Результат исследования Лукаша Кидзиньски из Стэнфордского университета в Калифорнии и Кинга Кита-Войцеховского из Варшавского университета может позволить страховым компаниям значительно повысить свою прибыль. Исследование показало, что фотографии домов клиентов с Google Street View — очень хороший признак для предсказания вероятности предъявления иска в страховую компанию.
Метод исследователей прост. Они начали с датасета из 20 000 записей о лицах, которые оформляли страхование автомобилей в Польше в период с 2013 по 2015 гг. Они были случайно выбраны из базы данных нераскрытой ими страховой компании.
В каждой записи указывался адрес страхователя и количество требований о возмещении ущерба, которые он или она предъявлял в период 2013–2015 годов. Страховщик также поделился своим собственным прогнозом будущих исков, рассчитанным с использованием современной модели риска, которая учитывает почтовый индекс страхователя, возраст водителя, его пол, историю исков и т.д.
Исследователи ввели адрес каждого страхователя в Google Street View и загрузили изображения мест жительства. Они классифицировали эти жилища в соответствии с их типом (отдельно стоящий дом, таунхаус, многоквартирный дом и т.д.), возрастом и состоянием. Место жительства страхователя оказалось удивительно хорошим фактором для предсказания вероятности того, что он или она предъявит иск. «Мы обнаружили, что особенности, видимые на изображении дома, могут предсказать риск автомобильной аварии, независимо от классически используемых переменных, таких как возраст или почтовый индекс», — говорят Кидзиньски и Кита-Войцеховска.
Когда эти факторы добавляются к современной модели риска страховщика, они повышают его прогнозную способность на 2%. Для сравнения: модель страховщика лучше, чем нулевая модель, всего на 8% и основана на гораздо большем датасете, включающем такие переменные, как возраст, пол и история исков.
Таким образом, метод с использованием Google Street View может значительно улучшить прогнозы. И текущая работа — просто доказательство принципа. Исследователи говорят, что его точность может быть улучшена с помощью больших датасетов и лучшего анализа данных.
