مشکلات نرخ گذاری در بیمه های زندگی در سایه غفلت از داده های بزرگ / سفارشی سازی در صنعت بیمه ایران نداریم

جای خالی بیگ دیتا در بیمه های زندگی بررسی شد

در صنعت بیمه ما بیگ دیتا گردآوری نشده و به‌درستی مدیریت نمی‌شود. لازم است در بیمه‌های عمر فردی که برای دوره‌های پنج، ده یا سی‌ساله تحت پوشش بیمه قرار می‌گیرد، داده‌های آن مدیریت شود. / در نرخ‌گذاری خدمات بیمه‌ای مشکلات اساسی به خاطر فقدان استفاده از دیتا ،به دلیل عدم ارتباط نرخ‌های اعلام شده با اعداد و ارقامی که در دست است، وجود دارد.

به گزارش ریسک نیوز به نقل از بیمه داری نوین از داده‌ها و اطلاعات به عنوان مهم‌ترین ستون عمارت بیمه نام برده می‌شود چراکه با داشتن آن می‌توان از نیازهای منحصربه‌فرد مشتریان آگاه شد و متناسب با آن محصولی درخور ارائه داد. ارزش‌افزوده و مطلوبیتی که از این راه به دست می‌آید هر دو طرف یعنی بیمه‌گر و بیمه‌گذار را منتفع می‌سازد بدین جهت که بیمه‌گر قادر خواهد بود مشتریان پرریسک خود را الک کرده و متناسب با خطری که تقبل میکند حق بیمه دریافت نماید؛ و از طرف دیگر بیمه‌گذارانی که جانب احتیاط را رعایت کرده مشمول تخفیف شایسته با رفتار خود می‌شوند. اما مشکل اصلی در تولید داده و اطلاعات نیست بلکه جمع‌آوری و پایش آن‌ها جهت استفاده در امور شرکت بوده که هنوز مغفول مانده است. به همین جهت موضوع بیگ دیتا در صنعت بیمه و جایگاه آن در بازاریابی با محوریت بیمه زندگی را بر روی میزسخنِ کارشناسانی مانند آقایان ابوالحسن صدریه کارشناس ارشد بیمه­ زندگی، احمد سازگار کارشناس بیمه و حسن یحیوی کارشناس بیمه زندگی شرکت ایران معین گذاشته‌ایم که مشروح آن را باهم می‌خوانیم. لازم به ذکر است که اظهارات کارشناسان بیانگر نظرات شخصی است و ارتباطی با سازمان محل خدمت آنها ندارد.

 

*داده در صنعت بیمه چه جایگاهی دارد؟

-صدریه: وقتی به علم بیمه نگاه کنیم متوجه می‌شویم تمام بحث‌های آن به داده‌ها و علم آمار برمی‌گردد. اگر بخواهیم نرخ‌گذاری یا هرکار دیگری انجام دهیم به این مربوط می‌شود که آمار دقیق آن را داشته باشیم، آن‌ها را فراوری کنیم و مورد استفاده قرار دهیم. به نظر من از آمار می‌توان در نرخ‌گذاری هم استفاده کرد. البته در ایران تا به الان غریب مانده است. در بحث نرخ‌گذاری خدمات بیمه‌ای مشکلات اساسی به خاطر عدم استفاده از دیتا و به دلیل عدم ارتباط نرخ‌های اعلام شده با اعداد و ارقامی که در دست است، وجود دارد. در خارج از ایران برای صدور بیمه‌های عمر خیلی راحت می‌شود با گرفتن کد ملی فرد تمام سوابق او را به عنوان شرکت بیمه به دست آورد. گزارشی ارسال می‌شود که به‌شدت قابل اتکا است و براساس آن شرکت بیمه می‌تواند تصمیم بگیرد. حتی براساس آمارهای هر شرکت می‌توانند نرخی برای ریسک یا هر چیز دیگری تعیین کنند.

در ایران هنوز از جدول مرگ و میر فرانسه استفاده می­شود. این جدول هم مربوط به سال 1998 است. در آن جدول نه تفکیکی بین مرد و زن وجود دارد و نه جمعیتی که از بین کل جمعیت کشور بیمه عمر می‌گیرند نماینده آن جامعه هستند. شاید آدم‌هایی که از نظر سلامت ریسک بالایی دارند بیمه عمر می‌گیرند و شاید هم آدم‌هایی که نگران سلامتی خود هستند این کار را میکنند.

*فرایند آن جدول بازنگری هم شده است؟

ـ صدریه: بله مسلم است که در فرانسه بازنگری شده است. به این دلیل که طول عمر در فرانسه با ایران تفاوت دارد و به عبارتی بیشتر از ایران است. این جدول قدیمی است و به دلایلی که گفتم خیلی هم فنی نیست. نکته دیگر هم اینکه ما در ایران شرکت‌های زیادی نداریم که تعداد بیمه‌شدگان ما زیاد باشد. البته جز موارد خاصی مانند بیمه ایران و بیمه آسیا که می‌توانند براساس داده‌های بیمه‌گذاران‌شان جدولی تهیه کنند.

