현재는 수많은 리스크 요인들을 조합해 과거 실적을 분석하고 계약의 인수 여부를 결정하는 정형화된 방식으로 자동차보험 계약심사를 진행하고 있다. 하지만 자동차 사고발생 패턴은 고객의 운전 습관, 성향, 연령 등과 같은 내부적인 요인뿐만 아니라 도로 통행량, 지형적 요인 등 외부적인 요인에도 영향을 많이 받으므로 기존의 정형화된 방식만으로는 사고발생 패턴을 예측하는 데 한계가 존재했다.
KB손보는 이같은 한계를 극복하기 위해 올해 5월부터 LG CNS와 손잡고 계약심사 고도화를 위해 사고발생 예측 모델 개발 프로젝트를 진행했다. 최신 머신러닝 기법으로 과거 자동차 사고데이터를 분석해 복잡한 사고 패턴을 찾아냈다. 이 전략모델을 활용해 기존에 인수가 어려웠던 고객 중 향후 사고발생 확률이 낮을 것으로 예상되는 고객에 대해 별도 고객 대기시간 없이 계약체결을 진행할 수 있게 되어 고객 서비스 만족도를 높일 수 있을 것으로 기대하고 있다.
이병철 기자
※ 저작권자 ⓒ 파이낸셜뉴스, 무단전재-재배포 금지