HackYeah 2018 | Aviva Polska

W dniach 24-25 listopada podczas HackYeah razem z uczestnikami hackathonu pracowaliśmy nad zadaniami, które wybraliśmy na Bootcamp Aviva Polska #Data in #Insurance. Stawka była naprawdę bardzo wysoka, bo oprócz niezapomnianego doświadczenia, dwie grupy zgarnęły 15 tysięcy złotych!

Temat: HackYeah 2018

Data: 24-25.11.2018 r.

Miejsce: Global Expo Warsaw Poland

HackYeah to największy hackathon stacjonarny w Europie - w tej edycji zarejestrowano 3 100 osób. Podczas dwudniowego wydarzenia zespoły programistów zaciekle rywalizowały ze sobą o miano zwycięzcy i nagrody pieniężne. W ciągu 24 h próbowali rozwiązać konkretne problemy, będące jednocześnie zadaniami konkursowymi. W tym roku czekały na nich zadania otwarte w kategorii zdrowie, finanse i inwestycje oraz edukacja oraz te od partnerów.

Wśród nich znalazła się Aviva, jako jedyna firma z branży ubezpieczeniowej, która zaproponowała rozwiązanie specjalnych zadań w oparciu o aktualne potrzeby: zero pytań i pogromcy mitów (zdrowotnych). Dwa wygrane zespoły stworzyły narzędzia dla ubezpieczycieli na miarę XXI wieku. Dziękujemy Wam za wsparcie! Wierzymy, że zwycięskie pomysły uda się szybko wdrożyć i rozwinąć w naszej firmie.

Zadania

Sprawdź, nad jakimi zagadnieniami w branży ubezpieczeniowej pracowaliśmy podczas HackYeah 2018.

Więcej informacji o Bootcampie znajdziesz tutaj.

Zero pytań

Ubezpieczyciele, aby dokonać właściwej oceny ryzyka, muszą zadawać wiele pytań. Proces jest bardzo czasochłonny i niewygodny zarówno dla klienta, jak i ubezpieczyciela. Czy musimy zadawać wszystkie te pytania? Nie możemy zebrać wymaganych danych z Internetu?

Wszyscy wiemy, że Internet jest pełen wszelkiego rodzaju danych, ale problematyczną kwestią jest to, jak skutecznie je zebrać i uformować tak, by były przydatne dla ubezpieczyciela. Część tych danych może zostać wykorzystana do zastąpienia aktualnie zadawanych pytań, ale może uda się znaleźć nowe typy danych, które można wykorzystać do dokładniejszej wyceny oferty.

Co można zrobić?

  1. Research w Internecie, znalezienie wszystkich danych, które tworzą widok 360 ° firmy, np. dane od rządu (GUS, KRS), aktualności, media społecznościowe, własna strona internetowa i wszelkie inne cyfrowe ślady. Dla nas ciekawą informacją mogą być: wypadki przy pracy, warunki bezpieczeństwa, rotacja pracowników, certyfikaty (np. ISO), nagrody, świadczenia medyczne, pracownicy zatrudnieni, dane finansowe (np. Przychody, wynagrodzenia), struktura demograficzna pracowników, perspektywa rozwoju firmy itp.
  2. Znaleźć połączenia z innymi firmami, być może są interesujące dane, które mogą wzbogacić analizę.
  3. Dowiedzieć się, jak uporządkować dane, aby ułatwić ich odczytywanie, analizowanie i używanie w dalszych procesach. Na przykład: oddzielenie oficjalne danych od plotek, czy podsumowanie wiadomości zamiast wyświetlania pełnego tekstu (słowa kluczowe, temat, podtytuł).
  4. Zaprojektuj interfejs użytkownika do wyszukiwania firmy według NIP, REGON lub nazwę i listę wszystkich zebranych danych w przyjazny i zorganizowany sposób, jak opisano powyżej.
  5. Przedstaw (jako minimum) rozwiązanie do gromadzenia i strukturyzowania danych z Internetu na temat konkretnej firmy i projekt interfejsu.

Pogromcy mitów (zdrowotnych)

Modelowanie informacji o zdrowiu oparte na poważnych chorobach w geograficznej dystrybucji z dużym wykorzystaniem danych.

Oczekiwany wynik: stworzenie algorytmu i narzędzia, które pozwolą użytkownikowi sprawdzić: "Jak zdrowe jest miejsce, w którym mieszkam?"

Na początku należy:

  1. Użyć publicznych źródeł danych.
  2. Wskazać nowe źródła danych (w tym komercyjne), które warto wykorzystać w modelu i wyjaśnić, dlaczego powinniśmy uwzględnić je w mapowaniu.
  3. Zaproponować całkowicie nowe podejście do gromadzenia danych dla powstającego modelu / algorytmu i pokazać, jak z niego korzystać w przyszłości do takiego mapowania.

Analiza i działanie:

  1. Zbieranie danych z dostępnych źródeł - korzystanie z zasobów internetowych.
  2. Wybór kluczowych danych do algorytmu - decyzja zespołu, które dane włączyć do algorytmu i jaką wagę im przypisać.
  3. Planowanie i rozwijanie algorytmu zgodnie z wiedzą ekspercką zespołu.  
  4. Opracowanie interfejsu dla użytkowników - mapa, przeglądarka dla użytkownika, wyszukiwarka i może coś zupełnie nowego - decyzja i pomysł zespołu.
  5. Rozwijanie zdolności narzędzia / algorytmu do aktualizacji danych i zmiany ich wagi (np. dane dotyczące zgonów mogą być dwa razy ważniejsze niż odległość do kliniki medycznej lub szpitala).

Wynik:

  1. Wskazanie aktualnych i przyszłych zbiorów danych.
  2. Algorytm umożliwiający ładowanie danych o odpowiedniej wartości opracowanej przez zespół.
  3. Propozycja interfejsu użytkownika (makieta, która pozwala użytkownikowi sprawdzić, "jak zdrowe" jest wybrane miejsce) zgodnie ze wskazaną lokalizacją.
  4. Weryfikacja elastyczności algorytmu poprzez dodanie kolejnych zmiennych do algorytmu lub zmianą wagi.

Więcej informacji

Sprawdź