Уже достаточно долго мы в компании Megaputer работаем над реализацией весьма полезного решения, сочетающего возможности алгоритмов обработки естественного языка и машинного обучения. Прежде чем говорить о том, как действует решение по выявлению возможностей суброгации, предлагаем рассмотреть само понятие суброгации на конкретном примере.
Страховые компании выплачивают страховое возмещение независимо от причины наступления страхового случая
Наше решение обычно применяется в автостраховании, и именно на примере истребования страховщиком выплаченных сумм с виновников ДТП мы рассмотрим принцип его действия. Однако помните, что при необходимости данное решение можно использовать и в любой другой сфере имущественного страхования.
К сожалению, от ДТП не застрахован ни один автомобиль. В случае наступления страхового случая страховщик (страховая компания) выплачивает страховое возмещение от имени застрахованного лица (страхователя). При этом застрахованное лицо далеко не всегда виновно в причинении ущерба. Например, другой участник этого ДТП мог проехать на красный свет светофора или управлял автомобилем в состоянии опьянения или наркотической интоксикации. В такой ситуации застрахованное лицо может подать в суд на виновника ДТП, однако это происходит не часто, поскольку расходы застрахованного лица уже покрыты страховщиком, судебное разбирательство может обойтись дорого, а какой-либо гарантии успешного исхода дела нет. В наихудшем положении в таких случаях оказываются страховые компании, ведь именно им приходится платить по счетам, даже если ответственность за ДТП несет вовсе не их клиент!
Порядок применения суброгации
К счастью, для таких случаев предусмотрена абсолютно легитимная возможность страховщика, покрывшего расходы потерпевшего на устранение причиненного ущерба, истребовать выплаченные суммы с виновника ДТП. Такое право и называется суброгацией. Последовательность событий и действий в случае применения суброгации может быть следующей:
- происходит ДТП;
- страховая компания возмещает ущерб;
- страховая компания изучает все документы и доказательства, используемые в деле, и приходит к выводу, что виновником ДТП является другой его участник (а не застрахованное лицо);
- страховая компания заявляет о своем праве на суброгацию и требует с виновника ДТП (или его представителя) возмещения суммы, выплаченной страхователю.
Трудности применения права на суброгацию
Так в теории выглядит процедура применения права страховщика на суброгацию. Однако на практике все может быть гораздо сложнее.
Например, как может страховщик определить, что виновником ДТП является другой его участник, а не страхователь? Во-первых, для этого страховой компании понадобится доступ к официальному заключению полиции и к показаниям свидетелей. Во-вторых, эти материалы должен изучать специалист, который знает, на какие факты ему следует обратить внимание, чтобы определить степень ответственности сторон согласно действующему законодательству, а также оценить возможность страховой компании в конкретной ситуации успешно реализовать свое право на суброгацию. Это очень трудоемкий процесс, который занимает много времени.
В-третьих, для того, чтобы получить всю необходимую информацию, также понадобится время, и немало. Часто доступ к данным предоставляется страховой компании не сразу, новые обстоятельства и доказательства, которые необходимо учитывать в процессе принятия решения о суброгации, открываются с течением времени, в связи с чем полученные ранее результаты аналитической работы приходится пересматривать и не раз выполнять анализ данных заново.
И наконец, объем этой кропотливой работы многократно увеличивается в связи с тем, что страховым компаниям приходится обрабатывать огромное количество страховых требований одновременно. Поэтому, несмотря на кажущуюся простоту процедуры применения суброгации, воспользоваться этим правом на практике не так уж легко:
Это кропотливая работа, выполняемая вручную. Ее эффективность и качество во многом зависят от профессионализма, внимательности и объективности исполнителей.
Анализ страховых исков с целью выявления возможности суброгации
Теперь, когда вы понимаете суть проблемы, рассмотрим ее решение.
Наша аналитическая платформа PolyAnalyst позволяет обрабатывать неструктурированные текстовые данные страховых компаний, в которых скомпилирована вся доступная информация, включая полицейские отчеты и показания свидетелей о ДТП.
Все имеющиеся данные проходят очистку, поскольку данные в первоначальном виде часто содержат ошибки, опечатки, сокращения и имеют другие недостатки, которые снижают эффективность обработки естественного языка. Например, для того чтобы повысить эффективность анализа страховых исков на последующих этапах, мы можем в процессе их очистки в автоматическом режиме исправить все имеющиеся в них орфографические ошибки.
Затем, используя возможности алгоритмов обработки естественного языка системы PolyAnalyst, мы в автоматическом режиме извлекаем из данных всю релевантную информацию, от которой зависит возможность применения суброгации. Какой был сигнал светофора? Какие световые указатели использовались участниками в момент ДТП? Была ли полицией засвидетельствована езда в нетрезвом состоянии или в состоянии наркотической интоксикации? Как произошло столкновение? Автоматически извлекаются ответы на эти и другие вопросы.
После того, как все ключевые факты извлечены из текста, мы используем машинное обучение для того, чтобы создать модели для оценки вероятности суброгации в каждом страховом случае. Используя тысячи более ранних страховых исков, возможность суброгации в которых была проверена и подтверждена человеком, мы обучили множество моделей с помощью передовых технологий машинного обучения, таких, как деревья решений, метод опорных векторов и нейронные сети. Модели, созданные на основе наших данных, полученных за длительный период времени, могут быть в будущем использованы для оценки новых страховых исков.
Преимущества автоматизации процесса выявления суброгации
Благодаря автоматизации системы анализа страховых исков на предмет суброгации происходит существенная экономия времени, а сам анализ выполняется централизованно и последовательно. Чем быстрее будет выявлена возможность суброгации, тем быстрее страховая компания может вернуть средства, потраченные на компенсацию ущерба. Наше решение может быть использовано для решения различных задач. Например, оно позволит быстро определить, какие страховые иски таят потенциальную возможность суброгации. Например, если в ветровое стекло рикошетом отскакивает камень, и разбивает его, страховая компания компенсирует ущерб страхователю, но о суброгации не может быть и речи. Компьютер быстро отсортирует такие страховые иски, и это позволит сэкономить время экспертов, которое они могут использовать более эффективно. Решение может быть также использовано для экспресс-проверки решений о суброгации, сделанных человеком. Иски, исключенные аналитиком в связи с тем, что они, по его мнению, не предполагают возможности суброгации, можно еще раз быстро и без дополнительных расходов перепроверить, для того чтобы не упустить возможность вернуть затраченные средства.
Данное решение наглядно демонстрирует преимущества совместного использования передовых технологий в сфере текстовой аналитики и прогностического моделирования. Хотя это решение было разработано именно для выявления суброгации, сам принцип автоматизированного считывания текста, извлечения из него нужной информации и последующей обработки этой информации с целью принятия обоснованных решений на основе технологий машинного обучения, — принцип универсальный, поскольку он может быть использован в любой области.
Надеемся, что данная статья оказалась полезной, и у вас появилась идея, как можно использовать возможности текстовой аналитики и машинного обучения в вашей работе.