Sex skäl till att försäkringsbolag bör arbeta med digitala tvillingar
• Artikelförfattaren Josefin Rosén är Nordic Leader AI and Analytics vid SAS Institute.
DebattDet är hög tid för försäkringsbranschen att börja arbeta med digitala tvillingar för att kunna navigera och fatta beslut i en orolig och osäker omvärld. Det skriver Josefin Rosén som är Nordic Leader AI and Analytics på SAS Institute.
I oroliga tider som dessa är det extra svårt att jobba med försäkringar.
Det blir inte enklare av att kunder, både privatpersoner och företag, ställer högre krav på service, transparens och erbjudanden, inte minst vad gäller snabbare hantering av försäkringsärenden.
Över alla dessa omständigheter tornar nya krav från regeringar och myndigheter upp sig. Det gäller skydd mot cyberbrottslighet, bedrägerier och IT-säkerhet i största allmänhet, för att nämna några regulatoriska områden. Lösningen på alla utmaningar finns i många fall i ökad digitalisering. Men digitaliseringen medför också stora utmaningar. Hur ska man göra? Hur ska kostnader för nya tekniklösningar hållas nere?
Digitala tvillingar är definitivt en typ av lösning som underlättar både strategiskt beslutsfattande och löpande verksamhet för försäkringsbolag. Men vad är en digital tvilling?
En digital tvilling är helt enkelt en digital representation av ett fysiskt objekt, till exempel en människa, eller av en process, en tjänst eller egentligen av vad som helst som finns i verkligheten. Genom att samla in relevanta data kan en digital tvilling användas för att simulera olika scenarier, vilket görs med mjukvara, AI och data. Digitala tvillingar ger bättre förståelse av vad som kan hända i framtiden, beroende på vilka beslut som fattas i nuet.
Här är sex exempel på vad digitala tvillingar kan användas till inom försäkringsbranschen.
- Bedrägeriupptäckt. AI och maskininlärning kan användas för att upptäcka mönster i komplexa situationer.
- Riskhantering, med kontroll av regelefterlevnad. Kan göras med avancerad modellering, för att besvara frågor av typen ”vad händer om?”.
- Företagsförändringar. Att simulera hur individer och intressenter kan komma att reagera och agera.
- Prisoptimering, gällande produkter, kanaler och för individer.
- Automatisera hantering av krav och förbättra besluten med hjälp av nya datakällor.
- Förståelse av kunders beteenden, till exempel med hjälp av data från kroppsnära enheter och uppkopplade fordon.
Nu kanske du tänker att det är frågan om ”vanlig” dataanalys. Vad är skillnaden med digitala tvillingar? En viktig sak är att man utgår i från modeller (tvillingarna) som är enkla att förstå och att det därigenom blir enklare att avgöra vilka data som behövs för analyserna. Även resultaten blir enklare att förstå, eftersom det krävs mindre arbete med att sammanställa dem till svar på relevanta frågor. Det gör att chansen ökar att få beslutsstöd i realtid. Det ger till exempel bättre möjligheter att snabba på hanteringen av krav på utbetalningar.<
Även planering på lång sikt blir tydligare, eftersom både konstruktionen av analysmodeller och resultaten från dem utgår i från representationer av de objekt och företeelser som analyseras.
Om ni inte har börjat med digitala tvillingar är det hög tid att undersöka den typen av lösningar. Ingenting tyder på att omvärlden kommer att bli mindre komplicerad och utmanande.
Josefin Rosén, Nordic Leader AI and Analytics, SAS Institute
