BI
2011.09.22

한 데이트정보업체와 보험사의 ‘예측 애널리틱스’ 활용법

Jaikumar Vijayan | Computerworld
이번 주 열린 컴퓨터월드의 BI 및 애널리틱스 퍼스펙티브 이벤트에 참석한 애널리스트들과 IT 관리자들은 운영 및 누적 데이터를 예측 애널리틱스하면 장기적으로 상당한 이익을 얻을 수 있다고 입을 모았다.

보다 과거 지향적인 전통적 BI(Business Intelligence) 기법과 달리, 예측 애널리틱스는 기업들이 역사적 데이터를 토대로 실제 행동에 옮길 수 있는 정보를 수집하는데 초점을 맞춘 것이다.

따라서 예측 애널리틱스를 올바르게 적용하기만 한다면, 기업들은 한층 빠르게 새 기회를 파악해 대처할 수 있다.

키노트 발표를 한 디시전 매니지먼트 솔루션(Decision Management Solution)의 제임스 테일러 CEO는 예측 애널리틱스가 대용량 데이터를 가지고 빨리 결정을 내려야 하는 상황에서 특히 유용하다고 말했다.

그에 따르면 예측 애널리틱스는 위험을 최소화하고, 사기나 엉터리를 판단하며, 새 수익 기회를 창출하는데 도움을 줄 수 있다.

예를 들어 기업은 예측 애널리틱스를 이용함으로써 대출과 신용 위험이나 보험 청구 사기 등을 파악하는 역량을 증진할 수 있다.

더 중요한 장점도 있다. 운영 데이터를 예측 애널리틱스로 분석함으로써 새로운 수익 창출 기회를 파악하는데 도움을 받을 수 있다. 예를 들어 과거 고객의 구매 패턴을 조사해 이들이 좋아할 만한 프로모션 정책이나 할인 쿠폰이 무엇인지 예측할 수 있는 것이다.

블루 크로스 앤 블루 실드 시스템(BCBS)은 이런 예측 애널리틱스를 통해 이미 상당한 이익을 창출하고 있는 기업 중 하나다. BCBS는 미국인 3명 중 1명에 달하는 보험 상품을 제공하는 회사로 오랜 기간 보험 청구와 관련된 많은 데이터를 축적해두고 있었다.

블루 브랜드를 거느린 BCBS 어소시에이션은 몇 년 전 블루 헬스 인텔리전스(BHI)라고 하는 단일 데이터베이스를 구축해 BCBS 산하 39개 사가 각자 관리하고 있는 보험 청구 정보를 통합했다. 이 데이터베이스는 헬스케어 데이터를 가장 많이 보유하고 있는 시설 중 하나다. 약 1억 명이 넘는 사람들의 보험 청구 관련 정보를 포함하고 있다.

BHI는 별개 사업 단위로 운영되면서 보험 가입자에게 더 나은 헬스케어 서비스를 제공할 수 있는 다양한 비즈니스 인텔리전스 서비스를 제공하고 있다. 또 BCBS가 비용을 절감할 수 있도록 지원하고 있다.

BHI의 스와티 애보트 회장 겸 CEO는 프레젠테이션 동안 BCBS가 다른 보험 회사와 마찬가지로 급증하는 비용을 관리할 필요가 있었고, 이에 이런 서비스를 개시했다고 도입 취지를 설명했다.

헬스케어 비용은 만성 질환을 앓고 있는 사람들에게 집중되어 있다. 실제 헬스케어 사용자의 상위 5%가 비용의 55% 이상을 쓰고 있는 실정이다.

BCBS는 축적해둔 방대한 보험 청구 데이터에 예측 애널리틱스 기술을 적용해 만성 질환 환자에게서 비롯되는 위험은 물론, 이런 질병을 앓을 위험이 있는 환자들을 파악하고 있다.

애보트는 "우리는 모든 보험 가입자를 대상으로 건강 점수를 부여하고 있다. 만성 질환 때문에 장기적인 치료가 필요한 정도에 따라서다"라고 설명했다. BHI는 더 나아가 당뇨병과 같이 특정 질병을 대상으로 한 모듈을 개발했다. 기존 데이터를 토대로 특정 개인이 당뇨병에 걸릴 위험이 있는지 예측하는 모듈이다.

