مرداب داده یا مغز متفکر نظارت؛

چرا سنهاب بدون «حاکمیت داده» زمین‌گیر است؟ / داده های زباله و خروجی های گمراه کننده

اشاره به مفهوم داده‌های مخدوش و ناهمگن در ساختار اطلاعاتی صنعت بیمه، دقیقاً انگشت نهادن بر ریشه بحران کارکردی سامانه سنهاب و شکست راهبردی معماری نظارتی بیمه مرکزی است. از منظر متدولوژی‌های حاکمیت داده و اصول بنیادین مهندسی سیستم‌های اطلاعاتی، یک قاعده تخطی‌ناپذیر و کلاسیک حاکم است: ورود داده زباله برابر است با خروج تحلیل زباله یا همان قاعده بنیادین اطلاعاتی که هرگونه خطای ورودی را به فاجعه خروجی تبدیل می‌کند. زمانی که ورودی یک اکوسیستم اطلاعاتی متشکل از اقلام داده‌ای نامعتبر، مخدوش، قطعه‌قطعه یا تعمداً دستکاری‌شده باشد، حتی بهره‌گیری از پیچیده‌ترین الگوریتم‌های هوش مصنوعی، مدل‌های پیشرفته اکچوئری و داشبوردهای چشم‌نواز نظارتی نیز حاصلی جز خروجی‌های گمراه‌کننده، ارزیابی‌های اشتباه از ریسک و در نهایت تصمیم‌گیری‌های انحرافی در سطح کلان تنظیم‌گری نخواهد داشت.

به گزارش ریسک نیوز، این روزها مفهوم داده‌های زباله (garbage) یا همان اطلاعات مخدوش و نامعتبر مطرح می شود، این مفهوم از سوی ریسک نیوز در خصوص سنهاب مورد بررسی قرار گرفته است.

قانون پایه‌ای ورود و خروج داده؛ خاستگاه شکست نظارت هوشمند

اشاره به مفهوم داده‌های مخدوش و ناهمگن در ساختار اطلاعاتی صنعت بیمه، دقیقاً انگشت نهادن بر ریشه بحران کارکردی سامانه سنهاب و شکست راهبردی معماری نظارتی بیمه مرکزی است. از منظر متدولوژی‌های حاکمیت داده و اصول بنیادین مهندسی سیستم‌های اطلاعاتی، یک قاعده تخطی‌ناپذیر و کلاسیک حاکم است: ورود داده زباله برابر است با خروج تحلیل زباله یا همان قاعده بنیادین اطلاعاتی که هرگونه خطای ورودی را به فاجعه خروجی تبدیل می‌کند. زمانی که ورودی یک اکوسیستم اطلاعاتی متشکل از اقلام داده‌ای نامعتبر، مخدوش، قطعه‌قطعه یا تعمداً دستکاری‌شده باشد، حتی بهره‌گیری از پیچیده‌ترین الگوریتم‌های هوش مصنوعی، مدل‌های پیشرفته اکچوئری و داشبوردهای چشم‌نواز نظارتی نیز حاصلی جز خروجی‌های گمراه‌کننده، ارزیابی‌های اشتباه از ریسک و در نهایت تصمیم‌گیری‌های انحرافی در سطح کلان تنظیم‌گری نخواهد داشت.

چهار گلوگاه ساختاری در تولید داده‌های نامعتبر

از دیدگاه تخصصی کارشناس داده و تحلیل‌گر کسب‌وکار بیمه، تولید و انباشت این داده‌های مخدوش در چرخه عمر داده‌ای سنهاب در چهار گلوگاه ساختاری رخ می‌دهد:

نخست، تزریق داده‌های نمایشی با مقادیر پیش‌فرض است. پرسنل صدور و شبکه فروش نمایندگی‌ها به منظور دور زدن قواعد کنترلی و سدهای سیستمی، فیلدهای اجباری حیاتی برای نظارت نظیر کد پستی دقیق محل استقرار ریسک، شماره حساب شبای بیمه‌گذار، پیشینه پزشکی در بیمه‌های عمر یا شناسه ملی ذینفع واقعی را با ارقام تکراری و داده‌های موهوم پر می‌کنند. نتیجه این فرآیند از دیدگاه حاکمیت داده، شکل‌گیری یک استخر داده کدر و بی‌مصرف است که اگرچه از منظر حجم ذخیره‌سازی داده به ترابایت می‌رسد، اما از حیث ارزش تحلیلی، قابلیت اطمینان، اکچوئری ریسک و تحلیل‌های مکانی فاقد هرگونه اعتبار است.

