[보험사를 위한 AWS Data Analytics Day] 1_데이터 경영으로 보험 산업의 불확실성을 뛰어넘자_Taehoon Koo.pdf

보험사를 위한 AWS DATA ANALYTICS DAY
FINANCIAL SERVICES |
© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark.
데이터 경영으로 보험 산업의
불확실성을 뛰어넘자
ETP : CTO as a Service
2023. 6. 1
구 태 훈
Executive Technology Partner
robinkoo@amazon.com

목차
1. 데이터 경영의 어려움
2. 데이터 경영 사례
3. AWS 핵심 서비스
4. 향후 제언
2

1. 데이터 경영의 어려움
3

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 4
2023 불확실한 경영환경의 극복방안
ü Innovation
ü Data & AI
ü Agile

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 5
5
Data is the fuel that
powers AI & Digital
Transformation
포춘지 선정 1000대 기업에 속하는
일반적인 기업은 10% 더 많은 데이터에
액세스할 수 있게 되면 순이익이
6,500만 달러 증가할 것으로 예상
“ ”

데이터 성장 vs. 데이터 가치
6
데이터가 지난 2년 동안
생성되고 만들어짐
Statistic provided by
Worldwide IDC Global DataSphere Forecast, 2022–2026
90%
데이터에서 가치를 실현할 수
있다고 응답한 기업
Statistic provided by
Accenture study
32%

데이터 성장 vs. 데이터 가치
7
???
DATA VALUE

데이터 관리 및 활용의 어려움
8
“데이터를 찾고 공유하는데
너무 어려워요”
“우리 데이터 사이언스 팀은
원하는 데이터 셋을 쉽게
찾고 다른 팀과 공유해야
합니다”
“내가 필요한 데이터에 제
때 접근하고 싶어요”
“왜 우리 조직은 데이터를
제품으로 취급하지
않습니까?”
“저는 이 데이터 의미가
무엇인지 잘 몰라요”
“만약 제가 데이터를 공유
하면 제어가 안되요”
“어떤 데이터가 공유가
가능한지에 대한 내부
정책이 불분명하고 공유했을
때 인센티브가 없어요”
“데이터를 소비하는
사람들과 생산하는 사람들
간에 어떻게 공유할지에
대한 모델이 없어요”
“민감한 데이터 세트를
분류하고 보호하고 싶어요”
“데이터 접근에 대한 모든
기록을 감사할 수 있는 툴이
있었으면 좋겠어요”
“모든 민감한 데이터가
저장된 위치와 데이터에
접근한 사람에 대한
보고서가 필요합니다”
“데이터 레이크 관리에 힘을
쓰기보다는 데이터로 혁신을
이뤄내는데 집중하고
싶어요”
“다른 팀이 만든 데이터 셋,
메커니즘 등을 재사용하고
싶습니다”
“우리는 작은 팀이라서
새로운 플랫폼에 적응하는데
시간이 걸립니다”
“내가 사용하는 방식은 딱히
독창적인게 아닙니다. 다른
사람이 미리 해둔게 있으면
그걸 재사용하면 좋겠어요”
데이터 탐색 데이터 공유 규정준수 재활용

보험업 자체는 데이터 기반 금융 서비스
• 고객 경험: 고객 또는 대리인으로부터 보험 가능한 자산에 대한 정보를 수집
• 계약심사 및 가격산정: 등급 및 가격 책정은 사전 정의된 등급 모델과 비교함
• 정책 관리: 신규 및 갱신은 위험 평가와 손실 실행 분석을 위해 데이터를 활용
• 클레임과 상환: 최초 손해 인지 정보를 수집하고 손실에 따라 클레임을 지급
• 위험 및 보험 계리 모델링: 가격 책정, 손해액 산정, 준비금 설정 등 모델링
9

보험업의 도전과제
10
Underwriting Claims
보험 청구자 3명 중 1명은 보험사가 보험금 청
구를 처리한 방식에 완전히 만족하지 못함
언더라이터 업무 시간의 최대 40%가 비핵심
활동에 비효율적으로 소요됨

2. 데이터 경영 사례
11

AWS를 기반으로 데이터 경영을 추진하는 보험사
12
우리의 여정은 디지털 기술, 빅 데이터,
분석, 클라우드를 지원하는 기술에
지속적으로 투자하고 있으며, 고객
경험을 실제로 모든 채널에 걸쳐
개선하기 위해 노력하고 있습니다.
Alice Thomas
Chief Digital Technology Officer, Sun Life Financial
“

