Branża ubezpieczeniowa charakteryzuje się ogromną liczbą produktów i ich wariantów, co sprawia, że manualny wybór optymalnej oferty dla klienta jest procesem czasochłonnym i wymagającym dużego doświadczenia. Startup fintechowy stanął przed wyzwaniem stworzenia systemu rekomendacyjnego, który wspierałby brokerów w szybkim i precyzyjnym dopasowywaniu ofert do potrzeb klientów, uwzględniając potrzeby klientów i kluczowe parametry ubezpieczeń. Ważnym aspektem była również konieczność minimalizacji kosztów i czasu potrzebnego na zebranie danych niezbędnych do stworzenia modelu rekomendacyjnego.

Projekt rozpoczął się od szczegółowej analizy wymagań biznesowych oraz specyfiki rynku ubezpieczeń. Kluczowym etapem było uszczegółowienie celu projektu we współpracy z brokerami, co pozwoliło na dokładne określenie potrzebnych funkcjonalności systemu. Ze względu na to, że brokerskie oparte są na ich doświadczeniu, zdecydowano się na stworzenie niestandardowego modelu matematycznego, łączącego tradycyjne metody dystansowe z nowoczesnymi algorytmami optymalizacji wielowymiarowej.
Aby ograniczyć koszty i czas potrzebny na pozyskanie danych, wdrożono niestandardowy proces zbierania informacji, w którym aktywnie uczestniczyli eksperci z branży ubezpieczeniowej. To podejście pozwoliło na szybkie i efektywne zgromadzenie wysokiej jakości danych, które były następnie wykorzystane do trenowania modelu rekomendacyjnego.
Model ten umożliwiał analizę cech poszczególnych ofert ubezpieczeniowych i ich wariantów, uwzględniając potrzeby oraz preferencje klienta. Finalna wersja systemu została zaimplementowana w postaci aplikacji rekomendującej, która mogła być bezpośrednio zintegrowana z systemami brokerów oraz dostawców danych. Dodatkowo powstała interaktywna aplikacja testowa, która umożliwiła ekspertom branżowym ocenę działania modelu i jego skuteczności w rzeczywistych warunkach. Dzięki temu możliwe jest też dalsze udoskonalenie rozwiązania.

Efektem wdrożenia była pozytywna ewaluacja systemu przez ekspertów branżowych, co otworzyło drogę do dalszej komercjalizacji rozwiązania.
Projekt dostarczył innowacyjne narzędzie wspierające brokerów w codziennej pracy, pozwalając na szybsze i bardziej trafne dobieranie ofert ubezpieczeniowych.

Wdrożenie systemu rekomendacyjnego rozpoczęto od dogłębnej analizy procesów decyzyjnych brokerów oraz specyfiki produktów ubezpieczeniowych. Następnie zaprojektowano unikatowy model matematyczny, który łączy metody dystansowe z zaawansowaną optymalizacją wielowymiarową, umożliwiając precyzyjne dopasowanie ofert do potrzeb klientów. Istotnym krokiem było stworzenie efektywnego procesu zbierania danych na potrzeby modelowania, w którym uczestniczyli eksperci ubezpieczeniowi, co pozwoliło na znaczną redukcję kosztów i czasu pozyskania informacji.
Po zgromadzeniu danych nastąpił etap budowy i testowania modelu, a także stworzenie aplikacji rekomendacyjnej zintegrowanej z systemami brokerów. Dodatkowo przygotowano interaktywne narzędzie ewaluacyjne, które umożliwiło ekspertom branżowym ocenę działania modelu i jego zgodności z rzeczywistymi wymaganiami rynku.

W budowie systemu rekomendacyjnego zastosowano zaawansowane algorytmy optymalizacji wielowymiarowej oraz metody dystansowe, które pozwoliły na efektywne grupowanie i porównywanie ofert ubezpieczeniowych. Kluczowym elementem procesu modelowania była personalizacja rekomendacji poprzez uwzględnienie preferencji klienta oraz historycznych danych decyzyjnych brokerów. Model został zintegrowany z systemami dostawców danych i brokerów, co pozwoli na jego bezproblemowe wdrożenie w rzeczywistych warunkach biznesowych.