چرا شرکت‌های بیمه باید به فکر استفاده از همزادهای دیجیتال باشند؟ / افسون دوقلوهای دیجیتالی
حسین رحمانی / صنعت بیمه از همان ابتدا، با تکیه بر داده شکل گرفت و توسعه پیدا کرد، اما اکنون صنایع دیگر نشان داده‌اند که در شیوه استفاده از داده‌ها باید تغییری اساسی رخ دهد؛ تغییری که برای بیمه‌کنندگان آمریکایی و مشتریان‌شان، پیامدهای گسترده‌ای خواهد داشت. در گذشته، بیمهگران برای تصمیم‌گیری‌های تجاری خود، از داده‌های تاریخی استفاده می‌کردند، اما اکنون این شرکت‌ها برای درک رفتار و خواسته‌های مشتریان و نیز عملکرد کسب‌وکار خودشان، فرصت‌های جدیدی در اختیار دارند. رایانش ابری، افزایش مجموعه داده‌ها و امکان استفاده از داده در کسب‌وکار و امکان تجزیه‌وتحلیل لحظه‌ای داده‌ها از جمله مواردی‌اند که چنین فرصت‌هایی را ایجاد کرده‌اند. به هر ترتیب، می‌دانیم که داده‌ها برای آینده صنعت بیمه اهمیت اساسی دارند و یکی از روندهای مهم در این حوزه، ایجاد همزادهای دیجیتال و حرکت به سوی «جهان آینه‌ای» است.
همزاد دیجیتال چیست؟
همزادها یا دوقلوهای دیجیتال شبیه‌سازی مجازیِ سامانه‌های فیزیکی‌اند. همزادهای دیجیتال که ابزاری برای نمایاندن و معنابخشیدن به دارایی‌های فیزیکی و مجازی‌اند، بین عملیات فیزیکی و قابلیت‌های دیجیتال پل می‌زنند و اشتراک‌گذاری اطلاعات با شرکای اکوسیستم را امکان‌پذیر می‌کنند. در آغاز، همزادهای دیجیتال از نظر اندازه و پیچیدگی محدودیت داشتند، اما اکنون با پیشرفت و توسعه فناوری‌های هوش مصنوعی و اتوماسیون، این مدل‌ها به‌سرعت بزرگ‌تر می‌شوند و می‌توانند پیچیدگی بیشتر و عمیق‌تری داشته باشند. نیاز این مدل‌ها به تحلیل‌های سطح بالا و پیچیده نیز روزبه‌روز بیشتر می‌شود.
صنایع دیگر چگونه از همزاد دیجیتال استفاده می‌کنند؟
صنایع خارج از قلمرو صنعت بیمه، همزادهای دیجیتال را به یکدیگر متصل می‌کنند تا مدل‌هایی زنده از کارخانه‌ها و محصولات و چرخه‌ها و زنجیره‌های تأمین و شهرها و بندرگاه‌ها به دست بیاورند. شرکت‌ها با استفاده از همزادهای دیجیتال می‌توانند درک بهتری از زنجیره تأمین داشته باشند، ایمنی نیروی کار را زیر نظر بگیرند، هزینه‌های تعمیر و نگهداری را تخمین بزنند و در محیطی بدون ریسک، دست به نوآوری و آزمون‌وخطا بزنند. برای نمونه می‌توان به همکاری «یونیلیور» و مایکروسافت اشاره کرد. یونیلیور شرکتی انگلیسی-هلندی است که تعداد زیادی از نام‌های تجاری بین‌المللی در حوزه تولید مواد غذایی، نوشیدنی، مواد شوینده و لوازم آرایشی و بهداشتی را در مالکیت خود دارد. این شرکت با همکاری مایکروسافت مشغول طراحی همزادی دیجیتال برای کارخانه‌های خود است تا بتواند تغییرات عملیاتی احتمالی را آزمایش کند و کارایی و انعطاف‌پذیری تولیدش را بهبود ببخشد. هوش مصنوعی به شرکت‌ها کمک می‌کند تا بر مبنای داده عمل کنند. علم داده شرکت‌ها را قادر می‌سازد که اطلاعات را به‌صورت زنده تجزیه‌وتحلیل کنند و واکنش‌هایی پویا داشته باشند، درباره موقعیت‌های احتمالی آینده تأمل کنند و محصولات و خدمات جدیدشان را مدت‌ها قبل از اینکه در واقعیت تولید کنند و به بازار ارائه بدهند، آنها را در محیطی مجازی طراحی و آزمایش کنند.
