Earnix 首席分析官 Reuven Shnaps 博士 – 采访系列

Reuven Shnaps 博士是 Earnix 的首席分析官，Earnix 是一家为全球保险公司和银行提供关键系统的领先供应商。

您最初是什么时候对数据科学和人工智能产生了兴趣？

我一直对数学、数据和它们解决商业挑战的潜力着迷。在我的学术研究和职业生涯中，我一直寻找机会学习统计学、经济学和如何将这些领域应用于了解消费者行为。我钦佩数据科学家、现代统计学家和计量经济学家，他们具有分析大量数据和解决现实世界商业问题的独特能力。我致力于我的职业生涯，将数据科学与传统的统计方法、新的机器学习算法和最新的人工智能应用相结合，创造出为客户提供长期价值的商业解决方案。

什么是 Earnix 的业务？

Earnix 是一家全球软件解决方案提供商，赋予保险公司和银行快速、智能和安全地为消费者提供价格、费率和个性化产品。我们的系统由人工智能和机器学习驱动，包括广泛的 分析建模工具、应用程序和高级算法。最近，Earnix 被列入 2021 年美国“值得关注的保险科技公司”名单，并被科技领域的分析和研究公司 CB Insights 认可为 预测分析市场领导者。Earnix 利用创新技术帮助保险公司和银行实时满足消费者的需求。

最近，Earnix 为我们撰写了一篇关于人工智能中可解释性的重要性的文章。您认为人工智能中的可解释性有多重要？

可解释性是人工智能和数据分析中的一个热门话题，它影响着各个行业的公司，无论它们是否使用人工智能。

大多数公司在控制程度和人工智能的有效性之间存在权衡。为了让企业信任和采用“黑盒”人工智能，需要有一个机制让专家和利益相关者能够解释复杂的人工智能决策过程并确保遵守监管要求。消费者也可以从中受益，因为他们可以理解并潜在地导航关键驱动因素，例如价格、信用或承保决策。可解释性是使复杂人工智能更易理解和透明的桥梁。通过将高级机器学习模型转换为可解释的形式，分析专业人员不必因为缺乏理解而放弃更先进的算法。可解释性最大限度地降低了控制和价值之间的权衡，同时最大限度地提高了人工智能的益处。

可以讨论一下 Earnix 使用的机器学习技术吗？

Earnix使保险公司和银行能够部署最新的人工智能技术，采用企业级、可扩展、基于云的 费率引擎。我们的完全自动化费率引擎可以将模型部署到生产环境中，提供实时、高度个性化的保险和银行产品，以满足消费者的需求。我们的开放平台功能允许与广泛的机器学习模型和平台（如H20、Data Robot和Python）集成。Earnix开发了一个独特的混合模型，有效地利用传统统计建模技术和基于树的机器学习模型的综合力量，用于定价决策。

我们始终致力于发现新的方法，利用机器学习能力来帮助保险公司和银行以直接造福消费者的方式增强其业务。我们目前正在探索智能监控和在线学习、上下文多臂带子（MAB）用于设计高效的套餐测试以及根据客户需求量身定制产品/套餐的方法，以及用于分析高频数据的深度学习算法。通过这种方式，我们帮助保险公司和银行提供更快、更智能、更安全的产品、费率和价格。

人工智能如何现代化银行和保险公司？

依赖传统系统和手动流程的传统保险公司和银行面临着人工智能驱动公司的挑战。人工智能已经创造了一个环境，保险公司和银行必须更快地创新，处理来自多个来源和类型的海量数据，自动化手动操作流程，简化和增强客户体验，提供更个性化的产品和费率，并实现快速上市。它重新定义了保险公司和银行的运营方式，整合人工智能对于保持竞争力和满足消费者需求至关重要。

例如，消费者越来越多地转向基于使用和行为的保险（UBI/BBI）选项，因为他们希望根据自己的使用和驾驶行为来确定汽车保险费率，而不是仅仅依赖于人口统计数据。通过我们的自动化、机器学习和分析能力，保险公司现在可以部署大量的遥测数据，快速部署报价，重新评估消费者风险，并相应地调整价格和产品报价。

是否还有其他关于 Earnix 的信息您想分享？

有很多关于人工智能如何改善业务流程和结果的研究，但没有关于如何将人工智能的力量和潜力结合到业务运营中的可行指南。许多金融服务机构难以将人工智能连接到其运营中。Earnix 的 端到端技术 解决了这一迫切需求和痛点。我为能够在一家利用分析技术开创消费者与银行和保险行业之间深度信任关系的公司工作而感到自豪。

感谢您的精彩回应，希望了解更多的读者可以访问 Earnix。