司麵臨著不斷增加的挑戰。保險公司正被迫利用他們的優勢和數據創新速度加速。個人塑化保險公司,這意味著日益受到關注個性化和客戶保留。品牌忠誠度還處於曆史低點,與客戶持續購買利率更具競爭力和更好的體驗,這就增加了生產的beplay体育app下载地址風險。欺詐性質的進一步侵蝕了利潤的增加。保險公司需要找到其他方式來降低成本,更好地管理風險。

自動化和優化索賠處理過程是一個區域,可以顯著降低成本通過節省時間和人力資本的依賴較小。此外,有效的利用從數據和先進的分析可以大大降低整體風險敞口。

“背後的動機聰明的說法加速器的解決方案是簡單——提高索賠處理過程,使更快的解決,降低處理成本,並提供更快的見解關於潛在的欺詐性索賠;Lakehouse。實現Lakehouse範式簡化了當前建築景觀和整個組織未來的擴張奠定了基礎。相應的資產可以找到在這裏。

參考體係結構和工作流程

一個典型的索賠工作流之間涉及某種程度的編排操作係統如導和分析係統像磚。下圖顯示了一個示例的一個工作流的汽車保險公司。

自動化和優化索賠處理過程需要深刻理解客戶與操作係統交互和各種來源的信息進行分析。

在這個例子中,我們假設客戶主要通過一個移動應用程序交互,從那裏,beplay体育app下载地址他們可以提交索賠和監控現有情況下的狀態。這個觸點提供了重要客戶行為信息。另一個重要的信息來源是物聯網設備安裝在客戶的車輛。遠程信息處理數據流的操作和分析係統,提供有價值的見解customer-driving行為和模式。其他外部數據來源可能包括天氣和路況數據的補充等傳統數據類別車輛特征(製作、模型、年)、驅動程序特點和接觸/覆蓋(限製,免賠額)

獲得額外的數據來源可以變得越來越重要,尤其是在缺乏信用機構等傳統來源的數據。信用評分從部門通常形式風險建模的基礎,評估司機的暴露,最終影響他們的保險費。另一方麵,移動應用和物聯網設備的數據提供更個性化的客戶行為,可用於創建一個更準確的指標與給定相關的風險。這個選擇,行為性風險建模方法和定價是至關重要的交付,客戶體驗要極致個性化才行。

Lakehouse由磚是唯一平台,結合了所有需要的功能和服務,支持一個不會過時的索賠處理過程。Beplay体育安卓版本從流到機器學習和報告,磚提供了最好的平台,建立一個端到端解決方案的保險行業的明天。Beplay体育安卓版本

以下步驟獲取整體流程:

1. 政策數據攝取。
2. 遠程信息處理數據從物聯網傳感器不斷攝取。原告提交索賠數據通過移動應用程序。
3. 所有的操作數據攝取到雲存儲。
4. 這是增量加載為“原始數據”到三角洲青銅表中
5. 定位數據通過各種數據轉換和細化
6. 數據是使用訓練模型
7. 預測表加載到黃金
8. 可視化的索賠儀表板刷新
9. 由此產生的見解是反饋給操作係統。這提供了獲取數據的反饋回路導和通過的下一個最佳動作實時回導知道號稱應優先。
10. 索賠決策工作流使用這些見解路由適當情況下產生的。(如。批準修理費用,租金還款,或提醒當局)

Lakehouse範式艾滋病智能索賠如何

的磚Lakehouse架構使角色的所有數據(數據工程師,科學家,分析工程師,和BI分析人士)在一個平台上進行合作。beplay娱乐iosBeplay体育安卓版本支持所有大數據工作負載和範例(如批處理、流媒體、DataOps ML, MLOps,和BI)在一個單一的,協作平台極大地簡化了整個體係結構,顯著提高了穩定性和降低成本。beplay娱乐iosBeplay体育安卓版本

磚三角洲生活表(DLT)管道提供一個簡單的、說明性的框架來開發和實施工作負載迅速。它還提供本機支持細粒度的數據質量管理部門約束來保證輸出的完整性。

毫升和人工智能工作負載可以很容易地創建和管理MLFlow再現性和可審核性。MLFlow簡化了整個生命周期模型,通過模型試驗部署、服務和歸檔。毫升可以運行在所有類型的數據,包括非結構化數據超出文本(圖像、音頻、視頻等)。在這個解決方案中,我們將使用計算機視覺功能評估車輛損壞。

