AXA ทดลองใช้ Deep Learning ผ่าน TensorFlow ในการ Optimize ราคาประกันรถยนต์

AXA บริษัทประกันยักษ์ใหญ่ของโลกทดลองใช้ TensorFlow เพื่อช่วยในการ optimize การตั้งราคาประกันรถยนต์ โดยพบว่าเทคนิค deep learning ผ่าน TensorFlow นี้สามารถ predict การเกิดอุบัติเหตุทางถนนที่ร้ายแรงได้แม่นยำถึง 78% ทำให้บริษัทสามารถนำข้อมูลไปวิเคราะห์ความเสี่ยงของลูกค้าเพื่อตั้งราคาให้เหมาะสมย่ิงขึ้น

ประมาณ 1% ของอุบัติเหตุทางถนนที่เกิดโดยผู้ซื้อประกันของ AXA ในทุกๆปีนั้นเป็นอุบัติเหตุร้ายแรง (large-loss) ที่ทำให้บริษัทต้องชดเชยค่าเสียหายมากกว่า $10,000 AXA จึงมีความต้องการทำนายว่าลูกค้าคนใดมีความเสี่ยงที่จะก่อให้เกิดอุบัติเหตุในลักษณะนี้เพื่อนำไปประกอบการตั้งราคาให้เหมาะสมยิ่งขึ้น โดยก่อนหน้านี้ทีม R&D ของ AXA ในประเทศญี่ปุ่นได้มีการพัฒนาโมเดล Random Forest ขึ้นมาเพื่อทำนายการเกิดอุบัติเหตุดังกล่าว แต่ผลลัพธ์ที่ได้ยังไม่เป็นที่น่าพอใจ เมื่อโมเดล Random Forest นี้มีความแม่นยำต่ำกว่า 40%

ความพยายามครั้งถัดมาของ AXA จึงเป็นการใช้เทคนิคใหม่อย่าง Deep Learning ผ่าน TensorFlow บน Google Machine Learning Engine โดยโมเดล Deep Learning นี้ จะประมวลผล feature vector ที่ประกอบไปด้วยฟีเจอร์ 70 อย่าง เช่น อายุผู้ขับรถ พื้นที่อยู่อาศัย จำนวนเงินที่จ่ายประกันรายปี และอายุของรถยนต์ ผ่าน fully connected neural network ที่มี 3 hidden layers และใช้ rectified linear unit (ReLU) เป็น activation function นอกจากนี้ ยังมีการปรับจูน parameter ต่างๆด้วย HyperTune ซึ่งเป็นความสามารถหนึ่งของ Google Machine Learning Engine อีกด้วย

ผลลัพธ์ที่ได้จากการ PoC ครั้งนี้ คือโมเดลที่สามารถทำนายการเกิดอุบัติเหตุได้แม่นยำถึง 78% ทั้งอุบัติเหตุแบบร้ายแรงและไม่ร้ายแรง นับว่าเป็นการทดลองที่ประสบความสำเร็จและมีการพัฒนาจากโมเดลเดิมที่มีความแม่นยำต่ำกว่า 40% เป็นอย่างมาก

Google นั้นยังมีเรื่องราวความสำเร็จในการใช้เทคโนโลยี Machine Learning ในธุรกิจอีกมากมาย หากผู้อ่านท่านใดสนใจสามารถรับชม vdo session ใน Google Cloud Next ที่เล่าเรื่องราวเหล่านี้ได้ตามคลิปวิดีโอด้านล่างนี้

 

ที่มา: https://cloud.google.com/blog/big-data/2017/03/using-machine-learning-for-insurance-pricing-optimization