개발 목적은 데이터를 이용해 의사들이 위험도가 높은 환자들을 대상으로 더 나은 처치를 하도록 해, 고가의 장기 치료를 받을 확률을 줄인다는 것이었다. 결과적으로 이런 예측 모델링은 의사들이 실적에 따라 보상을 받을 수 있도록 하는 인센티브 기반의 헬스케어 모델을 BCBS가 적용할 수 있도록 해줬다.

온라인 데이트 사이트인 매치닷컴(Match.com) 또한 예측 애널리틱스에 크게 의존하고 있는 기업이다. 이 회사는 다수의 가입자로부터 수집한 많은 정보를 관리하고 있다. 또 이들의 행동을 추적해 데이터를 수집하기도 한다.

매치닷컴의 컨슈머 인사이트 부문 짐 탈보트 디렉터에 따르면 이 회사는 각 가입자의 선호도에 따라 알맞는 짝을 찾을 찾아줘 가입자당 수익을 개선하는 방법을 찾는데 어려움을 겪고 있었다.

가입자들이 원하는 이상형에 대한 정보를 제공하기는 했지만 이런 이상형과는 다른 사람들과 교제를 하곤 했던 것이다. 이런 부분에서 문제가 복잡해졌다.

매치닷컴은 이런 문제를 해결하기 위해 가입자들이 밝힌 이상형뿐 아니라, 실제 교제한 사람과 사이트에서의 행동 양태를 토대로 사람들을 가입자들을 연결해주는 예측 모델을 개발했다.

테일러는 예측 모델에 관심이 있는 회사들은 이를 시작하기 전에 목적을 분명히 해야 한다고 강조했다. 즉 예측 모델을 통해 어떤 종류의 결정을 내릴지 어떤 활동을 활지 미리 알아야 한다는 것이다.

또 좋은 예측 모델을 결정하려면 각 의사 결정마다 비즈니스 규칙을 규정짓는데 초점을 맞출 필요가 있으며, 최고의 결정을 내릴 수 있는 분석을 해야 한다고 그는 덧붙였다. ciokr@idg.co.kr



BI
2011.09.22

한 데이트정보업체와 보험사의 ‘예측 애널리틱스’ 활용법

Jaikumar Vijayan | Computerworld
이번 주 열린 컴퓨터월드의 BI 및 애널리틱스 퍼스펙티브 이벤트에 참석한 애널리스트들과 IT 관리자들은 운영 및 누적 데이터를 예측 애널리틱스하면 장기적으로 상당한 이익을 얻을 수 있다고 입을 모았다.

보다 과거 지향적인 전통적 BI(Business Intelligence) 기법과 달리, 예측 애널리틱스는 기업들이 역사적 데이터를 토대로 실제 행동에 옮길 수 있는 정보를 수집하는데 초점을 맞춘 것이다.

따라서 예측 애널리틱스를 올바르게 적용하기만 한다면, 기업들은 한층 빠르게 새 기회를 파악해 대처할 수 있다.

키노트 발표를 한 디시전 매니지먼트 솔루션(Decision Management Solution)의 제임스 테일러 CEO는 예측 애널리틱스가 대용량 데이터를 가지고 빨리 결정을 내려야 하는 상황에서 특히 유용하다고 말했다.

그에 따르면 예측 애널리틱스는 위험을 최소화하고, 사기나 엉터리를 판단하며, 새 수익 기회를 창출하는데 도움을 줄 수 있다.

예를 들어 기업은 예측 애널리틱스를 이용함으로써 대출과 신용 위험이나 보험 청구 사기 등을 파악하는 역량을 증진할 수 있다.

더 중요한 장점도 있다. 운영 데이터를 예측 애널리틱스로 분석함으로써 새로운 수익 창출 기회를 파악하는데 도움을 받을 수 있다. 예를 들어 과거 고객의 구매 패턴을 조사해 이들이 좋아할 만한 프로모션 정책이나 할인 쿠폰이 무엇인지 예측할 수 있는 것이다.

블루 크로스 앤 블루 실드 시스템(BCBS)은 이런 예측 애널리틱스를 통해 이미 상당한 이익을 창출하고 있는 기업 중 하나다. BCBS는 미국인 3명 중 1명에 달하는 보험 상품을 제공하는 회사로 오랜 기간 보험 청구와 관련된 많은 데이터를 축적해두고 있었다.