در نظرسنجی اکسنچر از مدیران شرکت‌های صنایع مختلف، ۶۵ درصد گفته‌اند که انتظار دارند طی سه سال آینده، سرمایه‌گذاری شرکت‌شان در همزادهای دیجیتال هوشمند افزایش یابد؛ انتظاری که جای شگفتی ندارد، زیرا همزادهای دیجیتال می‌توانند در عملکرد کسب‌وکارها تغییری مهم ایجاد کنند و شیوه همکاری آنها با یکدیگر و روال نوآوری را تغییر بدهند. بیمه‌کنندگانی هم که از مزیت‌های بی‌شمار همزادهای دیجیتال استفاده نکنند، برای حضور در بازارها و اکوسیستم‌های آینده مشکلات فراوانی خواهند داشت.
در ادامه این مطلب، بررسی خواهیم کرد که چرا شرکت‌های بیمه دیرتر از صنایع دیگر سراغ همزادهای دیجیتال رفته‌اند و اینکه چگونه می‌توان در صنعت بیمه از همزادهای دیجیتال بهره گرفت. همچنین چهار حوزه را مرور می‌کنیم که همزادهای دیجیتال می‌توانند به توسعه آنها کمک کنند.
تامل شرکت‌های بیمه در استفاده از همزاد دیجیتال
همان‌طور که اشاره کردیم، شرکت‌های بیمه دیرتر از صنایع دیگر به استفاده از همزادهای دیجیتال روی آورده‌اند. تحقیقات اکسنچر نشان می‌دهد که فقط ۲۵ درصد از مدیران شرکت‌های بیمه فناوری‌های جهان آینه‌ای و همزاد دیجیتال را آزموده‌اند؛ هرچند ۸۷ درصد آنان موافق‌اند که استفاده از این فناوری‌ها برای موفقیت طولانی‌مدت ضرورت دارد. پس چرا تعداد کمی از بیمه‌کنندگان این گام را برداشته‌اند و برای بهره‌گیری از همزادهای دیجیتال اقدام کرده‌اند؟
استفاده از داده‌هایی که از همزادهای دیجیتال به دست می‌آید، مانند داده‌هایی که میزان ریسک را در لحظه مشخص می‌کند، به معنای آن است که شیوه قیمت‌گذاریِ محصول‌ها و پیشنهادها باید تغییر کند؛ تغییری که در مقابل روال عادی کار شرکت‌های بیمه قرار می‌گیرد. اکنون بیش از 200 سال است که بیمه‌کنندگان پس از جمع‌آوری داده‌های لازم، ریسک را تخمین می‌زنند و بر مبنای آن، محصول بیمه‌ای طراحی می‌کنند و در اختیار جمعی وسیع می‌گذارند. درست است که در سال‌های اخیر، در بخش بیمه خودرو شخصی شاهد رشد محصولاتی بوده‌ایم که متناسب با میزان کارکرد خودرو بوده‌اند و بعضی شرکت‌ها هم توانسته‌اند این محصول را در مقیاس وسیع به فروش برسانند، ولی به نظر می‌رسد این موفقیت نوعی استثنا بوده و معلوم نیست داده‌های تلماتیکی که در این مدت جمع‌آوری شده تا چه اندازه بر الگوریتم‌های قیمت‌گذاری تأثیر گذاشته است.
نکته دیگر اینکه پلتفرم‌ها و الگوهای داده اغلب چنان ناهمگون‌اند که به فراست معناداری منتهی نمی‌شوند. برای رسیدن به نتیجه‌های اساسی، به حجم مشخصی از داده‌های همگن نیاز داریم. برای نمونه، در بخش بیمه خودرو شخصی، اگر بتوانیم اطلاعات تله‌متری یک خودرو تویوتا را از جعبه‌سیاه آن بیرون بکشیم، احتمالاً می‌توانیم از این داده استفاده‌ای مناسب ببریم؛ زیرا خودروهای تویوتای زیادی در جاده‌ها و خیابان‌ها رفت‌وآمد می‌کنند و از طریق حجم داده‌ای که جمع‌آوری می‌شود، می‌توان به نتیجه‌های نسبتاً دقیقی رسید. علاوه بر این، در حوزه خودروهای شخصی، حجم داده و ویژگی‌های رفتاری متناسب با ریسک آن کاملاً همگن است. در نتیجه، شرکت‌های بیمه می‌توانند با خیال راحت دست به کار طراحی محصول شوند و قیمت‌گذاری کنند.
