分類：企業事例 › 証券・保険・資産運用
この事例の要点
- Veriskは、全50州などで認可を受けた「統計代理人」として保険会社からデータを集約して規制当局に報告しており、このサービスを50年以上提供していると説明しています。
- FY2025の連結売上高のうち約83％がホスト型サブスクリプションによるもので、契約は通常1〜5年、毎年自動更新されます。
- 前払いのサブスクリプションが中心のため、同社は運転資本がマイナスの状態で事業を運営してきたと説明しています。
どんな事業か
Verisk Analytics, Inc.は、グローバルな保険業界向けのデータ分析・テクノロジー企業です（Form 10-K、FY2025〔2025年1〜12月〕）。報告セグメントは「Insurance」の一つで、主に米国の損害保険（P&C）会社に対し、損失予測、リスクの選別と価格設定、規制当局への報告といった保険事業の基礎部分を支えるサービスを提供しています（Form 10-K、FY2025）。
この事業の入口になっているのが、規制への対応です。米国の損害保険会社は、事業を行う各州の規制当局に保険料や損失の統計データを報告する義務があります。同社は全50州などで認可を受けた「統計代理人（statistical agent）」として、保険会社からデータを集約し、規制当局に報告しています（Form 10-K、FY2025）。このサービスを50年以上提供していると説明しています。
保険会社は報告のためにデータを預け、同じ会社から、統計にもとづく分析や約款の文言を受け取るという関係です。
収益の仕組み
収益は、ホスト型サブスクリプション、アドバイザリー・コンサルティング、取引ごとの課金によるソリューションから得ています（Form 10-K、FY2025）。
- サブスクリプションは通常1〜5年の契約で、毎年自動更新され、四半期ごとまたは期首に前払いされるのが一般的です。
- サブスクリプションの例として、標準化された保険約款の文言、保険金詐欺のデータベース、保険数理サービスへのアクセスが挙げられています。
- 商業ビルの保険料算定用の物件情報照会など、取引ごとに課金するソリューションもあります。
FY2025の連結売上高のうち約83％（FY2024は約81％）がホスト型サブスクリプションによるものでした（Form 10-K、FY2025）。前払いのサブスクリプションが中心のため、同社は運転資本がマイナスの状態で事業を運営してきたと説明しています（Form 10-K、FY2025）。
数字で確かめる
- FY2025の売上高は3,072.7百万ドルで、前年の2,881.7百万ドルから6.6％増（Form 10-K、FY2025）。継続契約が中心の収入が、前年から上積みされていることが読み取れます。
- 内訳はUnderwriting（引受）が2,179.9百万ドル、Claims（保険金支払）が892.8百万ドル（Form 10-K、FY2025）。保険を引き受ける段階の判断を支えるサービスが収入の中心であることが読み取れます。
- 2025年に損害保険会社から送られた保険取引の明細レコードは約36億件で、引受用データベースには389億件以上の統計レコードがあると記載しています（Form 10-K、FY2025）。毎年の報告を通じてデータが蓄積され続ける構造であることが読み取れます。
Otsumuの読み解き：なぜ成り立つのか
ここからはOtsumuの考察です。データ活用ビジネスの型で最も難しいのは、データを出してもらう理由を作ることだと考えられます。この事例では、規制上の報告という、保険会社がいずれにせよ行わなければならない業務を引き受けることが、データの入口になっています。提供する側にとっても必要な業務であるため、データを集めるための特別な動機づけが要らない構造だと読めます。
もう一つの条件は、届け先が専門領域の判断だという点です。保険料の設定や引受の可否は、保険会社にとって事業の根幹であり、根拠を説明できないデータは使えません。Otsumuは、専門家の判断に組み込まれるには、データの信頼性と、結果がなぜそうなるかを説明できることが重要になると見ます。一般向けの分析サービスと同じ前提は置けないと考えられます。裏側では、入力データの品質の確認、統計の作り方の一貫性の維持、専門家による確認が継続的な仕事になると読めます。
トレードオフは、参入の難しさが自社にも当てはまることです。認可や長年の蓄積が土台になっている構造は、後から始める事業者がそのまま再現できるものではありません。持ち帰れるのは、業界の各社が単独でやると手間のかかる共通業務を入口にする、という考え方の部分だとOtsumuは見ます。
自社事業に持ち帰る問い
- 対象とする業界に、各社が単独でやると手間がかかり、どの会社もやらざるを得ない共通の業務はありますか。
- その業務を引き受けた場合、どんなデータが、どの頻度で、継続して集まりますか。
- 分析の結果は、誰の、どの判断に使われますか。その人は、結果の根拠をどこまで説明できる必要がありますか。
- 料金を前払いで受け取れるだけの必要性を、顧客は感じていますか。
小さく試すなら
- 対象とする専門家の判断を一つに絞ります。たとえば、ある種類の案件を引き受けるかどうか、といった範囲の狭い判断です。
- その判断に使う入力データを少数の協力先から集め、欠けている項目、表記のゆれ、誤りの割合を調べます。入力の品質が分析に耐えるかどうかを最初に確かめます。
- 簡単な分析結果を作り、結果と一緒に、どのデータからどう導いたかの説明を付けて専門家に見せます。専門家がその説明で納得できるか、どこを確認したがるかを記録します。
- 2〜4週間の試作を通じて、入力の品質、分析結果、専門家の確認が一つの流れとしてつながるかを見ます。専門家が確認のうえで実際の判断に使えると言えば、対象の判断を一つ増やします。説明が足りないと言われた場合は、分析の精度より先に、根拠の示し方を見直します。
資料の位置づけ
企業・サービス：Verisk Analytics, Inc. / 損害保険業界向けデータ分析・統計代理サービス。参照資料の対象：FY2025（2025年1〜12月）Form 10-K。このページは公開情報にもとづく学習用の分析です。Otsumuの支援実績や当該企業との取引関係を示すものではありません。示唆と検証案はOtsumuの考察であり、企業自身の見解とは区別しています。
参考資料と編集について
zigyo.ai の関連ナレッジ ↗をもとに、Otsumuが検証・実装・運用の観点から再編集しました。制度・仕様・サービスの現況は、各提供元の最新情報をご確認ください。
編集：Otsumu株式会社 ／ 編集日 2026.09.20