دوم، دستکاری انگیزه‌محور و جهت‌دار در چرخه داده‌های خسارت است. شرکت‌های بیمه در راستای کتمان واقعیت‌های مالی و به منظور حفظ صوری نسبت توانگری مالی در هر فصل یا انتهای سال مالی، داده‌های مربوط به اعلام خسارت را با تأخیر در هسته اصلی نرم‌افزارهای خود ثبت می‌کنند یا مبلغ برآورد اولیه خسارت معوق را به شکل سیستماتیک کمتر از واقعیت وارد می‌نمایند. از منظر محاسبات بیمه‌ای و تحلیل داده، این دستکاری موجب مخدوش شدن کامل ماتریس‌های مثلثی خسارت و به دنبال آن فروپاشی فرمول‌های تخمین ذخایر خسارات واقع‌شده اما گزارش‌نشده یا همان آی‌بی‌ان‌آر می‌شود. در چنین شرایطی، نهاد ناظر بر پایه داده‌های ورودی اشتباه، شرکت در آستانه بحران نقدینگی را توانگر تشخیص می‌دهد و زمانی پرده از واقعیت برداشته می‌شود که شرکت به نقطه غیرقابل بازگشت ورشکستگی رسیده است.

سوم، تشتت در لایه معنایی و فقدان فرهنگ لغت استاندارد داده است. در وضعیت حاضر، شرکت‌های بیمه با نرم‌افزارهای کر‌بیمه ناهمگون فعالیت می‌کنند و یک مفهوم پایه مانند تاریخ پذیرش خسارت در یک سامانه معادل روز تسلیم مدارک توسط بیمه‌گذار تعریف شده و در سامانه‌ای دیگر، تاریخ تأیید نهایی توسط کارشناس ارزیاب تلقی می‌شود. در غیاب یک متادیتای واحد، داده‌های گردآوری‌شده در سنهاب قابلیت تجمیع، مقایسه و سنجش را از دست می‌دهند و شاخص‌های کلیدی نظارت رفتاری، نظیر چرخه زمانی تسویه خسارت، به اعداد بی‌معنا و غیرقابل استناد بدل می‌شوند.

چهارم، غیبت لایه پالایش، اعتبارسنجی و فیلترینگ در لایه ورود داده به سامانه است. سنهاب در تمام این سال‌ها به عنوان یک انبار پذیرنده منفعل عمل کرده است، نه یک نگهبان دروازه کیفیت داده. مادامی که بسته‌های داده‌ای از طریق وب‌سرویس‌ها ساختار فایلی استانداردی داشته باشند توسط سنهاب پذیرفته می‌شوند، بدون آنکه محتوای منطقی داده با واقعیت کسب‌وکار یا پایگاه‌های داده مرجع کشور اعتبارسنجی شود.

پیامدها و آسیب های  سه‌گانه بر نظام تنظیم‌گری

برآیند استقرار این سازوکار معیوب، تحمیل سه آسیب ساختاری بر نظام نظارتی بیمه کشور است:

نخستین آسیب، ایجاد توهم نظارت برای رگولاتور است. مدیران بیمه مرکزی با اتکا به شمارش رکوردهای میلیونی در سنهاب دچار این پندار می‌شوند که نظارت برخط و دقیقی بر بازار دارند، غافل از اینکه بر تلی از داده‌های ناهمگن و مخدوش اتکا کرده‌اند.

دومین آسیب، ابتر ماندن ابزارهای نظارت فناورانه، فناوری‌های سوپ‌تک و سامانه‌های کشف تقلب مبتنی بر یادگیری ماشین است. این الگوریتم‌ها نیازمند داده‌های تمیز، متوازن و قطعی هستند؛ در صورت تزریق داده‌های مخدوش، مدل‌های هوش تجاری دچار خطای ساختاری شده و به ابزاری برای نتیجه‌گیری‌های غلط تبدیل می‌شوند.

