Hoe kunstmatige intelligentie kan helpen bij risicobeheer
Samenvatting
Voor een nicheverzekeraar die actief is in een medisch/gezondheidsdomein hebben we een voorspelling ontwikkeld op machine learning gebaseerd model om het risico van een economisch verlies in te schatten. Het machine learning-model is gebaseerd op neurale netwerken en gebouwd door het consumeren van historische medische gegevens gedurende vijf opeenvolgende jaren. Het ontwikkelde model presteerde aanzienlijk beter dan statistische benaderingen. Met dit model kon de klant zijn prijsbeleid optimaliseren, wat aanzienlijke besparingen opleverde.
Uitdaging
De verzekeringsmaatschappij die actief is in het medische/gezondheidsdomein werd geconfronteerd met de uitdaging van de ontwikkeling van een prijsbeleid. Voor hen was het belangrijk om de risico's die verband houden met een bepaalde patiënt te begrijpen en de prijsbeleidsmodellen dienovereenkomstig aan te passen. De klant verwachtte op zijn beurt aanzienlijke besparingen.
Oplossing van AI Superior
We hebben een applicatie gebouwd op basis van een machine learning-model om de waarschijnlijkheid van een bepaalde ziekte te voorspellen op basis van vele invoerkenmerken en parameters, waaronder de medische geschiedenis. Daarvoor hebben we een opleiding gevolgd diepgaand leermodel dat was effectief omgaan met intrinsieke uitdagingen zoals het onevenwicht tussen klassen. Daarnaast hebben we een validatieframework gebouwd om meerdere benaderingen objectief te vergelijken en ervoor te zorgen dat het gecreëerde model aanzienlijk beter presteerde dan andere.
Resultaat en implicaties
De ontwikkelde Data Science-oplossing presteerde aanzienlijk beter dan de basismodellen die op statistieken vertrouwden. De uitkomst van het model werd gebruikt om het prijsbeleid te optimaliseren om de omzet te verhogen en de risico's beter te beheersen.
Dutch 
English 
German 
Arabic 
French 
Spanish