از ارایه نخستین «جدول مرگ و میر» در بیمه تا کنون چگونه گذشت؟ / دیتا تصمیم می گیرد

به گزارش گروه مدیریت مشاورۀ «بوستون» آن دسته از بیمه‌گذارانی كه نتوانند با مدل‌ها و تحولات جدید قیمت‌گذاری سازگار شوند، میدان رقابت را به آنهایی می‌بازند که نیازهای مشتریان و انگیزۀ اصلی تمایل آنها به پرداخت بهتر را درک کرده‌اند./ شرکت اینشورتک «مونتوکس» ابزارهای قیمت‌گذاری در اختیار اکچوئری‌هایی می‌گذارد که با بینش و تحلیل استراتژیک خود قیمت‌گذاری را متحول می‌کنند. ابزارهای آنها زمان بیشتری را برای اکچوئری‌ها آزاد می‌کند تا به فعالیت‌هایی بپردازند که رشد بیشتری را به ارمغان می‌آورد.

به گزارش ریسک نیوز، در سال 1693، ادموند هلی نخستین گزارش اکچوئری خود را ارائه داد که امروز آن را با نام «جدول مرگ و میر» می‌شناسند.

او در این مطالعه روش‌های آماری را در داده‌های مربوط به مرگ و میر شهری در لهستان مورد استفاده قرار داد. تقریباً 80 سال بعد، یعنی سال 1772، ریچارد پرایس جدول بعدی را منتشر کرد. با وجود اینکه داده‌ها همیشه پایه و اساس صنعت بوده‌اند، جمع‌آوری و استفاده از آنها به کندی پیش رفت.

اما انقلاب دیجیتالی شرایط را تغییر داد. حدوداً 90 درصد از داده‌ها در جهان تنها در دو سال گذشته تولید شده است. داده‌ها در زمان واقعی ایجاد و به روزرسانی می‌شوند. پیشرفت در ذخیره‌سازی و پردازش داده‌ها، محاسبات و الگوریتم‌ها فرصت‌های جدیدی را ایجاد کرده است که تا چند سال پیش وجود نداشت. صنعت بیمه که تا حد زیادی بر داده‌های خود متکی است، باید سعی کند به سرعت بر اساس این داده‌ها پردازش و جهت‌گیری کند تا بتواند مزیت رقابتی به دست آورد. ظهور اینشورتک، فرصت‌های جدیدی را پیش روی شرکت‌های بیمه قرار داده است که بیشتر به دلیل اهمیت تاریخی داده‌ها شکل گرفته است.

اینشورتک در پاسخ به بازار و فناوری‌های جدید، فصل اشتراک بیمه و فناوری را بیان می‌کند. این مبحث با تلاش بیشتر شرکت‌ها در بهره‌برداری از فناوری‌های جدید تکامل یافته است. شرکت‌های اینشورتک که ممکن است هر کدام بر سیستم‌های فرانت‌اند و بک‌اند یا هر دو متمرکز ‌شوند، همه به دنبال این هدف هستند تا به بیمه‌گران کمک کنند به رقابت بپردازند و ارزش صنعت بیمه را افزایش دهند. برخی دیگر مستقیماً با ارائة ابزارهای دیجیتالی برتر درصدد رقابت برای جذب سهم بازار هستند.

اکنون مصرف‌کنندگان در دنیای تقاضامحور انتظار دارند به طور شبانه‌روزی به ارائه‌دهندگان خدمات دسترسی داشته باشند و تجربه‌ای یکپارچه و اومنی‌چنل داشته باشند. آنها ترجیح می‌دهند به صورت آنلاین درخواست دهند، مطالبات خود را آنلاین یا از طریق اپلیکیشن ارسال کنند، از طریق رسانه‌ای که انتخاب می‌کنند به مشاوران دسترسی پیدا کنند و بیمه‌نامه‌های خود را در دنیای دیجیتال پیگیری کنند. به هر حال پلت‌فرم‌های اینشورتک اکنون داده‌ها را به میزان بی‌سابقه‌ای جمع‌آوری می‌کنند. تحلیل داده‌ها فرصت‌هایی را برای بهره‌وری بیشتر در هزینه‌، پردازش سادۀ مطالبات و پیشگیری از ریسک و کلاهبرداری ایجاد می‌کند.