*کیفیت داده­ های عظیم درون‌سازمانی در ایران چگونه است؟

ـ سازگار: اساسا موضوع دیتا به عنوان یک قدرت، توانمندی، سرمایه و یک ارزش امروزه بر همه آشکار است. حتی در حال حاضر بچه‌های کوچک که با تکنولوژی ارتباط پیدا میکنند، متوجه می‌شوند. ما در طی روز ده‌ها فیلم و عکس و دیتا دریافت میکنیم که مدیریت کردن آن‌ها خیلی سخت است. وقتی به بیگ دیتا اشاره میکنید روزانه عددی معادل دو و نیم اگزا بایت داده تولید می­شود لذا اهمیت آمار در دنیا و در خانواده، سازمان، حوزه شخصی، در رابطه با بیمه به‌صورت کلان و به‌خصوص در رابطه با بیمه‌های اشخاص و به‌صورت اختصاصی بیمه عمر خیلی ارزشمند است. درهرصورت اینکه ما با استفاده از دیتا و بیگ دیتا مدیریت کنیم، حتی بدانیم و بعد مدیریت کنیم. این موضوع در حوزه کاریمان بسیار مهم است.

آقای دکتر به جدول مرگ و میر اشاره کردند لازم است که از زاویه دیگری هم به این موضوع نگاه کرد. درست است که قانون اعداد بزرگ جزو اصول بیمه نیست اما آن‌قدر مهم است که ما بیمه‌ای‌ها آن را یکی از اصول بیمه می‌دانیم. این اعداد بزرگ ارتباط نزدیکی با بیگ دیتا دارد. اگر ما فقط یک یا چند نفر بیمه‌شده داشته باشیم باشد ریسک پوشش آن­ها بالاست چراکه در صورت وقوع خسارت شما حق بیمه کمی دریافت کرده‌اید ولی مبلغ بالایی خسارت پرداخت می­کنید لذا شما زمانی به منطق لازم جهت پوشش تعداد مناسب مشتریان می‌رسید که اطلاعات و داده‌های شما کافی باشد تا بتوانید به تعادل برسید.

موضوع اهمیت داده یک طرف، اما بعضی مواقع ممکن است از داده‌ها درست استفاده نکنیم، استفاده درست از داده‌ها موضوع دیگری است. دیتا باید خوب تجزیه‌وتحلیل شود. ما در مقوله پژوهش‌های علوم انسانی در بسیاری از مواقع دیتاهای زیادی داریم اما نمی‌توانیم آن‌ها را تفسیر و یا تجزیه‌وتحلیل کنیم. به همین دلیل مرتکب خطا می‌شویم. لذا استفاده از تمامی ارزش‌های پنهان داده‌ها تبدیل به فایده‌ای برای سازمان می‌شود. داده‌ها یک ظاهر و یک باطن دارند. باطن آن‌ها یک الگوریتم دارد که با استفاده از آن می‌توان به نتایج زیادی رسید. کما اینکه در حال حاضر در دنیای آینده‌پژوهی بسیار از بیگ دیتاها استفاده می‌شود.

اگر کارکنان سازمان شرایط استفاده از ارزش پنهان داده‌ها را داشته باشند با بینش بهتری می‌توانند وظایف خود را انجام دهند. بینش برای سازمان و حوزه منابع انسانی بسیار اهمیت دارد. به همین دلیل است که یک سازمان مانند شرکت گوگل را بررسی میکنیم تا با نحوه اداره آن آشنا شویم. یکی دیگر از مهم‌ترین مسائلی که در پشت هر سازمان وجود دارد بحث مشتری است. ما همه فعالیت‌ها را انجام می‌دهیم که منافعی را از طریق مشتریان به دست آوریم. بدیهی است که سازمان بدون مشتری تعطیل است و مشتری باید مدیریت شود. وقتی شما به بیگ دیتا دسترسی داشته باشید می‌توانید مشتری‌هایتان را مدیریت کنید، بیمه‌های خرد مانند بیمه‌های عمر را با این شرایط می‌توان به نحو بهتری مدیریت کرد.

مقابله با تهدیدها و ریسک‌ها یکی دیگر از فواید بیگ دیتا است. در صورت داشتن بیگ دیتا و تجزیه‌وتحلیل درست آن می‌توان هم‌افزایی در داخل سازمان را بالا برد و رفتارهای مختلفی که بیمه‌گذاران در رشته‌های مختلفی مانند اتومبیل از خود نشان می‌دهند را بهتر شناخت که وضعیت تصادفات افراد، تعداد تخلفات رانندگی آن‌ها، تعویض شرکت بیمه و تعویض نمایندگان بیمه به چه شکلی است.

