保險科技：讓保險公司利用數據重新建立競爭優勢|數位時代 BusinessNext

哪個產業的決策是數據導向的？保險業絕對是其中之一；大多數保險公司擁有大量數據，但試圖將數據應用於營運時，卻面臨巨大的挑戰。保險業需要採取一些行動，才能解決這種困境。

推薦閱讀：保險科技浪潮來襲，從小孩「被退貨」看市場新商機

考量歷史數據的數量和價值，第一優先的任務，是將已儲存在資料庫中數十年與精算、保單、理賠和詐保相關的數據釋放出來，為未來進行承保、定價、作業處理、產品開發、偽冒防制等業務時，提供有利的参考資訊。在理想狀況下，這些歷史數據幾乎可以無限地利用時間和資源進行數據挖掘、搬移、儲存、資料挖掘、資料倉儲和分析，這種運用資料的方式將會很有效。

然而，任何保險公司都沒有無限的資源和時間，可投入在舊數據中尋找有價值的資訊，特別是眼前還有許多其他緊急的問題或商機要處理；此外，當市場上新保單銷售數字的持續下降，以及所有事物都朝向「亞馬遜化（Amazonification）」（即滿足客戶對即時、簡易的線上購物體驗的期望）加速發展時，企業對客戶的深入了解，以及有效運用數據來優化獲取客戶（customer acquisition）、提供個人化體驗、簡化購買流程的時代與壓力已經到來，而且無處不在。

面對如此艱困的環境，解決之道是什麼？這裡提供3種因應策略：

策略1：不要眷戀歷史資料，重新蒐集數位數據

根據摩根史坦利（Morgan Stanley）和波士頓企管顧問（BCG）共同發表的報告〈Reinventing Life Insurance Agency Distribution Globally〉指出：缺乏效率是保險業面臨的主要挑戰，特別是「老派作風的銷售流程」，既繁瑣且與要求數位體驗的客戶期望不符。 歷史或過時的數據不會隨處可見，但競爭優勢可以無處不在。基於這個論述，建議保險公司採取「數據轉傳（dataforward）」的思維，向前看而不往回看。

最好、簡單的方法是：重新開始。 透過乾淨的數據集和現代技術重新發展以數據驅動的策略，保險公司不僅可擺脫傳統數據的泥沼，且可充分利用人工智慧和機器學習等先進技術，以建立競爭優勢。此外，現代消費者多已透過線上與保險公司進行互動，因此可經由良好設計的數據蒐集方式，來深入了解客戶在搜尋什麼商品？真正的需求是什麼？這類的作法對吸引和轉換潛在客戶、設計和交付更好的產品與服務至關重要。

策略2：蒐集高質量數據，建構查詢和運用數據的能力

保險公司要能在2020年代取得成功的關鍵：「擁有高質量的數據（quality data）」以及「擁有查詢（query）和運用（use）數據的能力」。

而最快且有效的方法是提供數位化的服務體驗，同時使用現代技術從頭開始建構建全新、乾淨的數據集。但有兩個問題須先釐清：

什麼樣的數位服務體驗，可以產生最有價值的數據？
保險公司應該自行建構或向外採購所需的技術。

無論保險公司是何種商業模式，舉凡那些訪客瀏覽過公司的網站、訪客來自何處、以及訪客在搜尋或瀏覽什麼等行為相關的數據都是無價的。透過這些互動所產生的洞見（insights）將可為許多決策提供参考依據，最終都有機會使潛在客戶和保險顧問以更容易地與公司進行業務往來。

保險公司可以根據業務需求，也可以由其他類型的數據獲得更多有價值的數據。例如，與理賠和保單相關的數據便可應用在精算和審核，以便找出共通性及改善產品、定價和預防詐欺。精準的保單定價將會直接影響利潤，因此，將內、外部數據與預測分析工具結合使用，可使保險公司能夠快速地回應市場需求，同時能夠偵測出潛在的詐欺行為。根據BCG的分析，相較於能更了解客戶需求而驅動客戶購買商品的競爭對手，無法適應新的定價模式與破壞式的定價技術的保險公司將會喪失競爭優勢。

未來，根據即時數據（fresh data）收費的按需型保單（on-demand policy）應有機會爭取到目前尚未購買保險或保險保障範圍不足的消費族群，既能增加新的營收來源，也能降低獲客成本。

策略 3：與保險科技業者合作以快速建立競爭優勢

進行全面的「自行建構」與「向外購買」的分析，可以協助保險公司進行多面向的比較，包含成本與效益、開發以數據為中心的解決方案、或與供應商合作之間的成本等；但是有些項目是難以量化的，例如錯失的機會成本和用戶體驗也應併入考量，特別是市場上充滿著許多與現有保險者競逐相同市場的數位原生型的市場破壞者，這些考量尤其重要。

但許多保險公司是否能做出決策，只取決於一個問題：公司是否擁有或可以僱用的資料科學家、資訊專家、客戶體驗專家等專業人員，能在公司內部執行數據分析的任務？ 顯然，大部分的保險公司都缺乏這些人才。

目前較為可行的解決方案是與保險科技業者合作，要比公司獨立開發要快速、風險更低且更容易成功。此外，保險科技新創業者還可提供現代化的基礎架構、持續的創新、定期的軟硬體更新、取得先進的技術與人才等益處，這些資源可幫助保險公司持續聚焦於原本擅長的銷售保單和客戶服務等領域。

保險公司原來擁有的數據不會消失，且仍具有價值；短期來說，重新開始建構數位數據是正確的解決方案；舊有的平台可進行現代化改良，舊的數據可往後台搬移，當有新的數據產生時可一併投入使用。隨著時間演進，當保險公司擁有合併數據來源（包括第三方的數據源）以及根據多元數據集產生新洞見的能力時，未來將可創造更多的商機及優勢。

詳細內容，請參考：「Insurtech: An opportunity for insurers to start fresh with data」 / By Jean-Nicholas Hould / Digital Insurance / Feb 03, 2020

責任編輯：陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。