داده‌های بنیادین تحول اینشورتک جنبه‌های مختلف صنعت بیمه را تحت تأثیر قرار خواهد داد. بخش بازاریابی نیز می‌تواند فوراً موفقیت یک کمپین را تخمین بزند، متناسب با آن تغییر جهت دهد و تغییراتی را بر اساس پاسخ مشتری ایجاد کند. بیمه‌نامه‌ها و محصولات جدید در خلاء ایجاد نمی‌شوند. در عوض، توسعۀ محصول با همکاری بازاریاب‌ها، بیمه‌گران و کارگزاران شکل می‌گیرند؛ همچنین اینشورتک در حال تغییر مدل شرکت‌های بیمه است و آنها را از سازمان‌های جداافتاده به اکوسیستم‌هایی کاملاً یکپارچه تبدیل می‌کند.

بر اساس مطالعۀ مؤسسۀ «میلکن» از سال 2018 حدود 9 میلیارد دلار سرمایه در حوزۀ اینشورتک سرمایه‌گذاری شده است. شرکت‌های بیمه در تلاش هستند تا با همکاری با کسانی که دانش فنی دارند، مزیت رقابتی کسب کنند. محرک اصلی این روند نیاز روزافزون به درک و استفاده از داده‌هاست که برخی از کارشناسان آن را کلید بقای یک صنعت می‌دانند که به طور فزاینده‌ای تحت فشار رشد کند اقتصادی، نرخ بهره و رقابت جدید قرار دارد.

 

اهمیت داده‌ها در صنعت بیمه، اکچوئری‌ها و بیمه‌گران

سال‌ها پیش یک ماه زمان لازم بود تا اکچوئری‌ها بتوانند موقعیت دارایی‌ و بدهی بیمه‌نامه‌ها را‌ به طور دستی محاسبه کنند. آنها تا به امروز نیز باید از نحوۀ محاسبۀ ذخایر بر اساس الگوی داده‌های کل، اطلاع کافی داشته باشند. این در حالی است که با استفاده از قدرت نرم‌افزار و فناوری می‌توان این اعداد و ارقام را در کسری از ثانیه محاسبه کرد. این روند دو تغییر عمده در صنعت ایجاد کرده است.

اکچوئری‌ها همچنان براي هر يك از فاکتورهای معمول ارزیابی، یعنی جنسیت، سن، درآمد و موقعیت جغرافیایی، جدول‌هاي رتبه‌بندي ارائه می‌دهند و حق بیمۀ پایه را تعیین می‌کنند. با این حال، آنها اکنون می‌توانند داده‌های مربوط به مطالبات و بیمه‌نامه‌ها را در زمان واقعی، تجزیه و تحلیل، عوامل موفقیت را در مناطق جغرافیایی شناسایی و به مدیریت و طراحی محصولات نیز کمک کنند. شرکت‌ها نیز سعی دارند وظایفی را برای اکچوئری‌ها در کل سازمان تعریف کنند؛ مانند بخش‌های مربوط به پیشگیری از کلاهبرداری، توسعۀ محصولات یا تحقیق و توسعه در نقش متخصص علم داده.

زمانی بیمه‌گران به مدل‌هایی متکی بودند که اکچوئری‌ها‌ ارائه می‌دادند و از آنها در ارزیابی کارکرد بیمه‌نامه‌ها استفاده می‌کردند. اکچوئری‌ها گروه‌ها و حق بیمۀ پایه را تعیین می‌کردند و بیمه‌گران نیز افراد را به دسته‌هایی مبنی بر مشخصه‌های ریسک تقسیم می‌کردند. بر اساس این داده‌ها آنها تصمیم می‌گرفتند کدام درخواست‌ها باید پذیرش یا رد شوند.