最後,磚的SQL提供了一種快速、高效的查詢引擎來策劃和聚合數據。這些見解可以打包並在幾分鍾內通過交互式儀表板。

統一目錄提供了多重雲,集中治理解決方案對所有數據和人工智能資產包括文件、表、機器學習模型和儀表板內置搜索、發現、自動負載血統。

下圖顯示了Lakehouse參考體係結構中典型的保險用例:

數據攝取使用DLT和Muti-task工作流

自動化聲明處理過程始於攝入和數據優化工程工作流程。下圖提供了一個總結遇到的典型的數據源包括結構化、半結構化和非結構化。一些來源是速度,而其他更新更快。此外,一些來源可能是添加劑,需要追加,而其他人提供增量更新和必須被視為變化緩慢的維度。

DLT可以簡化和實施數據處理管道。框架提供了支持自動加載程序來促進攝入從流媒體資源,有效的伸縮處理數據量的突然變化,通過重啟任務失敗和彈性。

磚的工作流可以容納多個任務和工作負載(如筆記本電腦、DLT, ML, SQL)。工作流支持repair-and-run和計算共享任務——使健壯的、可伸縮的、有效的工作負載。此外,工作流可以很容易地通過時間表或編程調用通過自動化REST api。

了解一代使用毫升&動態規則引擎

利用毫升至關重要發現未知的模式,突出顯示新見解,萎靡不振的可疑活動。然而,結合毫升和傳統的基於規則的方法可以更加強大。

在索賠處理過程,毫升可用於幾個用例。一個例子是使用計算機視覺和ML評估和得分圖片提交車輛保險索賠。模型可以訓練集中的有效性和嚴重性損失。在這裏,MLFlow可以在簡化模型是至關重要的培訓和服務流程的端到端MLOps功能。MLFlow serverless模型提供服務REST api。訓練有素的模型可以實施和投產的點擊一個按鈕。

另一方麵,規則引擎提供靈活的方式定義的操作特征和統計檢查,可以自動和應用而無需人工交互。旗幟提出隻要發送數據不符合預設的期望和對人類審查和調查。將這種方法與ML-based工作流提供了額外的監督和顯著降低了解剖和審查的時間要求調查人員需要標記情況。

洞察力可視化使用指示板

在本例中,我們創建了兩個儀表盤捕獲關鍵業務的見解。儀表板包括以下:

• 一個損失的總結儀表板的高級視圖總體業務操作;和
• 一個要求調查儀表板的細粒度視圖索賠細節理解給定案例的細節。

最近的趨勢分析可以進一步幫助回顧相似的情況下,如:

• 損失比率計算保險索賠支付+調整費用除以總保費收入。例如典型的平均損失比率(所有麵積合計、身體傷害和物理傷害)對個人汽車應該在65%左右
• 摘要可視化捕捉計數事件類型損傷的嚴重性
• 趨勢線通過各種特性/維度
• 政策的地理分布

更快的調查,索賠調查儀表板提供了所有相關信息要求允許人類調查員深入到一個特定的聲稱見到等細節的圖片損壞車輛,聲稱,政策&司機細節,遠程信息處理數據繪製路徑車輛,報告數據與評估數據的見解。

提供最近聲稱auto-scored在管道使用毫升推斷法和規則引擎

• 綠色標記是用來表示自動評判與描述
• 紅十字會表示不匹配,需要進一步調查手冊

總結

創新和個性化是必不可少的保險公司的差異化競爭。這個磚Lakehouse為保險公司提供了一個平台來啟用和加速創新以開放、安Beplay体育安卓版本全、可擴展的體係結構,容易集成與第三方工具和服務。這個解決方案加速器模式可以適用於索賠處理。此外,磚的生態係統提供了一係列的功能,使數據團隊和業務利益相關者合作和支持業務決策的生成和分享見解和驅動器有形資產的價值底線。

技術資產,包括管道配置、模型和樣本數據在這個例子中,可以訪問在這裏或者直接在Git。