اما وقتی صحبت از خانه‌های هوشمند باشد، اصلاح و بهینه‌سازی محصولات بیمه‌ای ممکن است دشوارتر باشد. داده‌هایی که از طریق گوگل‌مپ، دستگاه‌های هوشمند آمازون، سامانه‌های امنیتی «ای‌دی‌پی» یا سامانه‌های مدیریت ساختمان‌های تجاری حاصل می‌شود، بسیار ناهمگن است و بسته به اینکه از کدام‌یک از این مجموعه داده‌ها بخواهیم استفاده کنیم، شیوه و کیفیت سنجشگری تغییر خواهد کرد. در مورد سایر حوزه‌های فعالیت شرکت‌های بیمه نیز وضعیت به همین منوال است. مجموعه داده‌هایی که از نهادهای عمومی، مؤسسات حمل‌ونقل و کارخانه‌ها و کارگاه‌ها به دست می‌آیند، شباهت زیادی با یکدیگر ندارند.
با تمام این تفاسیر، همزادهای دیجیتال فرصت‌های ارزشمندی در اختیارمان می‌گذارند. درست است که استفاده از علوم داده در حوزه بیمه با مشکلات زیادی مواجه است، اما مزیت‌های بسیار ملموس همزادهای دیجیتال احتمالاً ارزش تلاش شرکت‌های بیمه را خواهد داشت. اگر بتوانیم داده‌های بیشتری را از طیف وسیعی از منابع جمع‌آوری کنیم، با تجزیه‌وتحلیل این داده‌ها و بهره‌گیری از فناوری هوش مصنوعی، فرصت‌های بسیار زیادی برای کاهش هزینه، افزایش درآمد و ارائه خدمات بهتر به مشتریان به دست خواهیم آورد.
حوزه‌های کاربرد همزاد دیجیتال در بیمه
در این بخش می‌خواهیم ببینیم که همزادهای دیجیتال برای کسب‌وکار بیمه، چه ارزشی می‌توانند خلق کنند. به همین دلیل، چهار حوزه مهم را مرور کرده‌ایم که انتظار می‌رود همزادهای دیجیتال بتوانند به بهبود قابل توجه‌شان کمک کنند.
- بهینه‌سازی توزیع
شرکت‌های بیمه، به‌ویژه بیمه‌کنندگان دارایی‌های شخصی، در زمینه استفاده از داده برای بهبود توزیع، گام‌های بلندی برداشته‌اند. تعدادی از شرکت‌های بیمه نسخه‌ای دیجیتال از فهرست مشتریان‌شان تهیه کرده‌اند و می‌خواهند با استفاده از فعالیت‌های آنلاین، عادت‌های جست‌وجو و مکان‌های خرید مشتریان، همزادی دیجیتال برای مجموعه مشتریان‌شان بسازند. ضمن اینکه درک عمیق‌تر از تجربه مشتری به شرکت‌های بیمه کمک می‌کند تا فروش بهتر و کارآمدتری داشته باشند، در این راستا بیمه‌کنندگان پیشتاز درصددند گام دیگری به جلو بردارند. این دسته از شرکت‌ها در تلاش‌اند تجربه خرید با یک کلیک را برای مشتریان فراهم آورند و اکوسیستمی چندکاناله در اختیار آنان بگذارند.
علاوه بر اینها، فرصت‌های دیگری نیز برای بیمه‌کنندگان وجود دارد تا بتوانند خدمات‌رسانی به مشتریان کنونی را بهبود ببخشند و فروش مکمل خود را تقویت کنند. هرچه اطلاعات کارگزار بیمه درباره مشتری بیشتر باشد، مشاوره‌ها و خدمات هدفمندتری می‌تواند در اختیارش بگذارد. برای نمونه، تصور کنید به همزادهای دیجیتالی دسترسی دارید که رفتار مشتریان، دارایی‌های بیمه‌شده آنها و رویدادهایی را که ممکن است بر تصمیم‌گیری یا دارایی‌هایشان اثر بگذارد، مدل‌سازی می‌کنند. در این صورت می‌توانید این رشته‌ها را کنار هم بگذارید و به چشم‌انداز جامع‌تری برسید و تجربه‌ای فوق‌العاده در اختیار مشتریان‌تان بگذارید.
- صدور بیمه‌نامه
هنگام صدور بیمه‌نامه، دسترسی به داده‌های لحظه‌ای می‌تواند درک دقیق‌تری از ریسک در اختیار بیمه‌کننده بگذارد و دقت قیمت‌گذاری را بالاتر ببرد. پیشتازان صنعت بیمه در تلاش‌اند محصولاتی برای پیشگیری لحظه‌ای ریسک و بیمه‌هایی متناسب با ماهیت ریسک به مشتریان ارائه دهند؛ با این هدف که بتوانند حمایت همه‌جانبه‌ای از مشتریان داشته باشند، نه اینکه فقط بخواهند بعد از رخدادهای ناخوشایند، خسارت پرداخت کنند.