اکنون بیمه‌گران نه تنها از داده‌های اکچوئری استفاده می‌کنند؛ بلکه از آنها در تصمیم‌گیری‌های خود نیز بهره می‌برند؛ بنابراین پیشرفت‌های فناوری منابع جدیدی از داده‌ها را در دسترس بیمه‌گران قرار داده است. جمع‌آوری داده‌ها از طریق پلت‌فرم‌های اینشورتک (InsurTech) به اکچوئری‌ها امکان استخراج، تحلیل و ایجاد جداول رتبه‌بندی سفارشی‌تری را بر اساس نیازهای کارگزاران می‌دهد.

به علاوه اکچوئری‌ها و بیمه‌گران دیگر نمی‌توانند مستقل از یکدیگر در سازمان‌های جدا فعالیت کنند. اکچوئری‌ها تنها به ارائۀ مدل‌ها و اطلاعات به بیمه‌گذاران بسنده نخواهند کرد که در آینده برای تصمیم‌گیری‌ها دربارۀ بیمه‌نامه‌ها مورد استفاده قرار بگیرند؛ بلکه باید از مراحل اجراسازی آنها توسط کارگزاران نیز اطلاع کافی داشته باشند.

تغییرات در جمع‌آوری و پیاده‌سازی داده‌ها، بیمه‌گذاران را از دو جنبۀ مهم تحت تأثیر قرار می‌دهد؛ قیمت‌گذاری دقیق بیمه‌نامه‌ها و جلوگیری از کلاهبرداری.

 

  1. قیمت‌گذاری دقیق بیمه‌نامه‌ها

امروز مصرف‌کنندگان می‌تواند ویژگی‌ها و قیمت‌های بیمه‌نامه‌ها را تنها در چند دقیقه به صورت آنلاین مقایسه کنند. شفافیت بیشتر در قیمت و ارزش، باعث می‌شود تا ارائه‌دهندگان مجبور شوند به طور مداوم مدل‌های قیمت‌گذاری و عرضۀ محصولات خود را اصلاح کنند. علاوه بر این، بیمه‌نامه‌هایی که قیمت‌هایی دقیق و مناسب دارند از حاشیۀ سود بیمه‌گذار محافظت می‌کنند.

داده‌های بزرگ، همراه با ابزارهای تحلیل و پیش‌بینی، بیمه‌گذاران را قادر می‌سازد بیمه‌نامه‌ها را سریعاً با تقاضای بازار تطبیق دهند. آنها می‌توانند بیمه‌ها را مبتنی بر کاربردشان طراحی کنند؛ مثلاً بیمه‌گذارانِ اتومبیل می‌توانند بر اساس مسافت طی‌شدۀ یک مورد یا حادثۀ خاص را قیمت‌گذاری کنند. آماده‌سازی بیمه‌نامه‌های مبتنی بر تقاضا انتظارات نسل جدید را برآورده می‌کند و به کارگزاران این امکان را می‌دهد تا فروش بیشتری داشته باشند. این روند نیز کمک می‌کند تا کسب و کارهای محروم و بیمه‌نشده تحت پوشش قرار گیرند.

هنگامی که داده‌ها از منابع خارجی و همچنین درخواست‌های دریافت‌شدۀ یک شرکت استخراج و جمع‌آوری شوند، اکچوئری‌ها می‌توانند ریسک و رفتار مشتری را به شکل بهتری تخمین بزنند؛ بنابراین آنها می‌توانند حق بیمه‌ها را طوری طراحی کنند که سود به بالاترین میزان ممکن برسد و در حالی که با فشار رقابتی جلو می‌روند، تقاضای پیش رو را نیز را برآورده کنند.

به گزارش گروه مدیریت مشاورۀ «بوستون» آن دسته از بیمه‌گذارانی كه نتوانند با مدل‌ها و تحولات جدید قیمت‌گذاری سازگار شوند، میدان رقابت را به آنهایی می‌بازند که نیازهای مشتریان و انگیزۀ اصلی تمایل آنها به پرداخت بهتر را درک کرده‌اند.