سومین آسیب، ناممکن شدن استقرار استانداردهای مالی و توانگری پیشرفته نظیر استانداردهای بین‌المللی گزارشگری مالی و الگوهای سرمایه مبتنی بر ریسک است، زیرا زیربنای چنین نظام‌هایی نیازمند داده‌های تفکیک‌شده قراردادی با صحت سنجیده شده است که وضع فعلی سنهاب توان پاسخگویی به آن را ندارد.

چارچوب‌های بین‌المللی؛ گذار از انبارداری داده به معماری نظارت رفتاری و احتیاطی

در تجربه جهانی، نهادهای ناظر بیمه‌ای مانند مرجع بیمه و حقوق بازنشستگی شغلی اروپا (EIOPA) ذیل چارچوب سالونسی ۲ و سازمان بین‌المللی ناظران بیمه (IAIS)، سال‌هاست که از منطق جمع‌آوری فله‌ای داده عبور کرده و نظام گزارشگری را بر پایه سه استاندارد مشخص بنا نهاده‌اند:

۱. استاندارد متادیتای هماهنگ با تکیه بر ساختار فرهنگ لغت مشترک و زبان گزارشگری مالی گسترش‌پذیر (XBRL) تا امکان تفسیر دوگانه از هیچ فیلدی وجود نداشته باشد.

۲. مدل مرجع داده‌های بیمه‌ای (مانند استانداردهای داده‌ای ACORD) که در آن جریان داده از صدور تا تسویه با اسناد مالی پیوند قطعی دارد.

۳. پروتکل‌های خودکار ارزیابی کیفیت داده (Data Quality Gateways) که پیش از بارگذاری داده در مخازن مرکزی، اقلام دارای خطا یا نامتعارف را پس می‌زنند.

الگوی پیاده‌سازی در ایران؛ سناریوی جامع در برابر میان‌برهای بهینه

پیاده‌سازی این الگوها در صنعت بیمه ایران با توجه به محدودیت بودجه، گسست میان سامانه‌های کر‌بیمه و مقاومت شرکت‌ها، میان دو سناریو مردد است:

سناریوی اصلی (بازمهندسی بنیادین در بازه ۳ تا ۴ ساله):

در این رویکرد، نهاد ناظر اقدام به تدوین استاندارد جامع متادیتا برای تمام رشته‌های بیمه‌ای، اجبار شرکت‌ها به ارتقای هسته نرم‌افزاری و پیاده‌سازی کامل استانداردهای بین‌المللی گزارشگری مالی ۱۷ می‌کند. اگرچه خروجی این سناریو ایده‌آل است، اما هزینه‌ای چند ده همتی بر صنعت تحمیل می‌کند، نیازمند زمان طولانی است و تا زمان تحقق کامل، خلأ نظارتی را رفع نمی‌کند.

سناریوی بهینه و میان‌برهای اجرایی (بازه ۶ تا ۱۲ ماهه با هزینه کنترل‌شده):

برای دستیابی به بیشترین اثرگذاری بدون فلج کردن فرآیندهای عملیاتی، رگولاتور می‌تواند از سه میان‌بر هوشمندانه استفاده کند این سه میان‌بر به‌صورت هم‌زمان و ارگانیک در یک زنجیره تکاملی ۶ تا ۱۲ ماهه عمل می‌کنند:

  • میان‌بر اول: فیلتر اعتبارسنجی در دروازه ورودی سنهاب. نیازی به تغییر تمام هسته‌های نرم‌افزاری شرکت‌ها نیست؛ بلکه بیمه مرکزی می‌تواند بر روی لایه وب‌سرویس‌های ورودی سنهاب قواعد کنترلی سخت‌گیرانه وضع کند. فیلدهای کلیدی مانند کد پستی، کد ملی و شناسه شبا در همان لحظه ورود از طریق وب‌سرویس‌های برخط ثبت احوال، پست و بانک مرکزی اعتبارسنجی شده و در صورت مغایرت، صدور یا ثبت رکورد بلافاصله رد شود.
  • میان‌بر دوم: اتصال مثلثی اقلام کلیدی به داده‌های مالی. به جای تجمیع همه جزئیات، در گام نخست داده‌های رشته‌های پرریسک و سنگین نظیر درمان، ثالث و آتش‌سوزی در لایه صدور و خسارت به اسناد دفترکل مالی متصل شوند تا امکان بازی با ذخایر آی‌بی‌ان‌آر در پایان دوره‌ها سلب گردد.
  • میان‌بر سوم: تنظیم‌گری مبتنی بر مشوق‌های کیفی. به جای پروژه‌های هزینه‌بر ممیزی، برای شرکت‌ها شاخص سلامت داده تعریف شده و امتیاز حاصل مستقیماً در نسبت توانگری مالی یا ظرفیت مجاز قبولی اتکایی اعمال شود؛ سازوکاری که شرکت‌ها را وادار می‌سازد هزینه پاکسازی داده را خود به عنوان یک مزیت تجاری متقبل شوند. این رویکرد میان‌بر با صرف کسری از هزینه‌های سناریوی نخست و در بازه‌ای کمتر از یک سال، بیش از ۷۰ درصد از انحرافات داده‌ای سنهاب را مهار می‌کند.

