Beschleunigung der Innovation im digitalen Versicherungssektor für Politikexperten mit AWS
.png)
Auswirkung
Mithilfe von künstlicher Intelligenz, maschinellem Lernen und der AWS-Cloud konnte Policy Expert mehr Einblicke in seine Kunden gewinnen und Entscheidungen über die Funktionen von Versicherungsangeboten sicherer treffen und so Innovationen vorantreiben, um seinen Wettbewerbsvorteil zu vergrößern.
Der Kunde
Policy Expert ist der Handelsname der QMetric Group Limited, einer 2010 gegründeten Versicherungsgesellschaft, die Spitzentechnologie und innovatives Underwriting kombiniert, um Produkte zu wettbewerbsfähigen Preisen anzubieten, die von Haus- und Kfz-Versicherungen bis hin zu Reiseversicherungen reichen.
Die Herausforderung
Policy Expert ist eine digitale und technische Hochburg und wollte sein Know-how in Bezug auf die Einrichtung einer Umgebung für maschinelles Lernen, Best Practices und modernste Modellierungstechniken erheblich erweitern. Diese Komponenten sind unerlässlich, um das Niveau der KI zu erreichen, das erforderlich ist, um kundenbezogene Erkenntnisse zu generieren und den Lebenszyklus eines digitalen Versicherungsangebots an mehreren Fronten radikal zu erneuern, einschließlich der Entscheidungsfindung in Echtzeit für die von ihnen angebotenen Versicherungspolicen.
Lösung
Durch die Nutzung von AWS-Komponenten wie AWS Glue für die (zeitnahe) Datenverarbeitung, AWS SageMaker für die Modellschulung und das Hosting sowie AWS Fargate für das Hosting unserer Anwendungen haben wir gemeinsam eine MLOps-Lösung für einen ersten Anwendungsfall entwickelt. Auf der Grundlage von Thompson Sampling haben wir das Gleichgewicht zwischen Erkundung und Nutzung optimiert, das der sequenziellen Echtzeit-Kurserstellung eigen ist.
Die Zusammenarbeit mit Policy Expert war lohnend. Durch die Kombination unserer ML- und AWS-Fähigkeiten mit dem technologischen Know-how und dem Geschäftsverständnis von Policy Expert waren wir in der Lage, in einem möglichst kurzen Zyklus in Produktion zu gehen und dabei die richtigen Entscheidungen zu treffen. - Florentijn Degroote (Senior Machine Learning Engineer bei ML6)
Unter
Resultate
Die ML6-Experten für maschinelles Lernen halfen dem internen Team, einen klaren Projektplan zu erstellen, um Annahmen zu validieren, datengestützte Erkenntnisse zu gewinnen und die Entscheidungsfindung voranzutreiben. Nach einer Beratungsphase war ML6 in der Lage, ein gutes Verständnis für die Herausforderung zu entwickeln und einen ersten technischen Vorschlag zu erstellen, in dem die wichtigsten Vorbehalte hervorgehoben wurden. Nach den Workshops half ML6 dabei, die Daten und das Projekt zu strukturieren, indem es die Konzepte in einfachen Worten und mit konkreten Beispielen erklärte und das Projekt in verschiedene Schritte zerlegte. Auf der Grundlage der Ratschläge von ML6 konnte Policy Expert praktisch mit MLOps und ML-basierten AWS-Komponenten arbeiten, wodurch der Innovationszyklus erheblich beschleunigt werden konnte.