شرکت اینشورتک «مونتوکس» ابزارهای قیمت‌گذاری در اختیار اکچوئری‌هایی می‌گذارد که با بینش و تحلیل استراتژیک خود قیمت‌گذاری را متحول می‌کنند. ابزارهای آنها زمان بیشتری را برای اکچوئری‌ها آزاد می‌کند تا به فعالیت‌هایی بپردازند که رشد بیشتری را به ارمغان می‌آورد.

 

  1. جلوگیری از کلاهبرداری

سیستم پیشگیری از کلاهبرداری باید انعطاف لازم را داشته باشد؛ زیرا رفتار مجرمان به طور پیوسته همگام با اقدامات ضد کلاهبرداری تغییر می‌کند. کاربرد داده‌های بزرگ در جلوگیری از کلاهبرداری‌هایی، مانند پروفایلینگ، اثبات شده است و بیمه‌گزارانی که تجربۀ استفاده از آن را داشتند 4/1 برابر کاهش هزینه‌ها را گزارش دادند. این فناوری به خوبی با فعالیت‌های مربوط به مدیریت ریسک به منظور شناسایی کلاهبرداری سازگار است. این سیستم با تطبیق متغیرهای موجود در هر یک از مطالبات در مقایسه با کلاهبرداری‌های گذشته موارد را برای بررسی‌های بعدی نشان‌دار می‌کند.

پیش از اینکه داده‌های خام از این طریق مورد تجزیه و تحلیل قرار گیرند باید به تشکیلاتی از داده‌ها تبدیل شوند تا بتوان آنها را به طور فعال ذخیره کرد. بیمه‌گذاران سپس می‌توانند داده‌ها را غالباً قبل از صدور بیمه‌نامه یا پرداخت مطالبات متناسب با فاکتورهای جرم بررسی کنند. الگوریتم‌های محصولات اینشورتک یکپارچگی داده‌ها را ارزیابی می‌کنند تا اکچوئری‌ها از کامل و قابل اطمینان بودن آنها مطمئن شوند.

در سازمانی که بخش بیمۀ خودرو با بخش بیمۀ مسکن ارتباطی نداشته باشد، نمی‌توان تصویری کلی از مشتری به دست آورد؛ اما انتقال داده‌ها تصویر دقیق‌تری ارائه می‌دهند. این امر بیمه‌گذاران را قادر می‌سازد تا اطلاعات دقیق مشتریان را بسنجند و واقعیت را با آنچه آنها ارائه می‌دهند، مقایسه کنند. نرم‌افزارهای تحلیل‌گر، جریان‌های چندگانۀ داده‌ها را گردآوری، سپس لایه‌های مختلف را برای شناسایی نقاط ضعف، شکاف یا ناهماهنگی تنظیم می‌کنند.

نباید فراموش کرد که داده‌ها همیشه پایه و اساس صنعت بیمه بودند؛ اما اکنون آینده آن را تضمین می‌کند.

 

چگونه اینشورتک روند جمع‌آوری داده‌ها را متحول می‌کند؟

درخواست و پذیرش آنلاین بیمه

روند تقاضا و زیرنویسی بیمۀ زندگی پیش‌تر تا 75 روز طول می‌کشید. زمان لازم برای اعلام پذیرش درخواست برای مشتری، بسیار ناامیدکننده بود. روند تصمیم‌گیری و تضمین بیمه از سرعت تحولات فناوری عقب افتاده بود که اینشورتک به کمک شرکت‌های بیمه رسید.

پلت‌فرم اینشورتک عملیات بیمه را در زمان واقعی امکان‌پذیر می‌کند. نرم‌افزارها می‌توانند اطلاعات ارائه‌شده توسط دفتر اطلاعات پزشکی (Medical Information Bureau)، گزارشات مربوط به تجویز داروی متقاضی و همچنین اتومبیل او را گرد هم آورند و آنها را با پاسخ‌های ارائه‌شده توسط وی مقایسه کنند. به این ترتیب، دیگر نیازی به زیرنویسی دستی نیست.

