Расширение возможностей организаций для принятия более эффективных операционных решений и прогнозирования будущих рисков, связанных с погодой

Наводнения всегда были одним из самых сложных погодных явлений для страховых компаний. Выводы CrowdAI после урагана Дориан могут во многом повысить доверие к андеррайтингу. «-« Ник Лампарелли , соучредитель и главный операционный директор reThought Insurance

Ураган Дориан, образовавшийся 24 августа 2019 года, нанес ущерб сотням тысяч людей - от Карибского моря до Канады. Багамы испытали катастрофические повреждения, когда Дориан вышел на сушу как CAT 5. К тому времени, когда Дориан достиг берега на мысе Хаттерас, Северная Каролина, он был понижен до CAT 1. Однако, даже при более низкой силе, значительный ущерб все же был нанесен, особенно 12-мильный участок Окракока, Северная Каролина. Штормовой нагон достиг семи футов, затопив дороги и здания. Жители Окракока не верили в скорость, с которой вода затопляла остров - даже в районах, которые исторически никогда не затоплялись раньше.

Несмотря на вероятность такого разрушения, более трети домовладельцев на пути Дориана отказались от своих полисов страхования от наводнений в течение последних десяти лет. Без этой страховки на самый ценный актив семьи они могут остаться ни с чем, вынуждены платить из своего кармана и, возможно, начинать сбережения с нуля.

Так почему же домовладельцы отказываются от страхования от наводнений?

Одно из возможных объяснений состоит в том, что люди систематически недооценивают влияние маловероятных событий с высоким риском. В 2012 году Конгресс принял Закон Биггерта-Уотерса как средство решения огромных финансовых проблем, с которыми сталкивается Национальная программа страхования от наводнений (NFIP) после нескольких лет беспрецедентных наводнений в США. год, что сделало страхование от наводнения недоступным для многих потребителей.

Число действующих полисов NFIP неуклонно снижается с момента его максимального значения в 5,7 млн. Долларов в 2009 году, а общая годовая премия остается ниже 4 млрд. Долларов.

Ураган Дориан - не единичный случай. Убытки от штормов продолжают расти в результате их учащения и усиления жестокости, усугубляемых увеличением населения на пути ураганов.

Существует больше, чем когда-либо, данных о воздействии штормов, подобных Дориану, на дома и инфраструктуру, и это дает уникальную возможность для искусственного интеллекта помочь разобраться во всем этом.

Алан Демерс, президент InsurTech Consulting и бывший вице-президент по претензиям, инновациям и технологиям Nationwide, делится своей точкой зрения: «Страховщикам крайне важно точно отделить наводнение от ущерба от ветра, поскольку рост ущерба от воды исключен из большинства полисов домовладельцев. Страховщики сталкиваются со значительными юридическими рисками после таких событий, которых можно избежать и смягчить, применяя данные, информацию и документируя наличие паводковых вод и убытков от наводнений от других повреждений. Были извлечены многочисленные уроки из таких событий, как ураган Катрина, который привел к битве между ветром и наводнением ».

CrowdAI использует технологию глубокого обучения, чтобы дать организациям возможность принимать более эффективные операционные решения до и после катастрофического события.

Перед ураганом: без труда определите основных участников воздействия, создайте ожидаемую сумму претензий для разной степени ущерба и разработайте план действий для оптимизации реагирования после претензий.

После шторма: быстро распределяйте ресурсы на местах и ​​принимайте более обоснованные финансовые решения.

В течение 24 часов после урагана Дориан NOAA (в сотрудничестве с FEMA и другими государственными и федеральными партнерами) собрало тысячи аэрофотоснимков Атлантического побережья, покрывающего более 3000 миль.

CrowdAI не зависит от изображений, что означает, что независимо от источника (спутник, антенна, дрон, видео, портативные камеры и т. Д.), Технология может извлекать широкий спектр информации о физической среде, включая атрибуты крыши, инфраструктуру, растительность. , и больше.

Как только изображения NOAA стали доступны для внешних берегов Северной Каролины, CrowdAI наложил слои данных глубокого обучения, чтобы определить наводнение и его влияние на дороги и здания, а затем классифицировать дороги как полностью затопленные, частично затопленные или вообще не затопленные. В этом отличие от других технологий машинного обучения, которые могут дать только двоичный вывод (затоплен или не затоплен; поврежден или не поврежден).

Повреждение дороги

Затопленные дороги могут стать большой проблемой после шторма. Возможность перемещать людей и ресурсы из одного района в другой имеет решающее значение как для служб быстрого реагирования, так и для страховых компаний и домовладельцев.