최근 글로벌 금융 사례
13
• Data Strategy > Data Mesh, DW, Data Hub
• Personalization > Agile, CLI
• Conversational AI > CCI, AICC
• AI Platform > MLOps, Model Quality

Data Strategy > Resolution Life
클라우드 및 이벤트 기반 데이터터 플랫폼 구축
14
Source legacy systems
14 policy
admins
systems
phased
integration
Incremental
Landing
layer
Data
ingestion
Transformed layer
Processed data
Cleanse
Standardize
Integrate
Reference data
management
Rules engine
Batch
Pipeline
DynamoDB
Streams
Neptune
DynamoDB
Amazon S3
Amazon
S3
AWS
Glue
Raw data
Amazon
S3
Batch data
CDC
sFTP

Data Strategy > Resolution Life
그래프 데이터 모델링 적용
15
Agent
Agent
Agent
Agent
has_Beneficiary
has_Agent
has_Agent
has_Agent
has_Agent
has_Agent
has_Agent
has_PolicyRole
has_PolicyRole
Holding
Party…
Party…
Benefic…
Party…

Personalization > NatWest Group
머신러닝 기반의 개인화 서비스
• SageMaker로 신속한 개인화 실험
§ 2시간 내에 MLOps 환경 생성
§ 2주안에 ML 모델 적용
§ CLV* Data Asset
ü 30개 이상의 데이터 원천
ü 900개 이상의 개인화 정보
ü 고객의 미래 예측
16
Agreements
and accounts
Address
history
Applications
Business
banking
products
Risk score
Transactions
Savings account
Transactions
Credit card
Account
balances
Credit score
MIMO
transaction
classification
Transactions
Current account
Bureau
Strategic
segment
PEGA
Adobe4
AuM by
investment
type
Customer
value
House prices
Marketing
permissions
Switcher
campaigns
General
information
Education
Attitudinal
segment
Operational
NPS
Investment
net inflows
Investment
revenue
Complaints
Risk Investments
Products
Other
Customer
information
Transactions Customer engagement
*CLV : Customer Lifetime Value

Conversational AI > JPMorgan Chase
AWS CCI (Customer Center Intelligence) 적용, EVEE 가상상담원
• Transcribe을 통한 음성인식 및 Kendra를 통한 답변 생성 제공
• Amazon SageMaker를 사용하여 인텐트 모델을 교육하고 기계 학습을 수행
17
© 2022, Amazon Web Services, Inc. or its affiliates. All rights reserved.
Chase – Call center experience
IVR call intent
prediction
Authorization /
introduction
Problem
identification
Clarification
Resolution /
transfer
Customer
feedback
Wrap-up
Pre-call In-call Post-call
Provide self
service and
automation for
~60% of calls
Increase access to
the best answer to
resolve the issue
the first time
Accelerate specialists’
ability to understand
why a customer is
calling
Provide call
summarization
for actionable
insights
AI/ML powered benefits
JP Morgan Chase & Co © 2022, Amazon Web Services, Inc. or its affiliates. All rights reserved.
How it all started • Providing call intent
• Automatically surface helpful articles
• Recommend next best actions
• Improve customer experience
Real-time
Virtual Agent Assistant
EVEE was born
Increased
FIRST CALL RESOLUTION
Reduced
OPERATING COST
Improved
AGENT SATISFACTION
Accelerated
AGENT EDUCATION
Improved
CUSTOMER LOYALTY
JP Morgan Chase & Co

Conversational AI > JPMorgan Chase
EVEE 가상 상담원
18

AI Platform > 보험사의 경쟁 우위 창출
개인화된 가격, 마케팅, 운영 효율, 고객 경험 등 전체 가치 사슬 개선
19
ML을 활용하여
고객의 위험을 더
잘 평가하고 해당
위험에 맞게
맞춤화된 요금을
제공합니다.
Personalized
rates
OCR 및 NLP를
사용하여
문서에서
데이터를
추출하고 청구
처리를
자동화합니다.
Claims
processing
챗봇 및 AI 음성
기능을 활용하여 콜
센터 운영을 개선하고
고객 경험을
개선합니다.
Customer
experience
ML을 활용하여
비정상적인 행동
및 사기 행위
식별
Fraud
detection
ML을 사용하여
고객의 요구 사항을
더 잘 이해하고
이러한 요구 사항에
가장 적합한 정책
제품을 식별합니다
Cross-selling and
recommendations

