9家致力于改善承保流程的创业公司
沃伦·巴菲特喜欢保险业的一个重要原因是保险浮存金的存在。浮存金是指投保人向保险公司交纳的、保险公司尚未用于理赔支付的那部分保费。保险浮存金对于保险公司来说就是一笔可用于无风险投资的无息贷款，保险公司只需要确保他们可以从中支取足够的金额进行理赔。这也是保险公司如此重视与保险产品相关的风险的原因。控制产品风险，减少理赔频率，保险公司就能获得更多的投资收益。
当保险公司为某一件事或者某一客户提供保险服务时，他们称这一过程为“承保”（Underwriting）。在承保前，保险公司需要收集尽可能多的数据，并且对数据进行准确分析，才能确定一个即比竞争对手优惠的报价（争取客户），又能保证赢利（基于理赔发生的可能性）。在这一过程中，技术可以介入的环节很明显：
收集尽可能多的数据——大数据
数据分析——人工智能
用技术提升承保效率的一个典型案例，是硅谷创业公司Cape Analytics，在《保险业AI大盘点：这10家公司值得关注！》文章中我们也有提到，获得了1400万美元融资的他们，利用机器学习技术和计算机视觉以及空间图像技术，为财险公司提供房屋屋顶侦测分析的服务，他们能分析房屋屋顶的构造、材料和使用状况。借助Cape Analytics的帮助，财险公司可以完成更高效的核保并提供更精确的报价。
这种承保流程的效率提升正是我们在采用大数据和人工智能技术时希望见到的效果。我们将在本文为大家介绍9家利用人工智能和大数据等技术来改善传统保险承保流程的海外创业公司。
Praedicat——利用科学研究预测风险
位于美国加州的创业公司Praedicat成立于2011年，获得了1200万美元融资的他们，为责任险公司和再保险公司提供基于科学研究数据的风险分析服务。Praedicat开发的算法会自动索引查找科学期刊中的信息和数据（比如2200万份同行评审期刊），并从中提取出动态元数据，这些元数据可以是纳米材料、苯、手机以及其他材料对人体造成的伤害记录。双酚A（BPA）就是这么一种材料，它是一种化工原料，可用于生产透明塑料瓶以及其他消费者常用的产品。下图是Praedicat对于BPA的分析：
Praedicat的算法收集了2847篇自1960年以来关于BPA的研究文章，其中有442篇是在2014年发表的。85%的文章都发现了该原料的危害作用。18.8%的研究文章以人体作为研究对象，其中四分之三的文章发现了其对人体的危害作用。
Praedicat实际上是在通过数据预测保险公司在将来可能面临的理赔诉讼案件。借助Praedicat的技术，保险公司的承保流程将会从单纯的规避风险转换为利用科学数据去主动识别风险。这就让保险公司可以为即将出现的风险设计产品，抓住市场先机。比如在了解了BPA对人体的危害，以及近些年BPA在各大期刊出现频率大幅上升后，保险公司可以对含有BPA的产品推出特定的保险方案。
QuanTemplate——服务再保险公司的数据分析
成立于2013年的QuanTemplate已经获得了来自安联等投资者1025万美元的投资。作为一家专业的保险数据管理和分析公司，QuanTemplate为保险公司提供数据解决方案，帮助他们阅读隐藏在保费和理赔数据背后的市场趋势和行情，帮助他们识别出利润最高的险种和利润最低的险种，帮助他们评估和监视保险产品的表现，以及帮助他们组织和整理报告去满足监管要求。下图展示了人工智能是如何在QuanTemplate的业务中发挥作用的，其步骤是：
1、信息收集：QuanTemplate的认知决策模型会收集市场上各方做出的决策信息；
2、决策建议：QuanTemplate基于机器学习算法绘制数据映射的建议方案，工作人员会对其进行手动调整；
3、自动化：通过设定一个强度阈值，满足阈值条件的系统建议方案将会被自动采用。如此一来，方案的推进效率以及反馈数据的收集速度都将大大提升。
4、直连通道：QuanTemplate所收集到的新数据都是直接进入其平台进行分析的，最大程度上节省了人力的介入。
QuanTemplate的解决方案以保险公司的产品和理赔数据为主，辅以第三方数据，为客户提供具有实践价值的观点和建议。很显然，该应用在再保险领域将能发挥重大作用。保险公司在希望将风险转移时，可以根据该解决方案的建议，对部分风险进行再保险。
