주요 컨텐츠로 이동

Translated by HaUn Kim - Original Blog Post

2020년 1분기는 모든 사람의 삶이 크게 변화한 시기였습니다. 코로나19 팬데믹으로 인해 많은 사람들의 라이프스타일이 크게 바뀌었을 뿐만 아니라, 기술, 의료, 여행 및 숙박업, 금융 서비스 등 주요 산업에도 큰 영향을 미쳤습니다. 이러한 변화는 보험 업계에서도 빠르게 반영되었는데, 기존의 트렌드를 가속화하면서 동시에 새로운 트렌드가 도입되었습니다. 이 블로그에서는 보험 업계에서 새롭게 떠오르는 데이터 및 분석 트렌드와 레이크하우스 패러다임이 조직이 이러한 변화에 적응하는 데 어떻게 도움이 되는지에 대해 이야기하고자 합니다. 또한, 사용 사례의 비즈니스 가치와 총소유비용(TCO) 절감을 통해 얻을 수 있는 정량화된 가치에 초점을 맞출 것입니다.

자동차 보험

팬데믹 기간 동안 정부의 강제 봉쇄령이 시행되면서 운전자들의 운전 횟수가 훨씬 줄어들었고, 재택근무가 확산되면서 사람들이 대도시를 벗어나 외곽으로 이동하게 되면서 운전자들의 지리적 분포도 바뀌었습니다.

소비자 행동 변화와 더불어 자동차 보험 업계는 마일리지 기반 가격 책정 패턴과 레거시 시스템 현대화의 길로 서서히 나아가고 있었는데, 팬데믹으로 인해 그 속도가 더욱 빨라졌습니다.

새롭게 떠오르는 사용 사례/패턴은 다음과 같습니다:

  • 긴급 서비스 호출, 운전자 속도와 경로를 기반으로 한 결함 판단. Apple의 최신 충돌 감지 기능은 스마트폰을 통해 캡처한 속도와 GPS 좌표를 새로운 방식으로 활용할 수 있다는 것을 보여주는 좋은 예입니다.
  • 이상값 감지를 기반으로 한 비정상적인 운전(날씨/교통 상황 고려). 예를 들어, 정상적인 기상 조건의 고속도로에서는 시속 55마일의 속도가 정상으로 간주될 수 있지만 눈보라가 치는 상황에서는 그렇지 않을 수 있습니다. 교통량이 많은 도로에서도 비슷한 비유가 적용될 수 있는데, 주변 교통량과 방향 및 속도를 비교하여 비정상적인 운전을 감지할 수 있습니다.
  • 일상적인 운전 패턴을 고려하여 고객을 위한 맞춤형 언더라이팅을 결정합니다. 텔레매틱스(스마트폰 또는 플러그형 장치)를 통해 운전자의 운전 패턴을 파악하는 기술은 오래 전부터 사용되어 왔지만, 최근의 고물가 환경으로 인한 공급망 문제가 이러한 추세에 큰 영향을 미쳤습니다. 이러한 문제로 인해 신차 및 중고차 모두 자동차 가격이 급등했습니다. 이는 지난 10개월 동안 만연한 인플레이션과 함께 충돌 사고로 인한 자동차 수리비도 훨씬 더 비싸졌다는 것을 의미합니다. 그 결과, 자동차 보험사들은 충돌 사고가 발생할 가능성이 가장 높은 운전자를 선별하고 그렇지 않은 운전자에게 혜택을 제공하는 데 어려움을 겪고 있습니다.

그렇다면 이는 데이터와 분석의 관점에서 무엇을 의미할까요? 자동차 보험사는 새로운 데이터 소스(예: 날씨 및 교통량)를 통합하고, 실시간 처리가 가능한 솔루션(응급 서비스 알림)을 구축하고, 정교한 ML 기반 리스크, 언더라이팅 및 보험금 청구 모델을 구현하여 운전자의 운전 패턴을 더 잘 이해할 수 있어야 합니다. 

