«Точность автоматических решений обеспечивает финансовые результаты»

CNews: Как восприятие страхования в России влияет на трансформацию этого рынка?

Степан Ванин: В глазах населения страховые компании — «темные лошадки», вызывающие недоверие. С одной стороны, именно им нужно «просто отдать деньги», если хочешь получить доступ к какому-либо благу. Например, нужно заплатить за ОСАГО, чтобы иметь возможность водить машину, или застраховать жизнь и жилье, чтобы взять ипотеку без повышения ставки. С другой стороны, ценность страхования, как такового, людям не ясна, она очевидна только в момент нежелательного события. Отсюда возникает ощущение, что это все надувательство. И это впечатление усиливается тем, что страховщики и правительство в России исторически мало работали над просвещением населения. Итог — низкое проникновение и низкий уровень пролонгации добровольных видов страхования, а также мнение, что обмануть страховщика вполне допустимо.

Страховые компании прекрасно осознают эти взаимосвязи. И их трансформация в последние 1-2 года имеет четкий акцент на желании повысить свою привлекательность, чтобы клиенты были довольны сервисом, осознали ценность страхования и покупали полисы из года в год, обеспечивая стабильную доходность.

Безусловно, такая трансформация бизнеса страховщиков невозможна без развития ИТ-систем. Среди ключевых направлений инвестиций в ИТ, нацеленных на улучшение клиентского опыта, можно выделить развитие цифровых каналов продаж, внедрение решений для автоматизации и персонализации коммуникаций с клиентами, автоматизация урегулирования убытков. Причем эффект от этих инноваций неизменно высокий. Например, компания «Ренессанс Страхование» за счет автоматизации и персонализации коммуникаций с клиентами, входящими в программу лояльности «Ренессанс Клуб», смогла повысить уровень пролонгации по КАСКО на 25%. А это, между прочим, десятки миллионов дополнительных сборов ежегодно. Великолепный результат!

CNews: Страхование считается достаточно консервативной отраслью, но в эпоху тотальной цифровизации и ей приходится меняться. Расскажите, какие основные тенденции применения ИТ-технологий на рынке страхования наиболее заметны в последнее время?

Степан Ванин: Внедрение новых информационных технологий — это всегда инструмент достижения стратегических целей компании. И здесь тренды напрямую зависят от целей, которые сейчас в фокусе у российских страховщиков.

Во-первых, это увеличение доли рынка. Почти все крупные страховые компании в этом году выпустили релизы об инвестициях в активности, нацеленные на рост рыночного присутствия. И это логично, ведь, при умеренной убыточности портфеля, чем больше доля рынка, тем больше прибыль. Кроме того, большая клиентская база и высокое проникновение продуктов обеспечивают стабильность доходов в будущем. Что касается технологий, нарастить долю рынка страховщикам помогает прежде всего внедрение аналитических CRM-систем, которые позволяют автоматически проводить персонализированные коммуникации с миллионами клиентов через прямые, цифровые и партнерские каналы. Сервисные и информационные коммуникации шаг за шагом доказывают клиентам ценность страховых услуг и позволяют значительно повысить их лояльность к страховщику. А продающие коммуникации позволяют конвертировать эти достижения в дополнительные продажи. Об успешных проектах в этой области уже рассказывали такие компании, как ВСК, Ингосстрах, Ренессанс Страхование, Росгосстрах. Мы видим, что и другие игроки работают в этой области и интересуются такими ИТ-решениями.

Вторая стратегическая цель — это снижение убыточности страхового портфеля. С одной стороны, эта цель достигается за счет выстраивания процессов андеррайтинга и тарификации таким образом, чтобы как можно меньше потенциально убыточных клиентов попадало в портфель. В этом страховщикам помогают ИТ-системы для автоматического принятия решений, а также технологии машинного обучения, позволяющие точнее оценивать риски и производить селекцию. С другой стороны, для борьбы с высокими убытками применяются аналитические механизмы выявления мошенничества, в том числе на этапе урегулирования. Еще два года назад тренд на решение этой задачи и, соответственно, на внедрение таких систем был наиболее ярким, поскольку проблема стояла очень остро. В моторных видах страхования где-то четверть, а где-то и треть убытков приходились на выплаты мошенникам. Сейчас мы видим, что спрос на такие решения остается высоким, но еще более интенсивно стали развиваться клиентская аналитика и аналитический CRM.

Третье — это снижение операционных издержек, глобальная автоматизация для уменьшения внутренних затрат на обслуживание договоров. Автоматизация не только документооборота, но и процессов принятия оперативных решений. При этом автоматизация означает не сокращение штата, а освобождение людей от рутинных операций, которые отнимают много времени, и переключение их на операции, которые машина сделать не способна.