Carpe Data——保险公司展业的评级和展业助手
成立于2016年加州创业公司Carpe Data在首轮融资中获得了660万美元的资金。该公司为保险公司提供包括车险、寿险、小微企业商业险在内的预测性用户评级系统。特别是小微企业商业险，传统的信用评级模型无法适用，保险公司难以甄别客户的质量。
Carpe Data的风险评分系统包括了全美国2800万家小微商铺，包括美容店、汽车修理厂、卫生保健场所、饭店以及旅馆等。下图是Carpe Data对于一家零售商铺的详细评分图：
Carpe Data的系统甚至还能为保险公司提供拓展业务的机会，因为他们会记录并实时通知保险公司其系统里客户生活中的重大事件，比如结婚、生子、换工作或者买房子。Carpe Data会利用社交网络、在线信息、穿戴式设备、物联网设备以及其他形式的新一代信息源来收集信息。
Meteo Protect——量化天气风险
成立于2011年的法国创业公司Meteo Protect目前获得了263万美元的融资。尽管他们将自己定位成保险和再保险经纪公司，但他们真正的优势是在于其名为“Weather Neutral”的解决方案。该方案利用气候学和气象学知识来对客户的“气候适应性”进行测量。
根据安联的数据，美国每年因气候多变而遭受的损失高达5340亿美元。Meteo基于指数的解决方案能够帮助农业和能源行业的客户减少甚至避免天气事故带来的损失。
Meteo的业务模式如下图所示：
①、Meteo帮助客户建立能够正确反映自身风险的天气指数；
②、Meteo设计保险模型试图最大程度上保障客户的经济利益；
③、Meteo的出具天气报告来展现指数的价值；
④、当恶劣天气出现时，理赔款将自动打给客户。
Big Cloud——健康信息的穿戴式设备
成立于2013年的Big Cloud Analytics已经获得了640万美元的融资，他们将资金用来打造了一个名为“COVALENCE”的健康数据分析平台。该平台利用穿戴式设备和实时分析技术来判断一个人的身体健康程度。该过程也叫“预测性分析”，它会从穿戴式设备中收集50多项生物学数据，然后为用户建立“健康评分”。
流程如下图所示：
用户可穿戴式设备的数据最终传送到保险公司手上，保险公司可以将这些数据和客户提供的个人信息如年龄、婚姻状态、是否抽烟喝酒等进行整合，从而更加客观准确的对客户进行风险评价，并且及时识别出骗保情况。
Tyche——产品风险识别平台
成立于2014年的纽约创业公司Tyche为责任险保险公司开发了一个承保分析平台。Tyche的平台综合利用机器学习技术和大数据技术，从公开数据和私有数据中搜集信息，找到并分析那些最有可能招来理赔案件的保险产品。
利用Tyche提供的API接口，保险公司可以使用“理赔规避模型”。该模型可以识别出保险产品中潜在风险最高的部分和环节，使保险公司可以大幅度提升其产品的安全指数。
Instanda——承保即服务
成立于2012年的伦敦创业公司Instanda为保险公司提供基于云端的保险软件服务。其服务通过自动化承保流程，让保险公司快速的创建、管理以及分销保险产品。该服务的主要价值是为承保提供了速度、弹性以及一站式的服务。
Dream Quark——建立数据与数据间的模糊关系
成立于2014年的法国创业公司Dream Quark借鉴了粒子物理学中的概念，他们希望利用机器学习的框架对结构化数据和非结构化数据建立模糊关系，从而对网络安全以及气候变化等风险进行描述和解读。他们的尝试得到了安盛等全球知名品牌的支持。
Atidot——寿险公司的意见领袖
成立于2016年的以色列创业公司Atidot致力于在寿险领域应用预测分析技术和机器学习技术。他们认为在寿险领域内，80%的数据都没有得到充分的利用。
Atidot已经利用5亿份数据，对470万份的保单进行了分析，并且帮助寿险公司提升了原有保险模型15%的效率。Atidot对他们的服务和产品非常有信心，他们的团队也是藏龙卧虎，在其创始人团队中，有两名是来自以色列的情报社区研发小组的成员，另一名则曾担任过以色列金融部首席精算师职位。