برای ارائه‌دهندگان بیمه‌نامه‌های تجاری، تهیه داده‌های همگن‌تر از مشتریان‌شان می‌تواند چالش‌برانگیز باشد، اما مزایای این کار می‌تواند انجام آن را توجیه کند. پیش از این دیده‌ایم که شرکت‌های بیمه در بخش جبران خسارت کارگران، توانسته‌اند با ادغام فهرست حقوق‌بگیران در سامانه‌های برنامه‌ریزی منابع سازمانی، به درک بهتری از تغییرات نیروی کار و حق بیمه‌های مرتبط با آن برسند و نیاز به حسابرسی بیمه را کمتر کنند. بیمه‌های تجاری می‌توانند چنین روشی را در مورد بیمه اموال و مسئولیت و نیز در بخش انرژی و ساخت‌وساز و غیره به کار بگیرند.
- عملیات
در داخل شرکت‌های بیمه، می‌شود از طریق نصب دستگاه‌های متصل به شبکه، فرصت‌هایی واقعی برای افزایش کارایی و تقویت تصمیم‌گیری ایجاد کرد. بخش «عملیات اکسنچر» که تمامی برنامه‌ریزی‌ها و طرح‌های تدوین‌شده در بخش‌های دیگر را در عملیات سازمان‌ها اجرا می‌کند، این نکته را در عملکردهای مالی، منابع انسانی و تدارکات شرکت‌ها و سازمان‌ها ثابت کرده است. اکنون زمان آن رسیده که به بخش‌های دیگر عملیات بیمه، از جمله پشتیبانی از توزیع، صدور بیمه‌نامه، رسیدگی به مطالبات و عملیات سازمانی پشت صحنه نیز توجه شود.
ایجاد همزاد دیجیتال برای عملیات بیمه می‌تواند خیلی زود فرصت‌های اتوماسیون و هوشمندسازی را پدید بیاورد. تجزیه‌وتحلیل جزئیات و مراحل فرایندها می‌تواند به اتوماسیون این مراحل بینجامد و تلاش برای یافتن کاربردهای خلاقانه از داده‌ها نیز فرصت‌های هوشمندسازی را ایجاد می‌کند.
برای نمونه، دبیرخانه دیجیتالی را در نظر بگیرید که اسناد کاغذی را اسکن می‌کند و نسخه‌ای دیجیتال از آنها را به بایگانی می‌سپارد. اکنون تصور کنید این دبیرخانه بتواند نوع اسناد را مشخص کند و تشخیص بدهد فرایند مربوطه در چه مرحله‌ای است و سپس، سندها را رده‌بندی کند و کار مربوط به هر کدام را به‌صورت خودکار پیش ببرد.
- رسیدگی به مطالبات
رسیدگی سریع‌تر و کارآمدتر مطالبات یکی دیگر از حوزه‌هایی است که همزادهای دیجیتال می‌توانند به آن کمک کنند. در حال حاضر، تعدادی از بیمهگران پیشرو در پی بهینه‌سازی لحظه‌ایِ پوشش‌های بیمه‌ای، بازسازی یکپارچه زیرساخت‌ها و استفاده از هوش مصنوعی برای بهبود تجربه کارکنان و مشتریان هستند.
برای نمونه، شرکت بیمه‌ای را تصور کنید که بیمه خودرو سفارشی می‌فروشد و یکی از مشتریانش دچار حادثه شده است. اگر این شرکت به داده‌های تله‌متری، الگوهای آب‌وهوایی، شرایط جسمی راننده و نحوه خدمات‌رسانی در منطقه دسترسی داشته باشد، با چه کیفیتی می‌تواند خدمات‌رسانی کند؟
* داده‌های تله‌متری می‌تواند مشخص کند که در لحظه تصادف، خودرو در چه شرایطی بوده است. چرخ‌ها چگونه حرکت می‌کرده‌اند، سرعت خودرو چقدر بوده و راننده با چه شدتی ترمز کرده است.
* الگوی آب‌وهوایی شرایط جوی را در لحظه تصادف مشخص می‌کند.
* اطلاعات مربوط به شرایط جسمی راننده نیز می‌تواند مشخص کند که آیا شب گذشته خوب خوابیده یا نه و آیا در لحظه تصادف چیزی حواسش را پرت کرده یا خیر.
* داده‌های مربوط به خدمات‌رسانی در منطقه می‌تواند مواردی از جمله اینکه چقدر طول می‌کشد تا خودرو تعمیر شود، زمان انتظار برای آماده‌شدن قطعات یدکی چقدر است و آیا شرکت بیمه در این منطقه به زنجیره تأمین شریکان خود دسترسی دارد یا نه را مشخص کند.
در واقع، هرچه در جزئیات عمیق‌تر شویم، فرصت‌ها و مزیت‌های بیشتری در استفاده از همزادهای دیجیتال در صنعت بیمه پیدا خواهیم کرد.