Наконец, четвертая цель, которая появилась в повестке дня у топ-менеджмента страховых компаний сравнительно недавно, это повышение скорости реакции на изменение внешних условий. Например, если конкуренты начали платить агентам-брокерам комиссии больше, тои те будут приводить клиентов к ним, а не к вам. Важно быстро отследить эту ситуацию и правильным образом на нее отреагировать, чтобы не потерять долю рынка. Или, скажем, в регионе появляется новый способ мошенничества по КАСКО. Вы знаете, как его выявить: нужно, чтобы все агенты быстро получили инструмент, который определяет, как человек заполняет документ, ведь это всегда видно. И если он считывается как мошенник, продавец отказал бы ему в полисе. Способность быстро менять системы, которые принимают автоматизированные решения внутри компании — это ключ к победе в конкурентной борьбе в будущем. Развиваются онлайн-агрегаторы, на которых страховщики выставляют свои полисы. Пользователь заполняет заявление на ОСАГО и видит много предложений от разных страховщиков. Сейчас ОСАГО для одного человека продается по разной цене в разных страховых компаниях, раньше цена была одинаковая. Если не мониторить предложения конкурентов и не менять свои цены на агрегаторах, можно быстро потерять долю рынка.

CNews: Какие модели применения ИТ в страховании выглядят наиболее предпочтительными?

Степан Ванин: Внедрение технологий необходимо в каждом бизнес-процессе внутри страховой компании: урегулирование убытков, предстраховая проверка, кросс-продажи, бухгалтерия, противодействие мошенничеству. К сотрудникам поступает информация, они ее анализируют и вручную принимают решение, по какому тарифу продать человеку страховку и стоит ли вообще это делать.

Из-за того, что многие операции проводятся вручную, возникают три проблемы. Во-первых, медлительность: нужно много людей, чтобы обработать большой поток заявок, из-за этого растут внутренние издержки. Во-вторых, невысокая точность принятия решений каждым человеком, ведь люди привыкают работать по какому-то паттерну: к примеру, смотрят на почерк, если понравился — заключаем договор, если нет — отказываемся. В-третьих, актуальность и адекватность действий текущей ситуации: мир, конкуренты и клиенты меняются, и правила, которыми руководствовались эксперты полгода назад, сегодня уже могут быть не релевантны. Поэтому страховщики сейчас максимально автоматизируют ручные процессы для оптимизации принятия решений. Например, посмотреть на фотографию, определить, что машина побита и принять решение о страховании. Многие страховщики с помощью наших решений строят системы для детальной оценки рисков, связанных с человеком, который пришел заключать договор. Машина, оценивает сотни факторов: описание клиента, транспортного средства, окружение человека, был ли он ранее замешан в ДТП с каким-нибудь известным мошенником. Глядя на все эти обстоятельства, машина точнее человека оценивает риски.

Также есть трудности, которые приходится теперь преодолевать в силу исторических особенностей развития ИТ-инфраструктур в страховании. Многие системы разрабатывались внутри компаний и разрабатывались без документации, процедур преемственности и возможности простых последующих изменений. Если нужно поменять такую внутреннюю систему, которая автоматически принимает решения, специалистам приходится писать задание, объяснять его программисту, дождаться внесения программных правок и далее тестировать каждую небольшую доработку. Одно изменение, страшно представить, занимает до нескольких месяцев! А потом ИТ-специалист, который отвечал за поддержку системы, уходит. Ему на смену приходит другой и не может разобраться, как эта система работает.

Почему это для бизнеса критично. Например, компания тратит месяцы на выявление нового типа мошенничества и настройку инструментов для его предотвращения. Риск, что за этот период компания потеряет на убытках десятки, а то и сотни миллионов рублей, очень высок. Казалось бы, доработки системы, а промедление в этом вопросе оборачивается очень серьезными потерями. Сейчас важно обладать системами для автоматизации принятия решений, которые бизнес может легко настраивать в визуальных интерфейсах, не привлекая ИТ и программистов. В противном случае на изменения рынка, регулирования, поведения клиентов и конкурентов компания будет реагировать с безнадежным отставанием. А отставание — это потеря денег, доли и лояльности.

CNews: Какие продукты по автоматизации повышения точности принятия решений страховщики сейчас с тем или иным успехом используют либо внедряют?

Степан Ванин: Один из ключевых бизнес-процессов — это предстраховая проверка. И здесь внимание сейчас сосредоточено на том, чтобы не просто настроить автоматизированную проверку, но и сделать ее максимально точной. Первое, что этому способствует, это высокопроизводительный движок для сегментации, который обрабатывает сотни запросов на оценку в минуту. Речь идет о системах, обладающих визуальными интерфейсами настройки, чтобы бизнес имел возможность за считанные минуты внести изменения в логику страховой проверки. Например, в «Ренессанс страховании», чтобы автоматизировать и повысить точность страховой проверки, активно используют решение SAS.

