Teknologi + forretning = magi

Emanuele Lapponi og Yasaman Faridpouya, som har skrevet blogginnlegget, skaper litt magi hver dag.

Vi sitter på gullet

Vi i Fremtind er så heldige at vi hver dag får titalls tilbakemeldinger fra kundene våre på hvordan de opplever å bruke forsikringen sin hos oss. Vi sender nemlig ut tilfredshetsundersøkelse til alle kunder som har fått skadesaken sin ferdigbehandlet.

Emanuele og Yasaman tar en prat om sentimentanalyse.

Dette er utrolig viktig datafangst for oss. Vi må forstå hvordan kundene opplever produktene og tjenestene våre, våre kanaler og prosesser. Og like viktig, vi må forstå hvordan de opplever kommunikasjonen vår i alle kontaktpunkter.

…datafangst alene har ingen verdi hvis det ikke leder til handlinger og endringer.

Uten denne innsikten vet vi ikke hvordan bli bedre. Uten denne innsikten vet vi ikke hva som må til for å møte kundenes forventninger og behov. Uten denne innsikten vet vi ikke hva som er viktigst for kundene våre. Men datafangst alene har ingen verdi hvis det ikke leder til handlinger og endringer. Denne dataen er samtidig ferskvare, fordi kundens behov og forventninger er i stadig endring. Dette betyr at veien fra data til innsikt til verdiskapning blir svært kritisk.

Veien fra data til innsikt til verdiskapning er kritisk.

Så, hvordan gjør vi det? Det er når vi smelter sammen maskinlæring og språkteknologi, også kalt NLP (Natural Language Processing), med forretning, at vi evner å skape magi. Datafangst går da fra å være rådata til å bli noe ekstremt verdifullt — veldig raskt — og til noe som faktisk kan anvendes til å drive kontinuerlig utvikling og forbedring for å sikre fornøye kunder. Og fornøye kunder er svært viktig for oss!

Det er når vi smelter sammen maskinlæring og språkteknologi, med forretning, at vi evner å skape magi.

I følge Emanuele Lapponi, har ML-innsatsen i forsikringsbransjen så langt vært mest anvendt til prising og risikomodellering. Men denne teknologien kan brukes til så mye mer. Vi sitter på enorme mengder med tekstdata som vi for det meste behandler manuelt. Det er både ressurs- og tidskrevende. Så hvorfor ikke jobbe smartere og anvende NLP til å bearbeide tekstdata?

Dette er appen vi bruker for å sortere tilbakemeldingene etter scores, med forskjellige AI-modeller.

I kundetilfredshetsundersøkelsen ber vi kunden om å gi oss terningkast og en skriftlig tilbakemelding. Terningkast er en ganske god indikator på kundens opplevelse av oss, men det det forteller oss ikke hva som var bra, hva som gikk galt og hva som kunne ha vært bedre. Det sier oss egentlig svært lite om kundens behov.

Gullet ligger i fritekstfeltet. Det er det kunden skriver med egne ord som faktisk hjelper oss med å tyde terningkastet. Vi har derfor begynt å kombinere terningkast med NLP-systemer for å bedre og raskere forstå kundens opplevelse av prosessene våre og hva kunden har opplevd som problematisk, uavhengig av terningkast. Det fine med språkteknologi (NLP) er at teknologien tillater oss å bruke tiden vår mer effektivt. Mens denne teknologien anvendes til å tolke og sortere tekstdata raskt, og måle hvor gode vi er på akkurat det vi ønsker å bli bedre i, anvender vi de beste folkene våre til drive med kontinuerlig forbedring og utvikling av produkter, tjenester, kanaler og prosessene våre.

Men det jeg synes er kulest av alt, og som Emanuele Lapponi er enig i, er at vi har klart å bygge opp en høykompetent og forskningsdrevet NLP-miljø i Fremtind, der løsningene utvikles in-house i tett samarbeid mellom forretning og tekniske avdelinger. I denne artikkelen har vi bare nevnt ett av flere områder vi tar i bruk vår NLP-ekspertise. Vi kan jo ikke avsløre alt 😊 Men jeg tørr å si at vi er på god vei, og at vi har en utrolig spennende reise foran oss.