Неожиданное получение страховой отраслью потока альтернативных данных не только предоставило невероятные выгоды, но и обозначило «красные флажки».
Страхование всегда было бизнесом, основанным на данных - просто спросите любого актуария или страховщика. Тем не менее, невероятный объем личной информации, доступной через носимые устройства, сторонние агрегаторы и другие альтернативные источники, а также развивающиеся технологические инструменты, чтобы осмыслить все это, не только принесли невероятную выгоду отрасли, но и увеличили появление «красных флажков».
В обзоре Deloitte «Перспективы страхования 2020 года: страховые компании адаптируются к росту в условиях нестабильной экономики» постоянно обсуждается тема о том, как страховщики должны поднять аналитику на новый уровень и использовать альтернативные источники данных для расширения взаимодействия с цифровыми потребителями. Перспективы также подчеркивают обратную сторону, рассматривая потенциальные подводные камни расширенного доступа к данным и их анализа, в том числе соображения кибербезопасности и конфиденциальности.
Речь о качестве, а не количестве
Имея столько информации в режиме реального времени и получая гораздо больше информации от датчиков в транспортных средствах, домах, коммерческих зданиях, оборудовании и предметах одежды, страховщики, пытающиеся все это понять, могут чувствовать, что они пытаются пить из пожарного шланга. Еще больше не обязательно означает, что это лучше. Действительно, некоторые аналитики предупредили, что страховщики могут утонуть в потоке данных, если они не будут осторожны с тем, как они анализируют и используют всю эту новую информацию.
Например, некоторые ученые поставили под сомнение эффективность инвестиций в автомобильную телематику. Сколько стоит сбор и использование всех собираемых данных о поведении вождения в сравнении с полученными относительными выгодами?
Как влияют модели вероятности потерь и ценообразования? Каковы результаты принятия решений по андеррайтингу и ценообразованию на основе телематики в сравнении с использованием традиционных прокси-данных, таких как возраст, тип транспортного средства или кредитный рейтинг? Вероятно, необходимо провести дополнительные исследования, прежде чем страховщики смогут уверенно сказать, является ли телематика надежным прогнозирующим инструментом - и если да, то достаточно телематика надежна, как прогнозный инструмент, чтобы существенно повлиять на итоги бизнеса.
Некоторые специалисты даже задавались вопросом, стоит ли обсуждать традиционные и альтернативные данные автострахования, учитывая продолжающиеся эксперименты с автономными автомобилями. Если транспортные средства без водителя станут правилом, а не исключением где-то в будущем, это может в конечном итоге привести к устареванию не только телематики, но и традиционного автомобильного полиса, исключив водителей из уравнения, перенеся риск в основном в сферу страхования продукта и профессиональной ответственности. Учитывая такую неопределенность, сколько страховщики должны инвестировать в сбор и анализ таких данных в краткосрочной перспективе?
Конечно, сенсоры - это больше, чем просто автострахование - данные через встроенные устройства дополняются альтернативной информацией, получаемой из социальных сетей, сторонних агрегаторов и даже дронов. Самый большой вопрос, вероятно, будет не в обеспечении доступности, а в использовании. Как можно использовать искусственный интеллект (ИИ) и расширенную аналитику, чтобы генерировать действенные идеи и позволить страховщикам монетизировать все эти исходные данные? Как расширенные возможности подключения и альтернативные данные могут помочь заново изобрести традиционные страховые полисы и повлиять на разработку продукта?
Проблемы конфиденциальности на подъеме
Между тем, страховщики должны ожидать активную дискуссию о конфиденциальности, поскольку потребители и законодатели оспаривают предположения и выводы, основанные на альтернативных данных и / или способе их сбора. Например, если потребитель указывает в заявлении о страховании жизни, что он не курит, то может ли страховщик проверить социальные сети, чтобы увидеть, есть ли у страхователя фото, но которых он курит, или использовать программы распознавания голоса, чтобы проверить потенциальные признаки курильщика? Как насчет подтверждения веса заявителя - следует ли страховщику разрешить применять технологию распознавания лиц для определения индекса массы тела страхователя?
Что касается имущества, пострадавшего от несчастного случая, вправе ли страховщик для расчета компенсации позволять своим работникам летать с беспилотным аппаратом над домом заявителя, чтобы проверить, действительно ли он поврежден, возможно, при этом застав хозяина недвижимости за подстрижкой газона или плавающим в бассейне на заднем дворе? Поскольку страховщики имеют доступ к большему количеству личной информации из растущего количества разнообразных источников, такие сложные этические вопросы, вероятно, придется решать.
