Innoveren met Big Data    

Schadegarant innoveert met de allernieuwste dossieranalysetechnieken op basis van big data technieken zoals machine learning. Machine learning is een techniek om patronen te herkennen in grote hoeveelheden data zoals: schadebeeldcombinaties. Een enkel schadebeelddossier bezit veel variabelen aan data. Denk aan het type auto, type schade, type materiaal, maar ook aan het scenario hoe de auto aan de schade is gekomen. Al die jaren aan historische informatie helpt ons om te professionaliseren en te moderniseren in samenwerking met de autoschadeherstelbranche. Deze innovatie maakt deel uit van het nieuwe samenwerkingsmodel wat per 1 juli 2017 is gelanceerd, zie ook: eXplain juli 2017 | 1.

Van voorgeschreven business rules naar data gedreven model
Om schadedossiers te analyseren heeft Schadegarant afgelopen jaren gebruik gemaakt van business rules die door onze eigen domeinexperts in samenwerking met onze stakeholders voorgeschreven werden. Met big data partner Xomnia en de domeinexperts zijn deze voorgeschreven business rules omgezet naar data gedreven modellen om de beschikbare data om te zetten in bedrijfswaarde. De modellen draaien in het Google Cloud Platform (GCP). Schadegarant heeft samen met Xomnia voor het GCP gekozen vanwege de hoge mate van informatiebeveiliging en de mogelijkheid om ongelimiteerde data-analyses te draaien. De dossieranalysetechnieken worden binnen het GCP door Kubernetes technologie ondersteund. Deze beheertool bepaalt binnen een cluster welke container het best tot zijn recht komt door naar de inhoud van de workload te kijken. Er zijn via deze techniek bijvoorbeeld schadebeeldcombinaties ontdekt die nooit eerder zijn ontdekt.

De technische ontwikkelingen in een whitepaper
De technische ontwikkeling van voorgeschreven business rules naar een data gedreven model is een praktijkvoorbeeld van big data analyse met behulp van machine learning en prescriptive analytics (het hoogst haalbare analytics volwassenheidsniveau). Over deze technische ontwikkeling heeft Xomnia een whitepaper geschreven waar wordt uitgelegd hoe de real-time algoritmen de schadedossiers via eXchange (het online schadeafwikkelingsplatform van Schadegarant) classificeren. Er wordt bijvoorbeeld gedestilleerd welke combinaties van schadekenmerken en herstelwerkzaamheden vaak en juist weinig voorkomen. De schadebeeldcombinaties die weinig voorkomen zijn bijzonder en daarop wordt gecontroleerd. Dit klinkt eenvoudig maar is een ingewikkeld vraagstuk.

Op bezoek bij Google
GCP is onder de indruk van onze innovatie en heeft de Schadegarant Case Study als best practise omschreven. Schadegarant en Xomnia waren één van de sprekers tijdens het Google Lighthouse event voor banken en verzekeraars om de case toe te lichten. Mooi om te zien hoe de samenwerking tussen Schadegarant en Xomnia onder andere spelers als de Nederlandse Bank, ING en PWC inspireert door het optimaliseren van schadedossier-analyses met behulp van big data.

Foto: Frank van Donk van Schadegarant (links) en William van Lith van Xomnia (rechts) na afloop van hun presentatie in het Google Lighthouse