Как используют большие данные в индустрии страхования
По итогам 2023 года, объем глобального рынка инструментов для анализа больших данных достиг $0,3 трлн. Драйверами отрасли стали внедрение облачных вычислений, развитие ИИ-технологий и интернета вещей, сообщается в обзоре Allied Market Research.
С точки зрения задач, которые решаются с помощью сервисов Big Data, можно выделить обнаружение мошенничества, управление рисками, аналитику клиентов и контента. И если в 2022 году бешеными темпами росла именно клиентская аналитика, в 2023-м высокие темпы роста демонстрирует расширенная (машинное обучение и прогностическое моделирование), позволяющая компаниям находить скрытые тенденции, делать более точные прогнозы и принимать стратегические решения.
Все это особенно актуально для страховых организаций, которым важно точно оценивать вероятности наступления страховых случаев и предлагать людям персонализированные продукты.
К слову, страховщикам интересны данные, поступающие из разных источников, – это не только персональные данные клиента, но и сведения о его здоровье, покупательском поведении, образовании, трудоустройстве и доходах, стиле проведения отпусков.
Преимущества технологий Big Data
- Точнее прогноз. Компания лучше учитывает поведение аудитории, похожей на генеральную совокупность, и на основе этого формирует более выгодные тарифы для клиентов и бизнеса. Так как аналитические инструменты способны учитывать огромное количество факторов, формирование страхового продукта для того или иного клиента становится более справедливым, а вероятность человеческой ошибки снижается. Человек в итоге не переплачивает за ненужные услуги, а страховая компания снижает свои убытки.
- Услуги становятся персонализированными. В страховании сложно унифицировать продукты для клиентов – ведь люди покупают квартиры в разных домах и районах, ездят на разных автомобилях, все они разного возраста, с разным состоянием здоровья и уровнем доходов. Чем более индивидуальным удастся сделать продукт, тем это безопаснее для страховой компании и тем лояльнее в конечном счете остается клиент, чьи потребности и интересы максимально учитывают.
Пример: страховщик Discovery из Южной Африки раздал всем желающим клиентам телемедицинские гаджеты, которые замеряют параметры здоровья и отслеживают покупки. В итоге им удалось установить индивидуальный тариф по медицинскому страхованию и предоставить рекомендации по улучшению образа жизни. В процессе анализа собираемых данных оказалось, что цены на продукты выше для людей, которые часто покупают алкоголь и сигареты, страдают от повышенного давления и мало двигаются. Эксперимент в итоге оказался успешным: люди стали больше заботиться о здоровье, меньше платить за страховку, а расходы Discovery на оплату услуг врачей сократились. - Меньше мошенничества. Технологии Big Data позволяют быстрее реагировать на сомнительные транзакции и предотвращать случаи страхового мошенничества.
Кстати, по информации на 2023 год, в России основная доля страхового мошенничества приходится на автострахование. 89 % всего мошенничества наблюдается при оформлении полиса ОСАГО, и 8 % – в случае с каско. При этом на долю профессиональных страховых мошенников приходится только около 25 % реальных случаев, остальные – это «приписки» водителей, приукрашивающих повреждения, полученные при ДТП. Анализ данных о клиентском поведении позволяет выявлять аномалии быстрее.
Какие технологии используются
- Машинное обучение. Одна из ключевых технологий для анализа Big Data, которая позволяет анализировать большие объемы данных и делать прогнозы, опираясь на выявленные закономерности. Такие модели применяются для оценки рисков, выявления мошенничества и оптимизации бизнес-процессов.
- Облачные вычисления. Они обеспечивают хранение и обработку данных в больших масштабах, позволяя страховщикам быстро обрабатывать колоссальные объемы информации.
- Аналитические платформы с открытым исходным кодом (Big Data фреймворки), которые можно использовать для управления большими объемами неструктурированных данных и их обработки в аналитических целях. Это, например, Hadoop и Apache Spark, которые позволяют компаниям получать инсайты в режиме, приближенном к реальному времени.
- Интернет вещей. Компании, которые занимаются автострахованием, сегодня активно используют телематику – это гаджеты, которые можно установить в машине клиента.
К слову, в России сейчас развивается «умное» каско с использованием телематических устройств, которые устанавливаются в машине и отслеживают скоростной режим, маневры, торможения, оценивая стиль вождения. Иногда на мобильный телефон водителя просто устанавливается программа. Эти сведения сейчас страховщики используют только для предварительного расчета тарифа на страхование каско, но не для формирования индивидуального тарифа, что выглядит очень перспективно.
Какие риски есть
Ключевая проблема при применении технологий работы с большими данными – это конфиденциальность. Особенно той информации, что не обезличена и является чувствительной, – речь идет о персональных данных. Так, недавно в России были приняты законы об усилении административной и уголовной ответственности за утечки персональных данных и их незаконный оборот.
Дискриминация – еще один этический аспект использования инструментов анализа больших данных. Дело в том, что некоторые алгоритмы могут быть настроены таким образом, что будут дискриминировать определенные группы людей (например, менее социально защищенные), усложняя им доступ к страховым продуктам. Здесь важно не отступать от принципов справедливости и социальной ответственности, ориентируясь лишь на сухие данные о человеке.
Также нельзя исключать и ошибки в алгоритмах анализа – к сожалению, машины все еще ошибаются, и участие специалистов в таких процессах необходимо, по крайней мере в особо сложных случаях.
Подведем итог: использование больших данных в страховании не только повышает эффективность бизнеса, но и создает конкурентные преимущества. Однако важно учитывать этические и правовые аспекты обработки данных для обеспечения их безопасного использования. Будущее за теми компаниями, которые смогут эффективно интегрировать использование больших данных в свои бизнес-процессы, оставаясь при этом надежными партнерами для своих клиентов.