Обоснованность данных и аналитики может быть поставлена под сомнение
Обоснованность альтернативных данных и аналитических инструментов для их использования также может быть поставлена под сомнение. Регуляторные органы, вероятно, захотят заглянуть в «черный ящик» страховщика, чтобы изучить алгоритмы или ИИ, предлагающие альтернативные решения на основе данных об андеррайтинге, ценообразовании и претензиях. Являются ли автоматизированные системы действительно справедливыми и беспристрастными? Можно утверждать, что у актуариев, андеррайтеров и аджастеров, обрабатывающих такие решения традиционными методами, могут возникнуть аналогичные проблемы. Однако, несмотря на то, что вы, возможно, не сможете доказывать свою правоту с помощью интеллектуальной машины или автоматизированного алгоритма, регулирующие органы могут по-прежнему привлекать к ответственности лиц, использующих их в страховых компаниях.
Специалисты говорят, что вскоре страховщики могут столкнуться с тестом из трех частей, чтобы оценить обоснованность альтернативных данных и соответствующих программ обработки. Насколько новые технологии открыты и способны реагировать, может иметь значение для победы над скептическими регуляторами и клиентами:
Тест 1. Есть ли актуарная основа для того, что страховщик сделал вывод из своих альтернативных данных и аналитических программ? Какова корреляция? Насколько верны основные предположения? Насколько прогнозирующим является результат?
Тест 2. Есть ли разница между мнением актуария или страховщика и решением ИИ? Как насчет профессионального суждения? Есть ли разумное и разумное обоснование того, что альтернативные данные имеют причинно-следственную связь с оцениваемым риском? Есть ли какой-либо человеческий контроль или регулярные проверки машинных определений? Могут ли быть обжалованы решения на основе ИИ?
Тест 3. Насколько легко можно защитить определения ИИ? Независимо ли проверяется точность альтернативных данных, особенно когда они приобретаются у третьих лиц? И может ли быть какое-либо разрозненное воздействие, даже непреднамеренное, затрагивающее какую-либо конкретную группу?
Полнота раскрытия информации может иметь значение
Даже если все новые собираемые данные будут признаны надежными и используемые аналитические системы будут сочтены справедливыми и разумными, остается более фундаментальный вопрос о том, какой объем информации страховщики могут требовать (или выбирать). По мере того, как все больше альтернативных данных становятся действенными благодаря расширенной аналитике и ИИ, страховщикам, скорее всего, придется давать обоснованные объяснения.
В исследовательском документе Deloitte по вопросам конфиденциальности, опубликованном ранее в этом году, предлагается, чтобы страховщики и другие компании, предоставляющие финансовые услуги, были более прозрачными в отношении того, как они собирают данные, зачем они им нужны, и, что наиболее важно, как обмен этими данными может принести пользу не только компании, но и потребителю.
Страховщики могут препятствовать сопротивлению, избегать конфликтов и, возможно, даже диверсифицироваться, рассматривая альтернативные данные как торгуемый актив, а не просто из соображения соответствия, относящиеся к обязательным заявлениям о конфиденциальности, которые большинство людей, вероятно, никогда не читают - или, если они это делают, могут не понимать. Активное участие может заложить основу для улучшения качества обслуживания клиентов, расширения возможностей обслуживания и более экономичных решений.
У страховщиков есть несколько потенциальных преимуществ, как внутри их бизнеса, так и в отрасли, для преодоления всех этих препятствий. Альтернативные данные и продвинутые аналитические инструменты могут обеспечить множество трансформаций, меняющих правила игры в том, как страховка продается, распространяется, оценивается и администрируется.
Среди возможностей можно отметить следующие:
• Большая настройка для поддержки гиг-экономики и совместного использования, при этом операторы с помощью телематики определяют, какой вид страхования нужен покупателю и когда.
• Переосмысление ценностного предложения полиса путем превращения страховки (когда страховщики платят за ущерб после страхового события) в гарантию (где они помогают страхователям предотвратить потери к их взаимной выгоде).
• Включение систем поддержки в режиме реального времени, таких как предоставление консультаций по вопросам здоровья и фитнеса, а также услуг в сочетании с полисом страхования жизни, или мониторов безопасности, встроенных в одежду служащих, при страховании ответственности работодателя в отношении работников.
• Автоматическое параметрическое страхование, когда выплата основана не на подаче претензии, а на факте события или достигнутом пороговом значении (триггере).
К сожалению, страхование все еще слишком часто является стандартным продуктом, продаваемым, как правило, безразличному или незаинтересованному потребителю. Это может измениться, если страховщики будут правильно использовать свои преимущества с альтернативными данными, искусственным интеллектом и передовой аналитикой, сделав страхование более динамичным, индивидуализированным и ориентированным на клиента с персональными опциями в обслуживании клиента.
Подготовлено порталом Allinsurance.kz