자동차 보험사는 레이크하우스 패러다임을 통해 다음과 같은 과제를 해결할 수 있습니다:

  • 데이터 중복을 제거하고 레이크하우스가 신뢰할 수 있는 단일 데이터 소스임을 보장합니다.
  • 새로운 데이터 소스의 원활한 통합을 지원합니다.
  • 배치 및 실시간 스트리밍 기반 파이프라인을 모두 지원합니다.
  • 복잡한 ML 모델을 데이터 레이크에서 직접 실행할 수 있도록 지원합니다. 

더 정확한 가격 책정, 더 나은 위험 선택, 그리고 손실 관리 및 예방으로 인해 손해율(총 징수 보험료 대비 발생한 총 손실)이 낮아집니다. 또한 보험사는 스트리밍 데이터를 보다 효율적으로 수집하고 외부 데이터 소스를 통합할 수 있어 총소유비용(TCO)을 절감할 수 있습니다.

 

상업 보험

상업 보험은 다양한 종류의 보험으로 구성됩니다. 재산 보험, 일반 책임 보험, 사이버 보험, 사업 소득 보험 등이 상업용 보험에 포함됩니다. 상업용 보험회사는 고객의 보험 가격을 결정하기 위해 다양한 보험 계리 모델을 사용합니다. 이러한 모델은 업계, 위치 (부동산의 경우), 날씨 및 환경 조건 (예: 플로리다의 보험료가 허리케인으로 인해 높은 경우) 등 다양한 요소를 고려합니다.

보험 계리 모델은 대부분 오랜 기간 동안 사용된 규칙적인 모델입니다. 코로나19 팬데믹 이전에도 보험 업계는 이러한 모델을 자동화하고 언더라이팅, 클레임 예측 등에 머신러닝 (ML)을 더 많이 활용하려는 추세였습니다. 그러나 팬데믹으로 인해 이러한 추세가 더욱 가속화되어 수작업으로 보험 계리 모델링을 하는 것이 불필요한 정도까지 이르게 되었습니다.

최근 몇 년 동안 나타난 또 다른 주요 트렌드는 민감한 물건이나 귀중품에 대한 IoT 기반 알림입니다. 예를 들어,

  • 특정 온도로 유지해야 하는 백신이나 의약품을 저장하거나 운송하는 경우, IoT 센서를 사용하여 온도를 실시간으로 모니터링하고, 온도가 허용 임계값을 벗어날 경우 관련 팀에 경고를 보낼 수 있습니다. 몇 분 안에 문제를 해결한다면 백신이나 의약품을 적절한 상태로 유지할 수 있습니다.
  • 와인이나 보석과 같은 고가의 물품도 특정 온도와 습도 범위 내에서 보관되어야 합니다. 이러한 품목의 손상을 방지하기 위해 위에서 언급한 IoT 센서를 사용할 수 있습니다.
  • 또한, 카메라와 모션 센서를 사용하여 손상이나 분실에 대한 책임을 결정하고, 적절한 사람이나 팀에게 경고하여 도난이나 분실을 예방할 수도 있습니다.

그렇다면 레이크하우스 패러다임은 어떻게 적용될까요? 레이크하우스 패러다임을 도입하면 보험사는 다음과 같은 이점을 얻을 수 있습니다:

  • 대부분 정적인 보험 계리 모델을 자동화할 수 있습니다.
  • IoT 센서, 카메라의 오디오 및 비디오 피드, 모션 센서 등 실시간 데이터 소스를 빠르게 통합하고 자동화된 데이터 수집 및 처리를 수행할 수 있습니다.

클라우드 컴퓨팅을 활용하여 IoT 데이터 처리를 쉽게 확장할 수 있으며, 이를 통해 대규모 인프라의 이점을 활용하여 총 징수 보험료 대비 발생한 손실 및 비용을 낮출 수 있습니다. 또한 이러한 전략은 보석, 그림 및 기타 고가의 재산에 대한 손상이나 분실에 대한 책임을 결정하는 개인이나 주택 소유자 보험에도 적용될 수 있습니다.

생명 보험

생명 보험은 의료와 밀접하게 연관되어 있어 코로나19 팬데믹의 영향을 가장 크게 받은 보험 업계 중 하나였습니다.

전 세계에서 의무적으로 시행된 봉쇄 조치와 이후 시행된 사회적 거리두기로 인해 대면 접촉이 크게 감소했습니다. 이러한 상황에서 보험 설계사와 대면으로 보험을 구매하는 대신 온라인으로 보험 견적을 받고 구매하는 추세가 가속화되었습니다.