블루 브랜드를 거느린 BCBS 어소시에이션은 몇 년 전 블루 헬스 인텔리전스(BHI)라고 하는 단일 데이터베이스를 구축해 BCBS 산하 39개 사가 각자 관리하고 있는 보험 청구 정보를 통합했다. 이 데이터베이스는 헬스케어 데이터를 가장 많이 보유하고 있는 시설 중 하나다. 약 1억 명이 넘는 사람들의 보험 청구 관련 정보를 포함하고 있다.

BHI는 별개 사업 단위로 운영되면서 보험 가입자에게 더 나은 헬스케어 서비스를 제공할 수 있는 다양한 비즈니스 인텔리전스 서비스를 제공하고 있다. 또 BCBS가 비용을 절감할 수 있도록 지원하고 있다.

BHI의 스와티 애보트 회장 겸 CEO는 프레젠테이션 동안 BCBS가 다른 보험 회사와 마찬가지로 급증하는 비용을 관리할 필요가 있었고, 이에 이런 서비스를 개시했다고 도입 취지를 설명했다.

헬스케어 비용은 만성 질환을 앓고 있는 사람들에게 집중되어 있다. 실제 헬스케어 사용자의 상위 5%가 비용의 55% 이상을 쓰고 있는 실정이다.

BCBS는 축적해둔 방대한 보험 청구 데이터에 예측 애널리틱스 기술을 적용해 만성 질환 환자에게서 비롯되는 위험은 물론, 이런 질병을 앓을 위험이 있는 환자들을 파악하고 있다.

애보트는 "우리는 모든 보험 가입자를 대상으로 건강 점수를 부여하고 있다. 만성 질환 때문에 장기적인 치료가 필요한 정도에 따라서다"라고 설명했다. BHI는 더 나아가 당뇨병과 같이 특정 질병을 대상으로 한 모듈을 개발했다. 기존 데이터를 토대로 특정 개인이 당뇨병에 걸릴 위험이 있는지 예측하는 모듈이다.

개발 목적은 데이터를 이용해 의사들이 위험도가 높은 환자들을 대상으로 더 나은 처치를 하도록 해, 고가의 장기 치료를 받을 확률을 줄인다는 것이었다. 결과적으로 이런 예측 모델링은 의사들이 실적에 따라 보상을 받을 수 있도록 하는 인센티브 기반의 헬스케어 모델을 BCBS가 적용할 수 있도록 해줬다.

온라인 데이트 사이트인 매치닷컴(Match.com) 또한 예측 애널리틱스에 크게 의존하고 있는 기업이다. 이 회사는 다수의 가입자로부터 수집한 많은 정보를 관리하고 있다. 또 이들의 행동을 추적해 데이터를 수집하기도 한다.

매치닷컴의 컨슈머 인사이트 부문 짐 탈보트 디렉터에 따르면 이 회사는 각 가입자의 선호도에 따라 알맞는 짝을 찾을 찾아줘 가입자당 수익을 개선하는 방법을 찾는데 어려움을 겪고 있었다.

가입자들이 원하는 이상형에 대한 정보를 제공하기는 했지만 이런 이상형과는 다른 사람들과 교제를 하곤 했던 것이다. 이런 부분에서 문제가 복잡해졌다.

매치닷컴은 이런 문제를 해결하기 위해 가입자들이 밝힌 이상형뿐 아니라, 실제 교제한 사람과 사이트에서의 행동 양태를 토대로 사람들을 가입자들을 연결해주는 예측 모델을 개발했다.

테일러는 예측 모델에 관심이 있는 회사들은 이를 시작하기 전에 목적을 분명히 해야 한다고 강조했다. 즉 예측 모델을 통해 어떤 종류의 결정을 내릴지 어떤 활동을 활지 미리 알아야 한다는 것이다.

또 좋은 예측 모델을 결정하려면 각 의사 결정마다 비즈니스 규칙을 규정짓는데 초점을 맞출 필요가 있으며, 최고의 결정을 내릴 수 있는 분석을 해야 한다고 그는 덧붙였다. ciokr@idg.co.kr

X