Второй компонент, который повышает точность принятия решения на автоматизированных движках, это модели машинного обучения. Они анализируют сотни факторов, которые человек не в состоянии удерживать в голове, и за счет скорости, массовости и точности принятия решений обеспечивают страховщикам сотни миллионов экономии в год.

Этот эффект можно увеличить еще на десятки процентов, если дополнить систему третьим компонентом: выделенным интерфейсом ручных дополнительных проверок по заявкам. Мы уже внедряли такой модуль на российском рынке. И тут, кстати, хочу заметить, что в части применения новых технологий для оптимизации предстраховой проверки Россия сейчас опережает Европу.

«Мы готовы научить людей работать вместе с машиной»

CNews: Один из важных трендов, как и во многих других сферах, автоматизация страхования. За счет чего она достигается? Какие платформы и решения SAS помогают в этом?

Степан Ванин: Хотел бы подчеркнуть. Компаниям нужна не ИТ-система сама по себе, а законченное решение конкретной бизнес-задачи. Именно такие решения мы и продаем. Например, когда необходимо сделать быстрее и точнее оценку рисков на этапе предстраховой проверки. Здесь есть две ключевые задачи, которые важно решить страховым компаниям: выявить мошенников (сейчас таких убытков по статистике — 3-5% от общего количества) и максимально быстро урегулировать реальный убыток по оставшимся 95%. Процесс состоит из множества операций: нужно изучить обстоятельства ДТП, понять кто виноват, в какую станцию техобслуживания отправить человека на ремонт, нужно ли вообще отправлять, оценить стоимость ремонта, глядя на фотографии и заявление, согласовать эту стоимость с СТО. Для решения первой задачи необходимо автоматизировать все рутинные операции, повысить точность принятия решений на разных стадиях работы с убытком, собирая доказательства от разных отделов о том, что убыток мошеннический или реальный, нужно внедрять модели машинного обучения, которые помогали бы людям точнее выявлять фактор риска, связанный с убытками, подсвечивать обстоятельства.

Но есть ряд процессов, которые очень трудно автоматизировать. Например, изучение социального графа клиента, его взаимосвязей с другими участниками ДТП, сотрудником полиции или агентами, которые заключили договор с ним. И для таких задач у нас есть инструменты. Так, модуль SAS Visual Data Mining and Machine Learning предназначен для построения моделей машинного обучения и позволяет точнее оценивать схожесть конкретного убытка с ранее выявленными мошенническими схемами и подсвечивать факторы риска, на которые нужно обратить внимание. SAS Visual Investigator — интерфейс для специалиста по противодействию мошенничеству, в нем собрана вся информация по убытку и строится автоматический граф социальных связей с агентами, другими транспортными средствами, мошенниками и участниками ДТП. С этими инструментами эксперт за минуты может опознать убыток, если он похож на какую-то ранее выявленную схему обмана, и собрать дополнительные доказательства.

Сейчас мы прорабатываем отдельный бизнес-кейс по выявлению мошенников среди агентов. За последние три месяца все страховщики объявили об увеличении агентской сети, и такое решение стало очень актуально.

CNews: В последние годы в страховом бизнесе существовал перекос в сторону борьбы с убыточностью. Теперь фокус сместился на обеспечение индивидуального подхода к клиентам. За счет каких технологий и решений это достигается?

Степан Ванин: Я бы не сказал, что это был перекос. Просто уже нельзя было не решать проблему, а решать ее надо было всем и срочно. Из-за мошенничества страховщики терпели огромные убытки, вследствие чего они сфокусировались на создании систем, которые позволяют лучше оценивать риски, связанные с предстраховой проверкой. Убытки снизили. А дальше — и другие индустрии развиваются, и самим хочется повышать сборы. Так встал вопрос, как работать с клиентами. Появилась потребность внедрить технологии, которые позволяют монетизировать накопленную и поступающую информацию и выстраивать правильные коммуникации с многомиллионной клиентской базой, каждому конкретному клиенту делать персональные, правильно подобранные предложения в наиболее подходящее время.

В этом смысле технологии машинного обучения стали хорошим подспорьем. Они позволяют каждый день выявлять, что изменилось, к чему стал склонен человек за последние сутки: к страхованию квартиры от залива соседями, к КАСКО или к страховке для выезжающих за рубеж. Дальше компания по горячим следам может с ним прокоммуницировать через телефон, почту, смс, мобильное приложение, чтобы он купил продукт.

