如何用AutoML 2.0推动数字化转型

在当今竞争激烈的全球保险市场，保险公司正在努力寻找新的方法，以成功克服两种重要且对立的力量：为公司创造短期收入增长，同时满足客户的个性化、相关性并提供长期价值。

为了应对这些挑战，保险公司意识到数据的战略重要性，以及人工智能和机器学习(ML)如何帮助他们更好地实现业务目标。然而，尽管对人工智能的投资不断增加，但资源、技术基础设施和快速有效运营模型的能力方面的挑战可能会阻止保险公司充分利用人工智能和数据科学来推动业务影响。

这是全球领先的保险公司MSAD保险集团控股(MSAD)面临的一些挑战，也是其利用AutoML 2.0优化数据科学投资的创新解决方案的驱动力。这个全自动化的数据科学平台使MSAD代理能够创建反映其客户当前和潜在保险需求的提案，从而增加收入并提高客户忠诚度和满意度。

MSAD，通过技术创新

MSAD保险集团控股公司是全球第五大财产保险公司，营收500亿美元。在推动保险业务数字化转型方面，MSAD一直是领先的创新者。数字化转型过程中的关键目标之一是优化客户价值及其产品和服务的利用率。

利用数字转换改善客户体验的想法导致了一个名为MS1 Brain的战略性数字平台的开发。MS1 Brain平台利用AI和机器学习来分析可用的客户数据，如合同细节和历史记录、事故信息和生活方式的变化，以预测客户需求并推荐满足这些需求并带来长期价值的最佳产品和服务。该平台还有助于生成有针对性的客户沟通信息，包括为满足每个客户的特定需求而制作的关于产品和服务的个性化视频。

MS1 Brain是为MSAD的子公司MSI创建的，目的是使MSI代理能够创建个性化的、数据驱动的和面向消费者的建议。该平台还需要易于使用，以便代理可以生成建议并利用数据，而无需事先的数据专业知识。

创新过程中的挑战

MS1 Brain使用多种AI模型进行智能预测和决策。MSAD在拓展数据科学实践和构建MS1大脑方面面临挑战——难以创建具有AI决策透明度的有效机器学习模型，也难以找到合适的水平和技能。除了双重挑战，MS1 Brain的开发还需要一个非常积极的时间表。

为了解决这一挑战，MSAD的业务和创新团队将自动机器学习(AutoML)确定为满足MS1 Brain开发时间表的关键加速器。特别是，MSAD发现，将特征工程的过程自动化(这通常是数据科学项目中最手动和耗时的部分)和自动机器学习(即AutoML 2.0)尤为重要。

automl 2.0:ms1大脑的基础

选择AutoML 2.0平台的主要动机集中在三个核心领域：加速、增强和民主化。加速对于在短时间内为MS1 Brain开发许多AI模型至关重要，并允许MSAD探索超过10次的用例，并快速构建精确的模型用于生产。AutoML 2.0基于原始业务数据探索了数百万个函数和数百个ML模型，原始业务数据由各种原始关系和交易数据组成，短短几个小时就有数十亿条记录。作为AutoML 2.0中自动功能工程的直接输出，增强也非常重要。通过平台的自动设计功能，MSAD发现了许多深入的业务见解，这些见解提供了AI建议的可解释性，并有助于改善其服务以满足客户的需求。需要。民主化是第三个关键组成部分。除了MS1 BrAIn，MSAD还需要建立可扩展和可持续的ai和ML功能。借助AutoML 2.0平台，即使是业务分析师也可以执行端到端的数据科学流程，而无需SQL/Python编码或复杂的统计和数学公式知识。

此外，通过使用先进的自动视频生成技术来增强MS1 Brain中的AutoML 2.0解决方案，MSAD可以创建一个自动分析客户数据的系统，并为其客户提供基于视频的个性化产品和服务推荐。这一新功能使MSAD能够优化客户价值，提高其产品和服务的利用率，并推动额外的收入增长。

加快业务创新

尽管数据科学正在成为保险行业的一个有价值的工具，但从人工智能和机器学习项目中获得价值可能充满挑战。与MSAD一样，采用新数据科学自动化技术的组织将受益于简化的流程、更高的透明度和更深刻的见解，以帮助促进短期收入增长，同时满足客户对长期价值的需求。因此，保险机构可以快速扩展其AI/ML计划，以促进变革性的业务变革。