درخواست‌هایی که به طور دستی با قلم و کاغذ پر می‌شوند، احتمال بیشتری برای خطا دارند، خواه در قسمت‌هایی که خالی گذاشته شده یا اینکه اطلاعاتی اشتباه وارد شده است. به علاوه، این روش به نوبۀ خود روند زیرنویسی را کندتر می‌کند و بیمه‌گذار نیز مجبور می‌شود تا برای پر کردن قسمت‌های خالی درخواست دوباره به کارگزار مراجعه کند؛ البته اپلیکیشن‌های الکترونیکی ممکن است مصرف‌کنندگان را فریب دهد که این برنامه کاملاً دیجیتالی است. این در حالی است که بسیاری از آنها تنها پی‌دی‌اف‌های دیجیتالی هستند و هیچ‌گونه اعتبار یا داده‌ای در پس آنها وجود ندارد؛ اما اینشورتک محدود به جمع‌آوری داده‌های بیشتر نمی‌شود؛ چه بسا نقش بهتری را در اثبات صحت و تمامیت آن بر عهده دارد.

اپلیکیشن‌های آنلاین با دقت بیشتر تکمیل فرم درخواست را بررسی می‌کنند و در صورت خالی ماندن بخش‌های مختلف، اجازۀ ورود به صفحۀ «بعدی» را نمی‌دهد؛ همچنین اپلیکیشن‌ها جمع‌آوری داده‌ها را سریع و بدون دردسر انجام می‌دهند، به طوری که نیازی به فرایند تحویل فرم‌های مختلف یا حتی معاینۀ احتمالی پزشکی نباشد. علاوه بر این، اپلیکیشن‌ها در میان مصرف‌کنندگان محبوب هستند، به طوری که در سال 2018 تقریباً از هر سه بزرگسال یک نفر سعی کرد بیمۀ زندگی را به صورت آنلاین خریداری کند.

 

داده‌های کهنۀ سازمان‌نیافته

داده‌های سازمان‌نیافتۀ قدیمی در قالب فرم‌های پزشکی و مطالبات گذشته به شکل پی‌دی‌اف و در کمدها یا هارددیسک‌های قدیمی حفظ شده‌اند که باید دوباره مورد بررسی قرار گیرند. این اطلاعات جمع‌آوری شده‌اند و غیر قابل استفاده جایی رها شده‌اند تا اینکه شرکتی قصد کند زمان و انرژی خود را صرف آن کند؛ اما اینشورتک اکنون این داده‌ها را در دسترس قرار می‌دهد.

شرکت بیمه‌گذار «ائون» با یک شرکت اینشورتک برای جمع‌آوری داده‌ها و باز کردن بیش از 170 میلیون نقطه داده شریک شد تا اطلاعاتی را از درخواست‌ها و مطالبات دستی قدیمی دربارۀ محدودیت‌ها، معافیت از مالیات و داده‌های مختلف استخراج کنند. فناوری هوش مصنوعی اکنون شرکت‌ها را قادر می‌سازد داده‌ها را از اسناد قدیمی استخراج و اطلاعات مناسب را کسب کنند. انتظار می‌رود ایده‌های جدید بتواند دلایل اصلی درخواست مطالبات و ضرر و زیان و همچنین پرداخت مطالبات و حق بیمه را از میان داده‌های قدیمی روشن کند تا معیارهای بهتری در صنعت بیمه ایجاد شود.

استخراج داده‌های سازمان‌نیافتۀ قدیمی فرصت‌هایی را در اختیار کسب و کارها قرار می‌دهد تا راه‌حل‌های جدیدی برای نظارت بر ریسک و کاهش ریسک کلی ایجاد کنند.

