Страховая компания «Гелиос» завершила масштабный технологический проект: совместно с интегратором GlowByte в компании развернули интеллектуальный контур андеррайтинга на базе решения TALYS.SDE (вендор Data Sapience). В рамках проекта параллельно запущена модель машинного обучения (ML) для расчёта тарифов ОСАГО — она учитывает полный профиль клиента и автомобиля, позволяя формировать персонализированные предложения.
Проект стал одним из первых в сегменте небольших страховщиков, где система принятия решений промышленного класса внедрена в полном объёме. Это создаёт прочную технологическую основу для масштабирования бизнеса и усиления конкурентоспособности компании.
Что изменилось в процессах андеррайтинга
До внедрения TALYS.SDE процесс принятия решений в «Гелиос» был недостаточно прозрачным, а любые корректировки логики требовали длительных согласований и участия ИТ‑специалистов — на это уходили недели и даже месяцы. Модель машинного обучения для ОСАГО не использовалась, а тарификация строилась по табличным правилам, не позволявшим учитывать индивидуальные факторы риска.
После запуска системы ситуация кардинально изменилась:
- Скорость и гибкость. Изменения в правилах приёма на страхование теперь можно вносить за часы без привлечения разработчиков.
- Прозрачность решений. Каждое решение по заявке стало объяснимым, проверяемым и управляемым.
- Персонализация тарифов. ML‑модель на Python анализирует весь доступный массив данных по клиенту и авто и формирует тариф, точнее отражающий реальный уровень риска.
В результате аккуратные водители и автомобили с низким риском получают справедливую стоимость полиса, а компания быстрее обрабатывает заявки.
Как это работает для бизнеса и клиентов
Для бизнес‑пользователей «Гелиос» открыт единый интерфейс, где они могут самостоятельно формировать и запускать стратегии андеррайтинга — без программирования и длительных циклов разработки. Это возвращает контроль над логикой принятия решений непосредственно в руки профильных специалистов.
Для клиентов эффект выражается в сокращении времени рассмотрения заявок и более гибком подходе к расчёту стоимости полиса: тариф становится индивидуальным и максимально соответствующим профилю риска.
Планы на будущее
В перспективе функционал планируют масштабировать на другие направления страхования — в первую очередь на страхование имущества и ипотеки. Также в планах — расширить пул моделей машинного обучения, чтобы повысить конверсию и эффективнее работать с удержанием клиентов.