В этом районе Окракока некоторые дороги остаются затопленными, а другие - проходимыми. Хотя невозможно измерить глубину воды с помощью этого типа изображений, модели CrowdAI были обучены определять только дороги на изображении и определять, присутствует ли вода, что может создать опасность.

Красные дороги полностью затоплены, а желтые дороги частично затоплены. Синие дороги кажутся совершенно сухими, а значит, судоходными. Поскольку CrowdAI использует подход сегментации изображений, технология может классифицировать отдельные сегменты каждой улицы таким образом, чтобы можно было указать , какой участок на Кленовой улице затоплен, например .

Повреждение здания

Паводковые воды могут нанести большой ущерб зданию, оказывая давление на его стороны и пропитывая землю под фундаментом и вокруг него. Если не выявить и не устранить ущерб, нанесенный наводнением, он может подорвать структурную целостность здания - эффект, который может не ощущаться в течение многих лет.

Чтобы помочь понять, где могли быть нанесены наибольшие повреждения зданиям, CrowdAI определил воду на поверхности земли на снимках NOAA, исключив участки с «известной» водой, такие как озера и водно-болотные угодья. Наложив эти полигоны «паводковой воды» на местоположения зданий, CrowdAI обнаружил, какие здания примыкали к воде с одной или нескольких сторон - это указывает на высокую вероятность затопления.

CrowdAI доставляет эти данные в существующие рабочие процессы и в любой формат, наиболее подходящий для конечного пользователя.

Для служб быстрого реагирования: разберитесь, в каких областях требуется срочная помощь и какие навыки необходимы в зависимости от серьезности повреждений.

Для оценки событий. Страховщикам и другим лицам необходимо быстро оценить общую подверженность риску для целей резервирования и других финансовых потребностей. Выявление зон воздействия наводнения от других, где есть только ветер, чрезвычайно полезно на ранней стадии оценки.

Для претензий: сразу после урагана иногда может пройти несколько дней, прежде чем застрахованный сможет подать претензию по множеству причин, не зависящих от них. Операторы используют эти данные для улучшения реагирования на претензии о катастрофах, расставляя приоритеты и определяя, какие свойства необходимо проверить или, возможно, решить по телефону с помощью изображений повреждений. Страховщикам крайне важно четко отделить ветер (и связанные с ветром утечки дождевой воды из отверстий и проемов в конструкции, которые покрываются политикой домовладельцев). Эти выводы также улучшают качество точность выплаты и сокращение времени на закрытие заявки, чтобы те, кто в ней нуждался, могли быстро восстановить ее, и им было на что меньше беспокоиться в и без того трудное время.

Для андеррайтеров: сохраните следы наводнения в базе данных, чтобы улучшить будущую оценку рисков, сравнивая адреса с историческими ссылками. Пример. Если дом не был затоплен в результате 100-летнего наводнения, высокая степень уверенности в том, что он не подвергается риску наводнения в будущем, даже если собственность не находится в зоне затопления.

Это очень похоже на работу, проделанную CrowdAI для одной из крупнейших телекоммуникационных компаний в Северной Америке после урагана Майкл и для международной страховой компании после наводнения в Западной Европе в 2018 году.

В ближайшие недели CrowdAI будет работать с перевозчиками, на застрахованное имущество которых повлиял Дориан, чтобы интегрировать выводы CrowdAI с историческими данными о клиентах. Объединив эти два набора данных, страховщики смогут приравнять размер ущерба к предполагаемой сумме убытков. Результат позволит получить прогнозные данные, которые помогут спрогнозировать будущие претензии в отношении ущерба от сильного ветра и наводнения, а также улучшить страхование недвижимости в потенциально зонах повышенного риска.

В CrowdAI мы как команда стремимся создавать технологии, которые используются, чтобы сделать мир лучше. В соответствии с этим обязательством CrowdAI бесплатно предоставляет образцы этого набора данных некоммерческим организациям, предоставляющим помощь. Коммерческие организации могут отправлять CrowdAI индивидуальные адреса своих активов, а CrowdAI может отправлять обратно соответствующие аналитические данные.

Узнайте больше, отправив письмо по адресу [email protected] и посетив crowdai.com.

О CrowdAI

Миссия CrowdAI - дать организациям возможность принимать более эффективные операционные решения путем прогнозирования изменений в физическом мире.

Извлекайте широкий спектр ресурсов и получайте прогнозные данные, когда изображения доступны, с помощью запатентованной технологии глубокого обучения компьютерного зрения.

Создан инженерами Google Maps и IBM Watson при поддержке Y Combinator и пользуется доверием брендов, охватывающих страхование, телекоммуникации, коммунальные услуги, нефть и газ, совместное использование поездок, правительственные учреждения, разведку местоположения и многое другое.