Приведу пример. Для покупки полиса на сайте нужно заполнить большую анкету, ее поля потом станут полями в договоре страхования. Но существенная часть пользователей просто не доходит до конца. Люди устают вбивать свои данные, начинают отвлекаться, переходят на соседние вкладки в браузере, уходят пить чай. Поэтому важно отслеживать активность конкретного посетителя сайта и, заметив признаки того, что человек уходит, провести с ним проактивную коммуникацию. Мы пилотировали такие кейсы с помощью своей системы SAS Customer Intelligence 360. Система в реальном времени определяет, что человек начал отвлекаться и ему нужен стимул, и направляет ему уведомление: только сегодня и только сейчас скидка 5%. Как показывают первые проекты, число купивших продукт заметно увеличивается. Аналогично система работает и с мобильным приложением. Модуль в нужный момент запускает триггер коммуникации с клиентом и направляет ему стимулирующее предложение.

CNews: Как эти решения помогают структурировать данные?

Степан Ванин: Если говорить именно про наш подход, то мы считаем, что решение должно поддерживать весь процесс работы с данными и включать в себя модули для каждого из этапов. Так, аналитическая платформа SAS включает в себя инструменты для подготовки данных из разного рода систем к анализу, их очистки и стандартизации. Второй блок — это модули для исследования данных, построения моделей машинного обучения, выявления статистически значимых аномалий в поведении агентов. Следующий блок — это модули для автоматизации принятия решений на основе данных, которые мы уже очистили, и с помощью моделей, которые мы построили. Четвертый блок - это модули для ручных проверок. Последний блок для формирования управленческой отчетности позволяет понять, кто лучше и быстрее урегулировал убытки, выявить и распространить по компании лучшие практики. В зависимости от задач мы формируем решение из таких модулей. Каждый блок обладает собственным визуальным интерфейсом настройки и работы. Любой бизнес-пользователь может настроить каждый из этих модулей без участия ИТ-специалистов. Модули администрируются из центральной панели управления, где можно настроить производительность, права доступа к ним, права доступа модулей к источникам данных.

CNews: Предоставляете ли вы какой-нибудь дополнительный сервис после продажи модуля?

Степан Ванин: Наши сотрудники используют глобальную практику, участвуют в проектах, аккумулируют экспертизу и в рамках внедрения нашего ПО передают этот опыт. От нас страховые компании получают не только технологию, но и методологию применения, знание, как настраивать решение, как создавать модели машинного обучения в наших модулях, как правильно чистить данные, как настраивать стратегии принятия решений. После того, как мы сдаем проект, наши заказчики могут своими силами обслуживать систему. Также мы предлагаем проектное обучение, строим экосистему и учим клиентов работать в ней, показываем не как настраивать граф, а как им пользоваться. Мы предоставляем бизнес-консалтинг, помогаем внедрить решение в бизнес-процессы, можем рекомендовать заказчикам систему KPI для людей, которые будут работать в созданной среде. Ведь у людей часто возникает рефлекторное отторжение нового в силу психологии, люди начинают саботировать использование машин, с этим нужно бороться. И важно показать, что системы не заменяют людей, а помогают принять решение, подсказывают им, финальное решение все равно принимает человек. Чтобы компания начала чувствовать экономический эффект от автоматики, нужно чтобы люди стали ее использовать. Мы готовы подсказать, как научить людей работать вместе с машиной.

CNews: Идет ли страхование по пути использования чат-ботов?

Степан Ванин: Мы видим, что пока чат-боты в страховании имеют ограниченное применение. Причина — в больших финансовых рисках, которые ждут страховщика при ошибке машины. Страховые компании имеют мало точек коммуникации с клиентами: утрированно при хорошем раскладе, клиент общается с компанией раз в год при заключении договора. Если клиенту не повезло и он, например, попал в аварию, то у него есть негативный повод для общения со страховой. Когда человек общается с вами насчет покупки нового полиса, пролонгации или о том, как же скорее отремонтировать свою дорогую машину, естественно у страховщика нет права на ошибку. При заключении договора он должен правильными словами продать полис, а при урегулировании убытков отправить человека в нужный сервис, чтобы клиент не расстроился и не ушел к конкурентам или не подал на вас в суд. Для решения таких задач чат-боты в страховании сейчас не применяются, слишком высока цена ошибки и слишком высока ее вероятность. Есть пилоты, где чат-боты используют в процессах общения людей внутри одной компании. Например, служба техподдержки внутри страховой компании, там чат-боты могут маршрутизировать обращение к нужному специалисту. Но чат-боты это явно не мейнстрим для страхования.

CNews: Какие варианты построения инфраструктуры предпочитают страховщики? Насколько серьезную роль играют облачные технологии?

Степан Ванин: Страховые компании достаточно консервативны, выбирая место размещения решения, чаще отдают предпочтение on-premise. Существует внутренний страх, что если они за пределы своего ИТ-контура выгружают информацию, которая что-то говорит об их убытках или эффективности продаж, то она может попасть к конкурентам. И такой страх всегда будет учитываться при принятии решения, несмотря на множество логических доводов в пользу облаков. Но со временем ситуация, я думаю, изменится.