Компания «Синимекс» реализовала ML-проект для Росгосстраха
Компания «Синимекс» совместно с компанией «Росгосстрах» реализовала комплексный проект с использованием новейших методов оценки данных. Специалисты по анализу данных разработали сервисы на основе машинного обучения, позволяющие страховщику точнее оценивать риски, прогнозировать крупные убытки, и проводить оценку портфелей агентов, брокеров и партнеров.
Команда компании «Синимекс» разработала модель географической сегментации. Алгоритм оптимизирует риски за счет работы с выбранными сегментами клиентов и геозонами. Для оценки рисков используются исторические данные по убыткам и территориальные признаки из открытых источников. Кластеризация учитывает свободные зоны, где страховая компания представлена слабо и имеет потенциал для прироста продаж. В перспективе возможно расширение анализа за счет демографических и прочих статистических данных.
Использование искусственного интеллекта позволяет качественно проводить оценку портфелей сотрудничающих с компанией агентов, брокеров и других партнеров. Например, об увеличении риска может говорить смена поведения агента и оформление нестандартных договоров. Для прогнозирования убыточности система оценивает и прогнозирует потенциал продаж на различные периоды.
«Особенность проекта — в самом процессе сегментации, как по числовым исходным данным (много источников), так и привязке к геолокации каждого клиента (геосегментация). За каждую из подзадач отвечают разные модели машинного обучения, которые должны эффективно работать не только автономно, но и в связке», — комментирует Родион Мартынов, Руководитель проектов компании «Синимекс».
«На выбор технологии повлияла высокая конкуренция и постоянно расширяющийся ассортимент продуктов в финансовой сфере. Немаловажным фактором стало увеличение количества клиентов, и прирост данных по каждому из них. К компании «Синимекс» мы обратились за разработкой с «нуля», потому что перед нами стояли цели, которые существующими коробочными решениями просто не достигаются. Большинство коробочных решений учитывают не все данные и не могут быть полностью адаптированы под специфику нашей компании (например, предиктивный анализ на базе картографических данных и графов). В рамках данного проекта нам была необходима именно проектная разработка, которая изначально основывается на данных компании и конкретных бизнес-правилах. Также мы убедились, что решение по использованию в проекте в большей части открытого ПО и самостоятельной разработки было верным с учетом тренда на импортозамещение», — комментирует Ольга Вересова, Начальник управления анализа и контроля страховой компании «Росгосстрах».