در صنعت بیمه ما بیگ دیتا گردآوری نشده و به‌درستی مدیریت نمی‌شود. لازم است در بیمه‌های عمر فردی که برای دوره‌های پنج، ده یا سی‌ساله تحت پوشش بیمه قرار می‌گیرد، داده‌های آن مدیریت شود. حتی باید اطلاعاتی که وارد شرکت و صنعت شده اما تبدیل به بیمه‌نامه نشده است موردبررسی قرار گیرد. در کل تجزیه‌وتحلیل رده سنی مشتریان، رشته موردعلاقه بیمه آن‌ها، مقدار سرمایه‌ها، وضعیت بازخریدها، پرداخت‌ها، عدم پرداخت‌ها، محول کردن‌ها بسیار حائز اهمیت است که باید صورت گیرد.

ـ یحیوی: اسمال (small)دیتاها بسیار مهم­تر از بیگ دیتاها هستند. اما نکته‌ای که در مورد بیگ دیتاها مهم است این است که در ده سال اخیر کارهای جدی در حوزه اسمال دیتاها صورت گرفته است.

*اساسا چه فرقی بین اسمال دیتاها با بیگ دیتا وجود دارد؟

ـ یحیوی: اسمال دیتاها روی اشخاص تحقیق کرده و از جزء به کل استدلال میکنند. به‌عنوان‌مثال در یک پژوهش صورت گرفته فردی در خانه‌های زنان هندی از روی رنگ لباس و رنگ ادویه‌هایی که استفاده میکردند، استدلال‌هایی را انجام داد و براساس آن استدلالات نوع بسته‌بندی غلات صبحانه را برای شرکتی که در آن مشغول بود، طراحی کرد و با این کار میزان فروش را تا حدود پنجاه‌درصد افزایش داد. سازوکار بیگ دیتا تا حدودی با سازوکار اسمال دیتا متفاوت است. اسمال دیتا کاملا براساس مشاهدات کارشناسانه فردی است. این دو در سازوکار جمع‌آوری اطلاعات به‌شدت باهم فرق دارند. اسمال دیتا به‌شدت مبتنی بر مشاهدات فردی کارشناسانه است. اما بیگ دیتا با حجم عظیمی از داده‌ها مواجه است.

ـ صدریه: مدت‌زمان و مدت فعالیت هم مهم است، اینکه این حجم عظیم دیتا چه مدت‌زمان و چه روندی را طی میکند، اهمیت دارد. از حرف‌های ایشان می‌توان استنباط کرد که ما متأسفانه در جمع‌آوری اطلاعات و دیتاها از آن دقت لازم برخوردار نیستیم. درصورتیکه اگر آمار به‌درستی، در حجم بالا و به‌صورت منطقی در یک دوره بلندمدت گردآوری شود می‌تواند به‌صورت یک الگوی مشخص خود را نشان دهد. در ایران گفته می‌شود که چرا تابه‌حال بیمه‌های عمر چندان موفق عمل‌نکرده‌اند، خوب یکی از دلایل اساسی آن عدم وجود انتظار فعالیت بلندمدت در صنعت بیمه است. مثلا در ایران نرخ‌گذاری بیمه‌نامه‌های اتومبیل ارتباطی با راننده نداشته است که این یک ایراد اساسی در صنعت بیمه کشور است.

ـ یحیوی: به لحاظ درون‌سازمانی، ضعفی که در سازوکار بیمه وجود دارد این است که از همان ابتدا که مشتری از طریق شبکه فروش وارد چرخه بیمه می‌شود با خودش حجم عظیمی از اطلاعات را می‌آورد که از بین می‌روند. مشتری سلایق خودش را به ما منتقل میکند، طی فرایند صدور بیمه‌نامه تعداد خیلی زیادی داده تولید می‌شود، داده‌ای که از بیرون و با تعاملات کارشناسان درهم‌تنیده شده است. داده‌ای که از بین نامه‌نگاری‌ها استخراج می‌شود، داده‌ای که در فرایند تعیین نرخ مشخص می‌شود و مهم‌تر از همه داده‌ای که در فرایند پرداخت سازمانی شکل می‌گیرد. اینکه مشتری تا چه اندازه رضایت دارد، چه فرایندی طی شده تا مشتری خسارت دریافت کرده و این خسارت‌ها چطور برآورد شده‌اند، همگی در فرایند گردآوری داده‌ها مهم هستند. لذا در شرکت تولید داده وجود دارد اما گردآوری نشده و از بین می‌روند. داده‌ها داخل شرکت تولید می‌شود اما تجزیه‌وتحلیل نمی‌شود. جای خالی تجزیه‌وتحلیل در صنعت بیمه کاملا محسوس است. در بحث هوش مصنوعی کار اصلی تحلیل داده‌ها است. اینکه بتوانند آن الگو مشخص را استخراج کنند. از آن مهم‌تر صنعت بیمه در زمینه شناسایی تقلب‌ها به‌شدت نیازمند چنین تخصص‌ها و زیرساخت‌هایی است.

