Page 28 - InsuranceJournal138

วิชาการ IPRB

ี
กิจกรรมทางการตลาด และช่องทางการส่อสารอ่น ๆ เพ่อรักษาลูกค้าท่สร้างผลกาไรให้แก่บริษัทไว้ การผสมผสาน predictive และ prescriptive
ื
ื
ื
�
ี
ื
ี
�
ี
analytics สามารถช่วยส่งเสริมกลยุทธ์การขายสินค้าท่เก่ยวข้อง (cross selling) โดยมีจุดมุ่งหมายเพ่อต้องการรักษาลูกค้าท่สาคัญและสร้างมูลค่า
ให้แก่บริษัท ความท้าทายของบริษัทประกันภัย คือต้องระบุระดับประโยชน์หรือก�าไรที่ได้รับ เพื่อสร้างกลยุทธ์ได้ถูกต้องตามเป้าหมาย และน�าไป
ปรับใช้กับลูกค้าตามกลุ่มเป้าหมายนั้น ๆ
Risk Management: มีหลายบริษัทประกันภัยเปลี่ยนจากการพยายามลดความเสี่ยง (risk absorption) มาเป็นการลดความรุนแรง
ของความเสี่ยง (risk mitigation) เพื่อหลีกเลี่ยงผลกระทบที่สร้างความเสียหายอย่างรุนแรงของเหตุการณ์อันคาดไม่ถึง แบบที่เรียกว่า ‘black
ี
ี
swan’ แก่บริษัทของพวกเขา บริษัทประกันภัยจึงทาพวกโมเดลการลดความรุนแรงของความเส่ยง มากกว่าการวินิจฉัยความเส่ยง เช่น กรณ ี
�
มหันตภัยที่รุนแรง อย่างไรก็ตาม สิ่งที่ต้องน�ามาพิจารณาเพิ่มเติมก็คือ การระบุ การวัดผล และการลดความรุนแรงของความเสี่ยงที่วัดได้ยาก เช่น
ชื่อเสียง กฎข้อบังคับ วิกฤตทางการเงิน เป็นต้น การวิเคราะห์ข้อมูลเชิงลึกจึงนับได้ว่าเป็นผู้ช่วยที่มีประสิทธิภาพ ที่จะช่วยให้บริษัทประกันภัย
สามารถคาดคะเนถึงความเสี่ยงที่ยังคลุมเครือเหล่านี้ และช่วยติดตามตรวจสอบค่าใช้จ่ายในการรับประกันภัย ช่วยสร้างผลก�าไรที่เพิ่มขึ้น นับว่า
เป็นการจัดการความเสี่ยงแบบองค์รวม
Usage Based Insurance: มีบริษัทประกันภัยเริ่มน�าแนวคิดอย่าง usage base insurance (UBI) มาใช้เป็นกลยุทธ์ในการแข่งขัน
ี
ึ
ี
ี
ี
ั
ซ่ง UBI นับเป็นประกันภัยทางรถยนต์แบบหน่ง ซ่งบริษัทประกันภัยจะต้งราคาค่าเบ้ยประกันภัยตามระยะทางขับข่ เวลาท่ใช้ในการขับข่ พฤตกรรม
ึ
ึ
ิ
การขับขี่ และจุดหมายปลายทาง นับเป็นการวิเคราะห์ข้อมูลเชิงลึก ณ ระดับลูกค้า ซึ่งเกิดขึ้นจริงได้ก็เพราะมีเทคโนโลยี เช่น Big Data การรับ-ส่ง
ข้อมูลด้วยสัญญาณไร้สาย (GPS) และการประมวลผลแบบ Cloud ซึ่งเป็นการสร้างความแตกต่างแก่ผู้แข่งขันในธุรกิจประกันภัย และยังเปลี่ยน
โฉมหน้าการด�าเนินธุรกิจให้แตกต่างไปจากเดิม
Insurance Credit Score: ในเริ่มแรกแนวคิดการใช้ credit score ดูค่อนข้างล�าบากส�าหรับสถาบันการเงิน เนื่องจากการประเมิน
ี
�
ระดับความเส่ยงของลูกค้า โดยใช้การคานวณทางคณิตศาสตร์ท่ซับซ้อนบนข้อมูลจานวนมาก และมีขอบเขตกว้าง แต่ในปัจจุบันสาหรับผู้ใช้
�
ี
�
credit score ก่อน กลับเป็นผู้ได้เปรียบในการแข่งขัน
ส�าหรับอุตสาหกรรมประกันภัย การใช้ credit score ก็มีคุณประโยชน์เช่นกัน โดยเฉพาะในกระบวนการรับประกันภัยแบบรายย่อย
แต่การสร้าง credit score นั้นมีความยากและซับซ้อน และยังต้องใช้ข้อมูลหลายระดับชั้น เพื่อให้สามารถสร้างโมเดลที่สมบูรณ์ การวิเคราะห์
ข้อมูลเชิงลึกยังสามารถน�ามาปรับใช้ในการหาค่าความเสี่ยงได้ ดังนั้น ใครก็ตามที่สามารถน�าการวิเคราะห์ข้อมูลเชิงลึกมาปรับใช้ได้ก่อน ก็ย่อมมี
ความได้เปรียบในการแข่งขัน
บทสรุป
�
ั
ิ
ู
ู
ี
ี
ู
ี
่
ี
แต่เดิมธุรกิจประกันภัยเป็นแบบ “ผู้ท่เหมาะสมเท่าน้น จึงจะอยู่รอด” แต่ตอนน้คงต้องเปล่ยนเป็น “ผ้ทร้จกนาการวเคราะห์ข้อมล
ั
เชิงลึกมาใช้ จึงจะเป็นผู้ที่อยู่รอด” การลงทุนในบุคลากร กระบวนการ และเทคโนโลยีของการวิเคราะห์ข้อมูลเชิงลึก จากที่เพียงแค่น�ามาปรับใช้
แก่ธุรกิจ แต่วันนี้รวมถึงในอนาคตกลับเป็นสิ่งที่จ�าเป็นต้องใช้ เนื่องจากการวิเคราะห์ข้อมูลเชิงลึกเป็นตัวช่วยขับเคลื่อนธุรกิจ
การวิเคราะห์ข้อมูลเชิงลึกสาหรับบริษัทประกันภัย จะได้รับประโยชน์ในด้านตรวจสอบและป้องกันการฉ้อฉล และช่วยสร้างโมเดล
�
การรับประกันภัย ท�าให้ได้รับประโยชน์ที่เหนือกว่าคู่แข่ง ช่วยสนับสนุนประสิทธิภาพการด�าเนินงานขององค์กร และจ�าเป็นต้องน�าไปบูรณาการ
ร่วมกับระบบข้อมูลสารสนเทศ
แหล่งข้อมูล/หนังสืออ้างอิง
IIB Bulletin Quarter publication of the Insurance Information Bureau of India, Mr. Dhrub IIB, Hyderabad. “Prescriptive Analytics in
Insurance”, quarter 4, 2015 vol. 2 issue 4
Everest Group Research, Eric Simonson and Anupam Jain. “Analytics in Insurance”. [ออนไลน์] พฤศจิกายน 2557 เข้าจาก http://www.genpact.
com/docs/default-source/resource-/analytics-in-insurance (วันท่ค้นหาข้อมูล: ธันวาคม 2559)
ี
ิ
Insurance Information Institute, “Insurance Fraud”. [ออนไลน์] สงหาคม 2559 เข้าจาก http://www.iii.org/issue-update/insurance-fraud
ี
(วันท่ค้นหาข้อมูล: มกราคม 2560)
National States Geographic Information Council, “The Continuum of Natural Disasters Project”. [ออนไลน์] เข้าจาก https://www.nsgic.org/
ี
natural-disasters (วันท่ค้นหาข้อมูล: มกราคม 2560)

28 วารสารประกันภัย ฉบับที่ 138