米保険業界の一部では最近、ビッグ・データ解析とそれによるリスク査定、そして予想分析によって大きなコスト削減を図っている。
　
　たとえば、同じ車種の社用車50台を運用して事業展開する会社が、社用車群の整備予算として年間5000ドルを組んでいる場合、どの車がどれほど使われ、走行距離に応じてどの部分がどのくらいの確からしさで故障するかを予想できれば、整備予算の使い方を最適化できる。
　
　その概念にもとづいて各種のリスクを査定し、保険加入顧客（被保険会社）の保険金請求額を減らそうという試みが保険業界で進んでいる。
　
　CFO誌によると、各種のリスクのなかでも損害額査定が難しいのが自然災害被害だ。保険会社はそこで、顧客企業の所有物件を地理的リスク（たとえば洪水地帯であるとか）と、不備によるリスク（たとえば防火設備の不備）をもとに保険対象物件の危険度を基準化するしくみを導入している。
　
　リスク基準化識別は、保険加入顧客企業にとっても、所有物件のリスクを把握するのに役立つ。
　
　たとえば、高リスク上位25％に分類される物件が消失する確率は、低リスク25％に分類される物件より7倍も高く、保険会社へのコストには30倍の開きが出る。
　
　保険会社の一部は現在、被保険会社物件の現状に関するデータや、当該地域に関する過去のほぼすべての自然災害データを解析し、被災確率や被災時の打撃、損害額を予想し、その内容を被保険会社のCFOらに開示して予算配分を再検討するよう助言している。
　
　たとえば、ハリケーンが頻繁に通過する地域内の低地に顧客企業の社屋が立地していたり、あるいは、竜巻多発地域にある顧客物件の減災対策や減災設計が不十分だったりといった場合に、解析結果と分析予想によって対策を強化できるようにすることで、被災時の損害を最小限化できる。保険会社はそれによって、保険金請求額を大幅に縮小できると考えている。
　
　【http://ww2.cfo.com/analytics/2017/04/analytics-helping-curb-insurance-losses/】(U.S. Frontline News, Inc.社提供）