이러한 변화로 인해 보험 업계는 보험 계약자의 건강 상태, 라이프스타일, 식습관 등을 상세히 파악하여 맞춤화된 언더라이팅과 가격 책정을 추구하고 있습니다. 팬데믹은 면역 질환이 있거나 건강에 좋지 않은 생활습관을 가진 사람들이 심각한 건강 문제에 취약하다는 사실을 강조했습니다.

이에 따라 생명보험 업계에서는 고객의 라이프스타일에 대한 상세한 데이터 수집과 맞춤형 언더라이팅이 더욱 가속화되고 있습니다. 이제 레이크하우스 패러다임이 생명보험 업계의 변화에 어떻게 부합하는지 살펴보겠습니다. 위에서 설명한 사용 사례가 보험사의 데이터 및 분석 환경에 미치는 영향과 레이크하우스의 연계를 알아보겠습니다.

  • 생명보험의 온라인 판매가 증가함에 따라 소비자의 온라인 프로필과 활동이 보험사에게 더욱 중요해졌습니다. 클릭스트림 데이터, 지출 습관, 자주 방문하는 웹사이트 등 소비자의 다양한 데이터를 원활하게 통합하고 수집하는 것은 복잡성과 인사이트 도출 시간을 줄일 수 있습니다. 레이크하우스는 다양한 비정형 실시간 데이터 소스를 효과적으로 통합하고 수집할 수 있어 이러한 요구를 충족시킬 수 있습니다.
  • 소비자 건강 데이터의 주요 소스 중 하나는 스마트워치와 피트니스 트래커와 같은 웨어러블 기기입니다. 이러한 기기에서 생성되는 데이터를 레이크하우스 아키텍처를 통해 실시간으로 수집하고 통합할 수 있습니다.
  • 또한 레이크하우스를 사용하여 복잡한 머신러닝 모델을 적용하여 고객의 라이프스타일 프로필을 구축하고 변화를 감지할 수 있습니다. 이는 고객 360 솔루션과 고객의 라이프스타일에 대한 깊은 이해를 제공하여 소비자에게 더 나은 맞춤형 경험을 제공할 수 있게 합니다.

이를 통해 보험사는 목표 위험 프로필에 해당하는 고객 세그먼트에 대한 시장 점유율을 확보하고 맞춤형 라이더 추천 및 기타 정책 기능을 제공하여 수익성과 성장의 균형을 맞출 수 있습니다. 레이크하우스는 생명보험 업계에서 이러한 새로운 트렌드에 적극적으로 대응할 수 있는 도구로 활용될 수 있습니다.

 

재보험

재보험은 보험사를 위한 보험으로, 손해보험이라고도 합니다. 재보험사는 주요한 업무 중 하나로 고객(보험사)으로부터 받은 보험 증권 및 기타 문서를 대규모로 수집하여 데이터 환경에 통합해야 합니다. 즉, 전통적인 형태의 데이터뿐만 아니라 이러한 문서를 수집, 변환, 분석하기 위해 광학 문자 인식(OCR), 자연어 처리(NLP), 머신 러닝(ML) 모델과 같은 기술이 필요합니다.

레이크하우스 아키텍처는 다양한 소스에서 데이터를 단일 플랫폼으로 수집할 수 있어 워크플로우를 실행하기 전에 중복 복사본을 만들거나 데이터를 별도의 저장소로 이동시킬 필요가 없습니다. 이를 통해 데이터 엔지니어링, 데이터 사이언스 및 비즈니스 인텔리전스 워크플로우를 효율적으로 실행할 수 있습니다.

레이크하우스 아키텍처에 대한 자세한 내용은 데이터브릭스 창립자들이 작성한 이 블로그를 참조하실 수 있습니다. 또한 여기에서 Databricks 솔루션 가속기('업종'>금융 서비스로 필터링)를 사용하여 검색, 설계, 개발 및 테스트 시간을 절약하여 더욱 빠르게 시작할 수 있습니다.

Databricks 무료로 시작하기

관련 포스트

모든 산업 포스트 보기