保險科技:讓保險公司利用數據重新建立競爭優勢
保險科技:讓保險公司利用數據重新建立競爭優勢

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:

  1. 什麼樣的數位服務體驗,可以產生最有價值的數據?
  2. 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

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