 

ادغام منابع داده

اینشورتک علاوه بر جمع‌آوری داده‌ها آنها را از چندین منبع ادغام می‌کند؛ مثلاً در مبحث پیشگیری از کلاهبرداری به جمع‌آوری داده‌های مربوط به بیمۀ اتومبیل و مسکن اشاره شد. این نوع از داده‌های ادغام‌شده همچنین می‌توانند اطلاعاتی را از منابع خارجی، مانند بازار مسکن، استخراج کنند تا دقت قرارداد بیمه را افزایش دهند.

 

فناوری پوشیدنی

اینترنت اشیاء تأثیر عمیقی بر صنعت داشته است. شرکت‌ها با سنسورهایی که روی همه چیز از ساعت‌های هوشمند تا خودروی مصرف‌کننده نصب شده است، دسترسی بیشتر و بهتری به داده‌های دارندگان بیمه دارند. آنها با استفاده از این اطلاعات می‌توانند پیشنهاد و میزان پوشش محصولات را نسبت به استفادۀ مشتریان سفارشی‌سازی کنند.

البته مصرف‌کنندگان از فناوری‌های پوشیدنی، مانند ساعت‌های هوشمند، استقبال کرده‌اند. آنها ثابت كردند كه حاضرند اطلاعات خود را به شركت بيمه ارائه دهند. شرکت‌های بیمۀ درمانی به طور ویژه با استفاده از Fitbits یا ساعت‌های Apple رفتار افراد را ردیابی می‌کنند. آنها از طریق داده‌های به دست آمده از فناوری‌های پوشیدنی برای ارزیابی سبک زندگی و فعالیت دارندۀ بیمه‌نامه استفاده می‌کنند و در عوض تخفیف‌هایی را در حق بیمه به ازای پاداش فعالیت سالم او ارائه می‌دهند.

دیگر لازم نیست بیمه‌گذار به اطلاعاتی وابسته باشد که فرد بیمه‌شده از تناسب اندام و سطح سلامت کلی خود ارائه می‌دهد. فناوری‌های پوشیدنی نه تنها پاسخ‌های مصرف‌کننده را دربارۀ درخواست بیمۀ زندگی مورد تأیید قرار می‌دهد؛ بلکه داده‌های گسترده‌تر و دقیق‌تری را در اختیار بیمه‌گران قرار می‌دهد تا بر آن اساس مدل‌هایی قابل پیش‌بینی ایجاد شود.

 

اینشورتک و تحول در ترجمان داده‌ها

در اختیار داشتن داده‌ها یک مسئله است و نحوۀ استفاده از آن نیز مسئله‌ای دیگر است. اینشورتک نه تنها به شرکت‌های بیمه کمک می‌کند تا اطلاعات بیشتری نسبت به گذشته جمع‌آوری کنند؛ بلکه از طریق الگوریتم‌ها و هوش مصنوعی، ترجمان داده‌ها را نیز متحول کرده است.

 

الگوریتم‌ها، هوش مصنوعی و اینشورتک

الگوریتم‌ها روند تصمیم‌گیری را با استفاده از داده‌های جمع‌آوری‌شده از درخواست‌ها، مطالبات و منابعی دیگر، مانند فناوری‌های پوشیدنی، اتوماتیک می‌کند؛ به عبارت ساده‌تر، الگوریتم، مجموعه‌ای از دستورالعمل‌هاست که از نرم‌افزار می‌خواهد تا مشکلی را حل کند، داده‌ها را پردازش کند یا استدلال اتوماتیک انجام دهد. این فرایند تصمیم‌گیری‌ها را نیز خودکار می‌کند.

به گفتۀ ژان نیکلاس هولد، مدیر ارشد داده‌های شرکت «بریث لایف»، الگوریتم‌ها این قدرت را دارند که در چند دقیقه کارهایی انجام دهند که پیش‌تر ساعت‌ها، اگر نگوییم روزها، زمان لازم داشت. زمانی که پلت‌فرم یک اینشورتک از این قدرت استفاده کند، دریچه‌ای به سوی امکاناتی بی‌پایان باز می‌شود.

