跳到内容

    Topdanmark的数据科学

    Topdanmark, 欧洲一家大型保险公司, 在其运营中注入数据科学是否能为消费者提供更好的服务, 更快的保险经验. 该公司的模型驱动工作流, 在Domino数据科学平台上构建和部署, 是否自动化65%的案例以批准新的保险和处理索赔. 客户现在可以在一到两秒内得知他们是否有保险,而不是四天, Topdanmark的专家可以将他们的努力集中在最需要他们的专业知识的地方. 更重要的是, 如果模型漂移在生产中发生, Domino平台可以立即通知Topdanmark数据科学家,以便他们采取主动行动,确保业务不受负面影响.

    挑战

    几年前, Topdanmark的高管们开始大幅改变他们对客户的反应速度——无论这一决定是需要接受为客户的房屋投保的风险还是处理索赔. 尽管该公司一直致力于快速做出政策决定和处理索赔, 传统的决策过程既耗时又费力. 工作人员必须手工阅读一页又一页关于建筑状况的报告,并做出有根据的猜测,判断该建筑是否存在评估人员看不到的隐藏损害. 因此,客户可能需要近一周的时间来了解他们的索赔是否包括在内.

    直营平台看到了利用机器学习实时自动化或增强决策的机会,斯蒂格·彼得森说, 该公司机器学习部门的负责人.

    解决方案

    最初, 数据科学团队认为,他们可以通过机器学习将公司30%到50%的新政策自动化. 该公司在丹麦的这一直营平台线的市场份额略低于50%. 该团队使用Domino数据科学平台来更快地开发和部署模型驱动的工作流,从而超越了目标. 该公司现在还在Domino中使用模型监视来了解模型是如何实时执行的, 一旦模型投入生产,就可以检测数据和模型漂移.

    这个模型比人类快800倍, 所以顾客可以在一到两秒钟内知道他们是否被覆盖了.

    有了Domino,数据科学家可以:

    • 使用自然语言和图像处理技术轻松测试新想法并分享他们的工作. 通过他们的合作, 该团队已经能够在短短12周内建立起最小可行的直营平台模型,可以动态预测一项声明是否有效或是否需要专家调查. 通过再培训和调整模型,在生产的第一年达到了最终的自动化水平. 这项工作已经使该公司实现了65%的案件的自动化,因此它可以有效地平衡对速度的需求与人类的专业知识和判断.
    • 使用api加速新模型的部署. 例如, 保存到公司数据湖的检查报告可以很容易地匿名化,并通过Domino上的机器学习框架通过API检索,该框架基于报告和潜在隐藏风险的模型预测来评估风险级别. 从那里, 该模型确定是否直接批准策略, 有一定条件的批准, 否认报道, or, 如果数据中出现了不寻常的模式, 派调查员进行人工调查.
    • 实时检测数据和模型漂移. Pedersen说:“数据漂移会对预测产生关键影响,最终影响直营平台的业务。. “Domino中的模型监视为直营平台节省了以前花在维护和调查上的大量时间, 并使直营平台能够实时监控模型的性能,并将其与直营平台的期望进行比较."

    多米诺效应

    通过在Domino上构建的模型驱动工作流, Topdanmark极大地改善了客户体验, 而降低成本. 这包括:

    • 将审批时间从4天缩短到1到2秒. “这个模型比人类快800倍, 所以顾客可以在一到两秒钟内知道他们是否被覆盖了,”他说. “即使是那些申请没有被批准的客户也很高兴,因为他们马上就收到了答复,而不用等好几天."
    • 65%的案例都是自动化的,创新速度更快. “当直营平台刚开始的时候, 数据科学家估计,直营平台可以达到30%到50%的自动化,”他说. “直营平台已经达到了65%. 就连直营平台的数据科学家都对直营平台能将自动化水平提升到如此之快和如此之远感到惊讶."
    • 快速发现模型漂移,以最小化次优预测的潜在业务影响. 在一个案例中, Domino能够自动检测以前需要三个月才能手动识别的漂移.

    现在看看Domino Enterprise MLOps平台能为您做些什么