 

* از زاویه سفارشی‌سازی که تبدیل به یک ضرورت شده است، تا چه اندازه بیگ دیتا اهمیت دارد؟

ـ صدریه: در بازاریابی شاخک­های اطلاعاتی که به شرکت‌های بیمه اطلاعات می‌دهند، نماینده‌ها و شبکه فروش هستند. باید بدانیم این اطلاعات از کجا گرفته می‌شود. تمام کسانی که فرم پر میکنند یا تمام کسانی که با آن‌ها صحبت می‌شود تبدیل به مشتری نمی‌شوند. اتفاقا بحث این است کسانی که فرم پر میکنند بنا به چه دلیلی تبدیل به مشتری نمی‌شوند؟ همه این‌ها به ما کمک میکند تا بفهمیم که چرا دو فردی که در شرایط یکسان اقتصادی هستند تصمیمات متفاوتی می‌گیرند. آیا برخورد نمایندگان ما مؤثر بوده است؟ یا اینکه نوع محصولی که ما ارائه می‌دهیم تفاوت داشته است؟ همان‌طور که عنوان شد ما در شرکت‌های بیمه نیاز به افراد متخصصی داریم که این اطلاعات را تجزیه‌وتحلیل کنند. این داده‌ها را به‌صورت منظم و پالایش شده در اختیار ما قرار دهند. اگر می‌خواهیم نتیجه درستی بگیریم باید آمار پالایش‌شده بدون دست‌کاری و درست داشته باشیم.

*چطور می‌شود که این داده‌ها سالم و قابل‌اعتماد باشند؟

ـ صدریه: مدیریت حرفه‌ای. اگر در یک تشکیلات مدیریت حرفه‌ای وجود داشته باشد آن مدیریت امور را با دقت بالایی دنبال میکند، ارتباطش با شبکه‌ها و شاخک‌های فروش زیاد است و مرتب آن‌ها را بررسی میکند و پیوسته عکس‌العمل بازار را نسبت به خودش و محصولاتش ارزیابی میکند.

*آیا ما مدیریت حرفه‌ای داریم؟

ـ صدریه: بله. مدیریت یک تعریف مشخص دارد. کسی که تجربه مشخص در آن رشته داشته باشد و بتواند به بهترین نحو آن منابع محدودی را که در اختیار هر سازمانی قرار دارد، استفاده کند تا در راستای منفعت صاحبان سهام (که می‌تواند مشتریان هم باشد) حرکت کند. مشکل اصلی عدم وجود این مدیریت یا تخصص و دلسوزی لازم در بسیاری از تشکلات است.

*یعنی سهامداران علاقه‌ای به سود ندارند؟

ـ صدریه: چرا علاقه دارند اما آن‌کسی که نماینده سهامداران در اداره شرکت است، منافع اش با منافع سهامداران و یا شرکت همسو نیست.

*این به دلیل ازدیاد راه نفوذ است یا تفکر دولتی؟

ـ صدریه: یکی از عمده‌ترین دلایل این است که در صنایع مختلف به دیتاها توجه نمی‌شود. شاید احساس نیازی به آن دیتاها وجود ندارد که یک مسئله بحث‌برانگیز بوده و واقعیتی است که نمی‌شود نادیده گرفت.

*به نظر شما روند سفارشی­سازی محصولات چگونه می‌تواند با کمک بیگ دیتا پیشرفت کند؟

ـ سازگار: ابتدا در مورد رابطه اسمال دیتا با بیگ دیتا باید گفت که این ارتباط مانند رابطه روان‌شناسی و جامعه‌شناسی است. وقتی شما روی اسمال دیتا کار میکنید روی اجزای کوچکی که البته خودش یک دنیا است کار میکنید. وقتی انسان را در قیاس با کائنات می‌بینید کوچکی آن را احساس میکنید اما وقتی به کوروموزم­های انسان نگاه میکنید متوجه می‌شوید چه دنیای عظیمی در درون انسان قرار دارد. همه به این بستگی دارد که شما از چه زاویه‌ای به مسئله نگاه کنید. با اسمال دیتا حداقل در صنعت بیمه نمی‌توان نتیجه درستی گرفت. در حال حاضر در یک سوپر مارکت اگر رفتار مصرف‌کننده‌ای را بخواهید موردبررسی قرار دهید باید کلی هزینه کنید. اما به نتیجه‌ای هم نمی‌رسید چراکه نمی‌توانید رفتار یک فرد را به باقی افراد تعمیم بدهید. اما اگر رفت‌وآمد همه افراد را چک کنید از خرید نوع محصولات تا نحوه پرداخت، آن‌وقت فایده بیگ دیتا در یک سوپرمارکت و در تولید یک کالا حس می‌شود. این می‌تواند در صنعت بیمه هم اهمیت پیدا کند.

