[보험] IoT시대 보험을 위한 준비

■ 한 사람의 하루 일과 속에서 뽑을 수 있는 premium pricing data
(1) 취침시간, 기상시간 [핸드폰 내에 앱을 통해 데이터 취합]
- 핸드폰 사용 멈춘 시간

(2) 출퇴근 정보 [핸드폰 내에 앱을 통해 데이터 취합]
- 핸드폰 위치 정보로 출퇴근 방식과 운송수단에 노출되어 있는 시간을 파악할 수 있음

(3) 회사 정보 [핸드폰 내에 앱을 통해 데이터 취합]
- 업무 시간 대에 위치한 위치 정보로 어느 업체에 근무하는지 알 수 있음
- 위치에 얼마나 계속 위치하는지에 의해서 사무직인지 외근직인지 알 수 있음
- 사무직인지를 파악하면 사무직은 운동부족 가능성이 높으므로, 운동 어플에 있는 정보를 통해 건강 관리를 하는지를 알 수 있음, 또는 퇴근 전후 시간대에 운동 시설에 위치하는 시간이 있는 것으로 운동 여부와 운동시간을 파악할 수 있음

(4) 점심, 저녁 식사 결제 정보 [핸드폰 내에 앱을 통해 데이터 취합 + 신용카드 등 결제 정보를 취합해야 함]
- 점심, 저녁 식사 결제 정보를 통해, 어느 식당에서 어떤 종류의 음식을 먹었는지 알 수 있음.
- 그 음식의 칼로리 등을 파악할 수 있음
- 함께 식사한 사람의 수 파악을 통해 식사량을 파악할 수 있음

(5) 퇴근 후 생활 패턴 [핸드폰 내에 앱을 통해 가정 내의 TV, 세탁기, 건조기, 식기세척기, 노트북 등과 통신하면서 데이터를 수집해야 함]
- TV 플레이 시간, 넷플릭스 플레이 시간, 왓챠 플레이 시간 등을 통해 운동을 하지 않은 시간을 계산할 수 있음

(6) 스마트 워치 [스타트 워치 앱과 핸드폰 내의 앱이 연동되어서 데이터를 수집해야 함]
- 스마트 워치를 통해 심박수 정보 및 위치 정보를 계속 파악할 수 있음
- 통화 음성 데이터와 문자 텍스트 데이터, 구글 검색 기록 데이터를 통해 어떤 사람과 주로 만나는지를 파악할 수 있다.
- 사람들 간에 네트워킹 데이터를 파악한 후, 전염병의 근원지를 파악할 수 있다.

■ 의료 데이터, 사고 데이터
(1) 병원 의료 데이터
- 위 생활 패턴 데이터를 가진 사람이 병원에서 어떤 치료를 몇 세에 결국 받게 되는지 데이터를 연결시킨다.

(2) 교통 사고 데이터
- 위 생활 패턴 데이터를 가진 사람이 교통 사고가 어디서 어느 계절에 어느 날씨에 어떤 시간대에 자주 발생하는지 알아보기 위해 데이터를 연결시킨다.