Переосмыслив модели прогнозной аналитики сейчас, страховщики могут стать более устойчивыми не только к непосредственной проблеме COVID-19, но и к гораздо более долгосрочным последствиям изменения климата и других непредвиденных событий, повышающих риск.
Никакие наборы больших данных, прогнозная аналитика или машинное обучение не могли предсказать текущее положение дел. Проблемы, связанные с пандемией COVID-19, конечно же, поражают воображение. Пандемия позволяет легко забыть об огромных страховых убытках от стихийных бедствий и в этом году. Итак, когда мир находится в таком нестабильном состоянии, что это означает для прогнозной аналитики, используемой страховщиками?
В мире перед пандемией страховщики вкладывали огромные средства в свои возможности прогнозной аналитики. Например, прошлогодний отчет Willis Towers Watson показал, что 70% страховщиков жизни, опрошенных в Северной Америке, применяют прогнозную аналитику.
Эта технология уже используется в нескольких областях бизнеса и в широком диапазоне сценариев. Некоторые из важных внедрений прогнозной аналитики включают предотвращение оттока клиентов, оптимизацию резервов убытков и выплат по претензиям, оценку оптимальных стратегий управления судебными разбирательствами и, конечно же, обеспечение более точной оценки рисков при ценовой политике.
Однако с учетом того, что правительственные меры реагирования на пандемию по-прежнему радикально меняются в короткие сроки (например, европейские страны снова ввергнуты в режим изоляции), эффективность существующих моделей прогнозной аналитики, несомненно, ставится под сомнение. Как отрасль, страховщики сейчас ведут многосторонний диалог, поскольку должны обеспечить развитие своих моделей в соответствии с этой новой средой рисков. Это сделано для того, чтобы быть более устойчивыми не только к непосредственной проблеме COVID-19, но и к гораздо более длительным последствиям изменения климата.
Нет ничего священного: постоянно исследуйте все заново
В первую очередь следует начать с оценки и аудита существующих моделей. Вот некоторые важные области, которые необходимо включить в любой аудит:
Частота подачи заявок: политика в отношении личных линий особенно пострадала из-за COVID-19. В домах, занятых весь день из-за работы на дому, будет меньше краж со взломом, но вероятность случайного повреждения обязательно возрастет. Менее загруженные дороги могут привести к устойчивому снижению количества мелких дорожно-транспортных происшествий, но, возможно, могут увеличить количество несчастных случаев со смертельным исходом, поскольку люди едут быстрее по пустым дорогам.
Точки персональных данных: насколько надежны допущения, лежащие в основе точек данных, используемых для расчета премий, таких как кредитный рейтинг? Миллионы страхователей могут столкнуться с ухудшением своих кредитных рейтингов из-за экономического воздействия COVID-19, так что будут ли существующие предположения о моделировании рисков с этими данными все еще верны в этом контексте?
Исключения из покрытия: это постоянно развивающаяся область, поскольку мы ожидаем дальнейших важных решений в юрисдикциях по всему миру, касающихся покрытия COVID-19.
Затем эти модели необходимо будет пересматривать и повторно калибровать на гораздо более регулярной основе, чтобы лучше управлять постоянными изменениями, которые мы наблюдаем в новой среде рисков.
Обеспечение качества и актуальности сторонних данных
Доступ к ценным сторонним источникам данных может быть дорогостоящим и трудоемким для страховщиков. Это неизбежно может привести к менталитету «установил и забыл». Но поскольку эффективность прогнозной аналитики зависит от качества и актуальности анализируемых данных, страховые компании должны уделять этому особое внимание.
Во многом это будет зависеть от детализации данных. Например, если вы страховая компания и страхуете наемных работников, отражают ли ваши данные о заражении COVID-19 уровни заражения на рабочих местах, и если да, то разделяются ли они по разным рабочим местам?
Помимо обеспечения качества и актуальности, страховщики должны также убедиться, что у них есть опыт для надлежащего анализа и интерпретации этих данных. Например, интерпретация метеорологических данных для моделирования воздействия изменения климата на застрахованные активы является сложным процессом, если не сказать больше. Таким образом, создание групп, таких как совет по климатическим рискам, который наблюдает за климатическими рисками и интерпретирует данные прогнозной аналитики, может помочь сформировать более информированные стратегии, от андеррайтинга до планирования резких скачков убытков.
Страховщики также не должны упускать из виду силу сотрудничества. Работа с научными сообществами может помочь страховщикам понять, как принимать более обоснованные решения на основе более широких данных и подробных оценок рисков.
В целом, ответственность за проверку качества своих источников данных лежит на страховщике. Каталогизация данных и постоянное обновление процессов управления информацией могут отнять у страховщиков много времени, но могут снизить риск использования нерелевантных или некачественных сторонних данных.
Создание оптимальной вертикальной интеграции
Многие страховщики подходят к прогнозной аналитике как к инструменту андеррайтинга и актуария. Однако объединение этой технологии в единую бизнес-функцию создает огромное количество упущенных возможностей.
В рамках обработки претензий следует развернуть аналитику, чтобы обеспечить более точные резервы на этапе FNOL и на протяжении всего процесса урегулирования убытка. Это особенно полезно во время событий «черного лебедя», таких как COVID-19, а также при динамических событиях, связанных с изменением климата, таких как лесные пожары. Аналитику также следует развернуть с целью снижения нагрузки на внутренние ресурсы во время всплеска требований, например, посредством частичной автоматизации расчетов выплат по требованиям в рамках определенных критериев.
Еще одна область применения в отрасли - более эффективное управление стадией судебного разбирательства. Это, конечно, очень уместно в нынешнем деловом климате, учитывая поток судебных дел, с которыми страховщики столкнулись, разбираясь со страхователями, исключенными из покрытия убытков, связанных с COVID-19. Аналитика, развернутая в этой настройке, может помочь страховщикам принимать более обоснованные решения о том, рассчитываться по убытку или нет.
В конечном итоге, учитывая продолжающееся воздействие COVID-19 и постоянно увеличивающееся количество экстремальных погодных явлений, внедрение эффективных решений для прогнозной аналитики во всех бизнес подразделениях поможет страховщикам выйти в новый цифровой мир. Однако эффективность этого зависит от большого количества переменных, которые страховщики должны разумно контролировать.
Наконец, в отличие от COVID-19, у страховой отрасли есть шанс подготовиться к тому, что принесет изменение климата. Для эффективной подготовки потребуются дальновидные лидеры, которые смогут принять участие в эволюции прогнозной аналитики, чтобы обеспечить соответствие своего бизнеса требованиям будущего и адекватную защиту страхователей.
Подготовлено порталом Allinsurance.kz