هنگامیکه ما رفتار یک راننده را از میدان ونک تا تجریش نگاه کنیم خیلی نمی‌توان جزئیات رفتار آن را شناخت. اما اگر رفتار یک راننده را طی یک ماه، یک سال یا ده سال بررسی کنیم اطلاعات خوبی می‌توان به دست آورد. حال اگر رفتار امثال این راننده‌ها را در همه شهر بررسی کنیم، آن‌وقت می‌توان از دل آن یک الگوی مشخص بیرون کشید. به همین شکل در مورد بهداشت در صورت داشتن یک الگوریتم در مورد تمام خانواده‌ها، وضعیت بیماری آن‌ها، مصرف دارو، مراجعه به پزشک و غیره، اگر همه این دیتاها گردآوری شود می‌توان تصور کرد که تا چه اندازه وضعیت بهداشت بهتر می‌شود. درحوزه های دیگر هم وضعیت به همین منوال است.

اما در مورد سفارشی‌سازی باید گفت که به دو بخش تقسیم می‌شود که یکی از آن‌ها با بحث بیگ دیتا مرتبط است. بیمه اگر توانمند بوده و دیتا در اختیار داشته باشد طبیعتا می‌تواند با کمک اطلاعاتش روند سفارشی‌سازی را طی کند. این یک اقدام مستقل است، یعنی با پرسشنامه‌ای که داده می‌شود، دیتاهایی را جمع‌آوری کرده که با کمک آن‌ها قادر است بهترین پیشنهادات متناسب با موقعیت و در مسیر جلب توجه مشتری ارائه دهد.

پیشرفت سفارشی‌سازی در صنعت بیمه نیازمند داشتن مدیران صادق، دقیق و مطلع از شرایط روز و آشنا با نرم افزهای مرتبط است.

*آیا مدیران بیمه‌ای ما دانش روز را دارند؟

ـ سازگار: در بحث فن‌آوری اطلاعات چندان به­روز نیستند. دلیلش هم شاید این باشد که فن‌آوری اطلاعات علم جدیدی است و فرصت آموزش آن نبوده است. هر جا رابطه یک مدیر با حوزه پژوهش، مطالعه، دانشگاه، رسانه و نشریات بیشتر باشد این شفافیت بیشتر می‌شود. باوجوداین همه تکنولوژی که در اختیار افراد است و حجم اطلاعات و دانشی که به وسیله این تکنولوژی‌ها به انسان منتقل می‌شود، دیگر فرد نمی‌تواند در راستای به‌روز کردن دانش خود بی‌تفاوت باشد. شاید دانش مدیری در ارتباط با مدیران حاضر در صنعت بیمه قابل‌قبول باشد اما در مقایسه با دنیاست که تفاوت‌ها آشکار می‌شود.

*نظر شما در مورد روند سفارشی‌سازی چیست؟

ـیحیوی: در شبکه فروش بیمه‌های زندگی باوجوداینکه به آن‌ها گفته می‌شود باید مانند مشاور عمل و رفتار کنند اما هنوز این شناخت وجود ندارد که یک مشاور اطلاعاتی را از افراد می‌گیرد و نهایتا براساس اطلاعات و معایناتی که انجام می‌دهد نسخه‌ای را ارائه می‌دهد و این نسخه مخصوص همان فرد است. اما شبکه فروش ما نمی‌داند که چه اطلاعاتی را باید بگیرد، اطلاعاتی را هم که می‌گیرد از تحلیل آن‌ها عاجز است.

کاری که در زمینه آموزش در شرکت ما پیاده شد طراحی فرمول‌هایی جهت یاری رساندن به شبکه فروش شرکت بود. یعنی با گردآوری ویژگی‌های خاص یک مشتری در قالب فرمول‌های طراحی‌شده متوجه شوند که چه نوع محصولی و پوششی با چه نرخی، با چه افزایشی و با چه ضریب تعدیلی با نیازهای مشتری تناسب بیشتری دارد. این آموزش بازخورد خوبی داشت. حدود بیست درصد از شبکه فروش شرکت کردند و الان آگاهی دارند که چه داده‌هایی را از مشتری بگیرند و بعد از تحلیل چه نسخه‌ای را باید ارائه بدهند.

در حوزه بیگ دیتا، سازمان دو کار را باید انجام دهد، اول اینکه به منابع اطلاعاتی که خارج از سازمان وجود دارد(با در نظر گرفتن موانع قانونی) دسترسی پیدا کند. همان‌طور که بیان شد در آمریکا با کد ملی فرد می‌شود به اطلاعات فردی دسترسی پیدا کرد، اینجا هم همین است. بیمه زندگی عملا یک سلوشن مالی است که به یک خانواده اختصاص دارد. فرض کنید ما به اطلاعاتی دسترسی داریم که اطلاعات مفیدی از وضعیت مالی خانواده ارائه می‌دهد. این اطلاعات برای تحلیل مشتری و ارائه نسخه مناسب به او کمککننده است. اگر ما به سوابق پزشکی فرد دسترسی داشته باشیم، به‌جای اینکه به این جدولی که از فرانسه آمده اکتفا کنیم و در مقایسه با سؤالاتی که اهمیت کمتری دارد از بیگ دیتا استفاده کنیم، به‌مراتب می‌توانیم خدمات مفیدتر و متناسب با نیاز مشتری ارائه دهیم.