AI Platform > 보험사의 경쟁 우위 창출
개인화된 가격, 마케팅, 운영 효율, 고객 경험 등 전체 가치 사슬 개선
20
Root는 Amazon
SageMaker를 사용하여
사람들이 실제로 운전하는
방식에 따라 자동차 보험의
가격을 책정하고, 휴대폰의
원격 분석을 분석하고, 우수한
운전자가 자동차 보험료를
최대 52%까지 절약할 수
있도록 지원합니다.
Edelweiss Tokio Life
Insurance는 Amazon ML
Solutions Lab과 협력하여
교차 판매 성향 모델과 정책
추천 모델을 개발하여 교차
판매 비율을 다음과 같이
높였습니다. 200%.
nib는 Amazon Textract를
통합하여 수동 데이터
입력을 줄이고 청구 처리
속도를 높였으며,
정확하게 데이터를
추출하고 미리 채워
청구당 평균 20초의 처리
시간을 절약했습니다
87%에서 95%의
Unum은 Amazon Connect,
Amazon Pinpoint 및
Amazon Lex를 비롯한 AWS
서비스를 사용하여
옴니채널 고객 참여
플랫폼을 구축했습니다.
State Auto는 잠재적인
사기에 대해 검토된 청구를
83% 증가시켰고, 서비스
운영 비용에서 약 $800K를
완화했으며, AI/ML을
사용하여 3일 전에 사기
탐지를 용이하게 했습니다.
Amazon Transcribe 및
Rekognition을 포함합니다.
Personalized
rates
Claims
processing
Customer
experience
Fraud
detection
Cross-selling and
recommendations

3. AWS 핵심 서비스
21

AWS End-to-End Data Strategy
22

Data Mesh > Amazon DataZone
23
Data
consumers
Simplify access,
collaboration, and
consumption using
different tools
Data
producers
Bring data from
different sources and
across accounts/
Regions
Amazon DataZone
Data portal
Governance and access control
Business data
catalog
Data projects
APIs
Domains

Data Mesh > Amazon DataZone
24

No Cod AI > Amazon SageMaker Canvas
25
코딩이 필요 없이 ML을 위한 데이터 준비 및 탐색

No Cod AI > Amazon SageMaker Canvas
26
코딩이 필요 없이 ML을 위한 데이터 준비 및 탐색

4. 향후 제언
27

데이터 경영을 위한 동력
28
메커니즘
데이터의 효과적인
사용을 지원하고
확장하는 프로세스
문화
데이터 기반 문화를
조성하는 신념,
가치 및 행동
실행도구
데이터의 가치를
빠르게 실현하기 위한
실행 방식 및 도구
조직
데이터 기반 성과를
가속화하는
조직 구조와 역할

데이터 경영을 위한 전략
29
데이터를 자산으로 활용하여
지속적인 혁신을 주도하고,
실행 가능한
인사이트를 창출하여
고객의 경험을 향상시켜
지속가능한 경쟁력 확보 전략
”
“

데이터 경영
불확실한 환경에서 기업은 데이터를 기반으로 통찰력을 확보하고,
비즈니스를 유연하게 운영해서, 보다 적은 자원으로 더 신속하게
혁신해야 합니다.
• 적합한 도구를 활용하여 데이터로부터 비즈니스 통찰력을 발굴하고,
• 안전한 환경에서 자유로이 새로운 탐험을 시도하며,
• 폭넓고 깊이 있는 기술로 극한의 상황에도 대응하고,
• 기존의 제약사항을 넘어 무한한 가능성을 발굴,
• 기업의 혁신, 의사결정, 문화를 개혁해야 합니다.
30

Thank you!
구 태 훈
Executive Technology Partner
robinkoo@amazon.com

[보험사를 위한 AWS Data Analytics Day] 1_데이터 경영으로 보험 산업의 불확실성을 뛰어넘자_Taehoon Koo.pdf

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to [보험사를 위한 AWS Data Analytics Day] 1_데이터 경영으로 보험 산업의 불확실성을 뛰어넘자_Taehoon Koo.pdf

Similar to [보험사를 위한 AWS Data Analytics Day] 1_데이터 경영으로 보험 산업의 불확실성을 뛰어넘자_Taehoon Koo.pdf (20)

More from AWS Korea 금융산업팀

More from AWS Korea 금융산업팀 (14)

[보험사를 위한 AWS Data Analytics Day] 1_데이터 경영으로 보험 산업의 불확실성을 뛰어넘자_Taehoon Koo.pdf