 

نکته مهم اینکه سه میان‌بر بالا به‌صورت هم‌زمان و ارگانیک در یک زنجیره تکاملی ۶ تا ۱۲ ماهه عمل می‌کنند؛ به این معنا که هیچ‌کدام جایگزین دیگری نیستند، بلکه مکمل یکدیگرند: میان‌بر اول (دروازه ورودی): جلوی ورود دیتای مخدوش جدید را در لایه وب‌سرویس می‌گیرد (پیشگیری فوری).

میان‌بر دوم (اتصال مالی): ترازنامه و ذخایر IBNR شرکت‌ها را به اسناد حسابداری گره می‌زند (بستن روزنه‌های بازی با اعداد در پایان سال).

میان‌بر سوم (شاخص سلامت DQI): با ابزار اقتصادی و نظارتی (توانگری)، شرکت‌ها را مجبور می‌کند خودشان به پاکسازی داده‌های انباشته‌شده قبلی تن بدهند (ضمانت اجرایی بدون نیاز به بازرسی پرهزینه).

بسته چهارگانه اقدامات ساختاری برای نجات سنهاب

از منظر کارشناس حاکمیت داده، برای خروج از این مرداب اطلاعاتی و تبدیل سنهاب به یک پایگاه داده نظارتی اتکاپذیر، بیمه مرکزی باید چهار اقدام ساختاری را پیاده‌سازی کند:

استقرار فیلترهای اعتبارسنجی منطقی در درگاه تبادل داده به نحوی که داده‌های مخدوش، مقادیر پیش‌فرض نامعتبر و تراکنش‌های دارای مغایرت به صورت آنی و خودکار پس زده شوند.

تعریف شاخص امتیاز کیفیت داده و محاسبه نرخ داده‌های معیوب هر شرکت به صورت ماهانه، به همراه ایجاد پیوند مستقیم میان سلامت داده با ظرفیت مجاز صدور یا رتبه توانگری مالی شرکت‌ها.

اجرای نظام حسابرسی مستمر داده با مطابقت دادن تصادفی اسناد واقعی و پرونده‌های خسارت با رکوردهای سنهاب و تعریف جرایم بازدارنده برای شرکت‌هایی که تعمداً دیتای خلاف واقع ثبت کرده‌اند.

ایجاد اتصال سیستمی اجباری میان داده‌های عملیاتی صدور و خسارت با اسناد حسابداری دفترکل مالی شرکت‌ها، تا از ثبت رکوردهای آماری بدون پشتوانه سند مالی جلوگیری به عمل آید.

 بهداشت داده پیش‌نیاز هرگونه تحول دیجیتال

در یک جمع‌بندی کارشناسی باید تاکید کرد تا زمانی که سنهاب نتواند بر قاعده کیفیت و سلامت داده غلبه کند و حاکمیت کیفیت داده را به عنوان شرط بنیادین دریافت اطلاعات برقرار نسازد، سخن گفتن از نظارت هوشمند، رصد سیستمی حقوق بیمه‌گذاران یا پایش توانگری شرکت‌ها تنها یک شعار اداری خواهد بود، زیرا ریشه نظارت کارآمد در مغز نرم‌افزارها نیست، بلکه در بهداشت و اعتبار داده‌هایی است که به سیستم تغذیه می‌شود.

 

نظر شما چیست؟