 خود سازمان هم می‌تواند زیرساخت‌هایی را تولید کند که خودش از آن‌ها استفاده کند. برای مثال یک شرکت بیمه‌ای در استرالیا محصولی را با نام (pay as you live) ارائه می‌دهد. با فروش بیمه‌نامه دست بندهایی را به مشتری وصل میکنند که اطلاعات لازم را گردآوری کرده و در طول بیمه‌نامه هم سلامت مشتری را رصد میکنند و بعدازآن نرخ‌هایشان را تعدیل میکنند. همچنین در بیمه شخص ثالث سامانه‌ای بر روی خودرو نصب کرده و اطلاعات رانندگی فرد را ثبت میکنند. علی‌رغم موانع قانونی تحلیل اطلاعات را با کمک هوش مصنوعی انجام می‌دهند، به‌هرحال دیر یا زود این موانع برداشته می‌شود. فن‌آوری در جمع‌آوری داده‌ها و تحلیل آن نقش مهمی دارد. علاوه بر فن‌آوری شما به افرادی نیاز دارید که در ریسک خبره باشند و ریسک را خوب بفهمند تا بتوانند این داده‌ها را به الگوریتم‌هایی تبدیل کنند که ریسک‌ها را بسنجند. فکر میکنم در حال حاضر این فرصت در ایران وجود دارد.

*در راستای حفظ وفاداری مشتری، اهمیت بیگ دیتا چگونه برای شرکت‌ها نمود پیدا میکند تا داده‌های باکیفیت به دست آورند؟

ـ صدریه: حداقل در صنعت بیمه شما می‌توانید با هزینه‌های بسیار کم آن مشتری را که دارید، نگه‌داری کنید. در حال حاضر در تمام دنیا ارزشمندترین منابعی که یک شرکت در اختیار دارد، داده‌ها و اطلاعات آن شرکت است. یک شرکت بیمه، بانک اطلاعات مربوط به مشتریانش جزو ارزشمندترین منابع آن است. به این دلیل ارزشمند است که از نیاز مشتریان در رشته‌های مختلف آگاه می‌شود. این شرکت در ارتباط با شرکت‌های دیگر که خدمات دیگری می‌دهند، برای ارائه سرویس‌های بیشتر و بهتر که بتواند نیازهای مشتری را برطرف کند، همکاری میکند. این گفته در دنیا رایج است که اگر شما به بیمه‌گذارتان فقط یک‌رشته بیمه بفروشید او را با یک نخ به شرکت خود متصل کرده‌اید اما اگر به او چند رشته را بفروشید او را با چندین نخ به شرکت خودتان متصل کردید. حالا اگر شما بتوانید او را قانع کنید که از محصولات سایر مراکز که خدمات دیگری می‌دهند اما با شما قرارداد دارند هم استفاده کند، او را در زیر یک چتر وسیع‌تری قرار داده‌اید. همه این‌ها به‌راحتی قابل انجام دادن است فقط باید بررسی کنیم مشتری چه خواسته‌ها و نیازهایی دارد تا با استفاده از آن اطلاعات بتوانیم نیازها را برطرف کنیم که درنهایت این به نفع هر دو طرف خواهد بود.

*از زاویه بانک بیمه به‌خصوص زمانی که می‌خواهیم تبلیغات داشته باشیم هم صحبت کنید.

ـ سازگار: وقتی دیتاهای زیادی داریم، ارتباط بیمه‌گذار با همه رشته‌ها بیشتر می‌شود و ما پکیج بزرگ‌تری می‌توانیم به او بدهیم. وقتی به رویه‌های رانندگی فرد شناخت داریم می‌توانیم یک بیمه‌نامه حادثه یا عمر متناسب به او ارائه دهیم. حالا این موضوع می‌تواند از دیدگاه مشتری مداری باشد، یعنی بهترین جنس و محصول را به او بدهیم. می‌تواند از باب مدیریت ریسک باشد، وقتی رفتار فردی خطرناک باشد طبیعتا ما نمی‌توانیم پوشش‌های خاصی را به او پیشنهاد بدهیم. به همین دلیل از بیگ دیتا دوجانبه می‌توان استفاده کرد. کما اینکه در مورد بیمه‌های عمر یا اشخاص در حوزه درمان، می‌توانیم روند سلامت یک فرد را در سال‌های مختلف پی گیری کنیم، حتی می‌توانیم آن‌قدر رشد کنیم و ارتباطی با آن‌ها داشته باشیم که بتوانیم به آن‌ها نسخه مناسب ارائه دهیم.

وقتیکه بتوانیم در بیمه بسته خاصی تولید کنیم، ارتباطات را زیادتر و شناختمان را افزایش دهیم به‌تبع کالا و محصول مناسب‌تری را می‌توانیم ارائه دهیم. طبیعتا اگر اطلاعات بانکی فرد را نیز داشته باشیم هم بانک می‌تواند از این اطلاعات خیلی دقیق‌تر استفاده کند و هم برای بیمه مثمر ثمر خواهد بود. البته وقتی بانک فعالیت میکند به حوزه بیمه نیز وارد می‌شود و به همین ترتیب فعالیت‌های بیمه هم بخشی از حوزه بانک‌ها را در برمی‌گیرد. لذا با توجه به اهمیت این دو نباید در کار هم دخالت کنند و نقش مکمل هم داشته باشند.

 در دنیای پیشرفته چندین سال است که بانک و بیمه باهم کار میکنند و ارتباط بین آن‌ها وجود دارد که به نیازسنجی بهتر منجر می‌شود. با همکاری و تبادل‌نظر و استفاده از دیتاهای معقول و مشترک این اتفاق می‌افتد که در آن صورت مشتری نیز مطلوبیت بیشتری به دست می‌آورد.

*تا چه اندازه در صنعت بیمه ایران از این قوانین استفاده می‌شود؟

ـ سازگار: در دهه اخیر که خیلی از بانک‌ها شرکت بیمه خود را تأسیس کردند و بالعکس بیمه هم این کار را کرده است، هرچند تعداد بانک‌هایی که شرکت بیمه تأسیس کرده‌اند بسیار بیشتر از شرکت‌های بیمه‌ای بود که بانک تأسیس کردند. این موضوع در کشور ما هم سابقه‌ای بیش از چهل سال دارد. اگر مدیریت‌های کلان آن‌ها دارای استراتژی مشترک و هم فکر باشند، یک مشتری می‌تواند هم از مزایای بیمه‌ای استفاده کند و هم از مزایای بانکی آن‌ها بهره‌مند شود. طبیعتا بیگ دیتا در اینجا نقش اساسی را بازی میکند.

 

*بیگ­دیتا از منظر بازاریابی بیمه تا چه حد می­تواند مسیر کاهش هزینه و پوشش بهتر مشتری را هموار سازد؟

ـ یحیوی: امروزه شرکت‌ها برای تبلیغات از بیلبوردها و بنرها استفاده میکنند این کار یعنی رها کردن تیری در تاریکی و لزوما هم منجر به جذب مشتری یا مشتری موردنظر ما نخواهد شد. شبکه‌های فروش تعداد زیادی بروشور پخش میکنند، در بروشورها هم نه اطلاعات به‌دردبخور وجود دارد و نه اینکه به دست آن مشتری که باید برسد، می‌رسد. اما بیگ دیتا چطور می‌تواند این‌ها را به هم تطبیق بدهد. آقای ریچارد ثِیلر که به‌تازگی برنده جایزه نوبل اقتصاد شده است نظریه‌ای را تحت عنوان سوگیری در دسترس بودن مطرح میکند. به‌این‌ترتیب که اگر شما از فردی که صبح از خانه‌اش خارج‌شده و درصدد رفتن به سرکار است بپرسید احتمال تصادف با اتومبیل خود را چند درصد می‌داند شاید بگوید ده درصد. اما اگر از همین فرد وقتی در چند خیابان آن‌طرف تر که شاهد صحنه تصادف بوده است باز همان سؤال را بپرسد احتمال تصادف خودش را بیش از هفتاد درصد می‌داند. اینکه اتفاقات در دسترس ما هستند و آن‌ها را تجربه میکنیم احتمال وقوع آن‌ها را بیشتر میکند. شرایطی در زندگی افراد وجود دارد که در آن شرایط بیمه‌های زندگی پررنگ‌تر می‌شود مانند مواقعی که فرد نگران زندگی یک فرد دیگر است، یا اینکه بیماری یکی از نزدیکانش را تجربه کرده است. بیگ دیتا به ما کمک میکند تا شرکت بیمه در این شرایط وارد شود و هدفمند تبلیغ کند. مانع جدی که در سر راه شرکت‌های بیمه وجود دارد، قانون است. مادامیکه ما این‌همه اطلاعات داشته باشیم حتی آن اطلاعات را تجزیه‌وتحلیل هم بکنیم، اما اگر بخواهیم محصولمان را اختصاصی سازی کنیم قانون اجازه این کار نمی‌دهد. این کار جلوی رقابت را می‌گیرد، جلوی ارائه آن محصولی را که مردم واقعا به آن نیاز دارند، می‌گیرد.

بیمه مرکزی باید نگاهش را تغییر بدهد. زمانی که ما می‌خواهیم نهادی را اصلاح کنیم نهادهای پشتیبان آن‌هم باید اصلاح شوند. باید قانون را منعطف‌­تر کنیم و نوآوری را تشویق کنیم. نهاد محافظت از مالکیت فکری و معنوی را تحکیم کنیم. نهاد حقوق مالکیت را چه به لحاظ سازمانی، ساختاری و اجتماعی تقویت نماییم.

ـ صدریه: فراموش نکنید که بیمه مرکزی هم وظایف نظارتی دارد و این ایده‌های جدید در بعضی از مواقع ممکن است تعهدات سنگینی را ایجاد کند. ممکن است خوب فروش داشته باشد اما در بلندمدت تعهدات بیشتری را بر دوش شرکت بیمه می‌گذارد. البته نباید از مانع بوروکراسی هم چشم‌پوشی کرد. طرحی که داده می‌شود ممکن است جالب بوده و مورد استقبال هم قرار بگیرد ولی مدیریت شرکت آن را نپذیرد. عموما هم دو دلیل دارد یکی محافظه‌کاری و دیگری هم ایفای تعهدات است. این عوامل مانع از نوآوری در صنعت می‌شود. مدیریت حرفه‌ای یعنی اینکه باید توازن و تعادل را برقرار کند. مدیریت حرفه‌ای درعین‌حال که به دنبال طرح‌های جدید است اما نباید در هیچ‌کدام افراط کند. اگر از بیگ دیتا درست استفاده میکردیم می‌توانستیم نظام جامع نرخ دهی داشته باشیم.

*لطفا جمع­بندی صحبت­های خود را بفرمایید.

ـ یحیوی: گفتمان ذکر شده در مورد بازنگری در قوانین ناظر بر صنعت بیمه به منطور ایجاد زمینه های استفاده از بیگ دیتا و مآلا طراحی محصولات نوآورانه منبعث از اطلاعات جدید، از طریق سندیکای بیمه‌گران  که نماینده صنعت بیمه است باید پیگیری جدی شود. نقش حاکمیت در صنعت بیمه باید از یک مدل که آن مدل هم باید یک مبنای نظری که عرض کردم، پیروی کند. وقتی ادبیات نظری قانون‌گذاری اقتصادی را مرور کنیم متوجه نکاتی در صنعت بیمه می‌شویم که یکی از آن‌ها حفظ توانگری صنعت بیمه است. نکته دیگر ارتباط بین شرکت و مشتریان است. نهایتا اینکه همه افراد به سطح حداقلی از بیمه‌ای که نیاز دارند دسترسی داشته باشند. این منطقِ حضور قانون و نظارت است. اما آن چیزی که ما در نظام داخلی درست کرده‌ایم، وجود بوروکراسی در غیاب نظارت است، ما خواستار نظارت درست هستیم. در این حالت ضمن حفظ توانگری شرکت‌های بیمه و گسترش پوشش بیمه ای برای آحاد ملت، زمینه استفاده از منابع اطلاعاتی جدید مانند بیگ دیتا به منظور طراحی محصولات جدید ایجاد می شود. لذا به عنوان جمع بندی توصیه می کنم گفتمان بازنگری قوانین و مقررات با هدف افزایش انعطاف پذیری آن جدی گرفته شود. یادآور می شوم که حتی اگر شرکت های بیمه انبوهی از اطلاعات را تولید و تحلیل کنند، با وجود قوانین محدود کننده غیر ضروری، این اطلاعات هیچ ارزشی نخواهند داشت.

ـ صدریه: باید از اطلاعات فراوانی که در بیمه به دست می‌آید در حوزه نرخ‌گذاری ریسک‌ها و بازاریابی بیمه استفاده کرد. این اطلاعات باید جمع‌آوری‌شده و به‌صورت هدفمند پالایش و به کار گرفته شوند.

ـ سازگار: بحث بیگ دیتا، اطلاعات ایجادشده، ذخیره‌شده و تجزیه‌وتحلیل شده با سه شاخص اهمیت، سرعت، حجم و تنوع است. بیگ دیتا تابع زمان است. اگر در زمان مناسب از آن استفاده شود می‌تواند برای طرفین مفید فایده باشد اما اگر در زمان خودش از آن استفاده نشود به تاریخ می‌پیوندد. بیگ دیتا در صنعت بیمه می‌تواند مشکلات زیادی را حل کند، نرخ‌های واقعی به ما بدهد، نرخ‌ها را قانونمند، دقیق و متناسب با شرایط افراد قرار دهد. در بحث بیمه عمر بیشتر از همه بخش‌ها به آن نیاز داریم. در حال حاضر ضریب نفوذ حق بیمه ما بسیار کم است، با کمک گرفتن از بیگ دیتا می‌توان شرایط بهتری را برای صنعت بیمه خلق نماییم.

 

 

 

 

 

لینک کوتاهلینک کپی شد!
اخبار مرتبط
ارسال نظر

  ×  8  =  72