الگوریتم‌ها به بیمه‌گذاران کمک می‌کنند داده‌های بزرگ را به منظور بررسی‌های خود تجزیه کنند تا سپس برای اطلاع‌رسانی هر چه بهتر در تصمیم‌گیری‌های مختلف از زیرنویسی‌ تا بازاریابی، مورد استفاده قرار دهند. پیچیدگی و حجم داده‌های سازمان‌نیافتۀ بیمه، به ویژه در شرکت‌های کوچک‌تر، می‌تواند بسیار زیاد شود. الگوریتم‌ها داده‌های بزرگ را به داده‌هایی تبدیل می‌کنند که برای سازمان‌های کوچک، متوسط و بزرگ قابل رسیدگی باشد.

شرکت‌های کوچک‌تر بیمه، مانند «بریث لایف» در مشارکت با یک پلت‌فرم اینشورتک از مزیت رقابتی حتی بیشتری برخوردارند. پلت‌فرم‌ها داده‌های به دست‌آمده از همۀ شرکای خود را جمع‌آوری می‌کنند و به هر یک از آنها امکان دسترسی به مجموعه داده‌های بسیار بزرگ‌تری را فراهم می‌کنند که بر آن اساس بتوانند مدل‌های قیمت‌گذاری را آماده و رفتار مصرف‌کننده را شناسایی کنند.

هوش مصنوعی کاربرد خاصی در پردازش مطالبات دارد. از آنجا که هوش مصنوعی سازگاری بیشتری با انسان دارد، سیستم‌های اطلاعاتی می‌توانند مطالبات را سریع‌تر و با خطاهای کمتری مدیریت کنند. پلت‌فرم‌های خودآموزی در اکثر موارد می‌توانند مطالبات و پرداخت‌ها را رسیدگی کنند و دارندۀ بیمه‌نامه هرگز با یک کارمند صحبت نخواهد کرد. یادگیری ماشینی می‌تواند مطالبات را از پیش ارزیابی کند، تقلب‌های بالقوه را نشان‌دار و در برخی موارد به صورت خودکار میزان خسارت را ارزیابی کند.

داده‌ها بدون تحلیل، تنها مجموعه‌ای از اعداد و دسته‌بندی‌ها هستند. قابلیت‌های تحلیلی الگوریتم‌های مورد استفادۀ پلت‌فرم‌های اینشورتک به شرکت‌ها اجازه می‌دهد تا داده‌های جمع‌آوری شده را به کار گیرند و از آنها نتیجه‌گیری کنند. پردازش داده‌های گذشته و زمان واقعی از طریق یک الگوریتم پیچیده، چشم‌اندازی پیچیده از بازار و نمای دقیق‌تری از ریسک ارائه می‌دهد.

توانایی محاسباتی هوش مصنوعی تا حد زیادی زمان چرخۀ خرید یک محصول جدید بیمه را کاهش می‌دهد. بیمه‌گذاران با استفاده از هوش مصنوعی توانایی خود را در صدور فوری بیمه‌های جدید بیشتر اصلاح می‌کنند. شرکت تحقیقاتی «مک‌کینزی» پیش‌بینی می‌کند که این امر «موج جدیدی از صدور فوری محصولات در بازار انبوه» را بر اساس شناسایی ریسک به همراه دارد.

ویژگی‌های سازگارپذیر هوش مصنوعی که نقش بسزایی در تجزیه و تحلیل مقایسه‌ای دارد به بیمه‌گذاران کمک می‌کند تا با سرعت بیشتری نسبت به تغییر رفتارهای مجرمانه پیش رود؛ اگر فاکتورهای موردنظر از آستانۀ مشخص سیستم هوش مصنوعی عبور کند، موارد برای بررسی‌های بیشتر نشان‌دار خواهند شد. همزمان با افزایش قابلیت‌های هوش مصنوعی، کاربرد آن نیز در همۀ ابعاد صنعت افزایش می‌یابد.

 

امنیت، حفظ حریم خصوصی و اخلاق در اینشورتک

صنعت بیمه یکی از صنایعی است که به دلایلی منطقی بیشتر تحت تأثیر قانون‌گذاری‌های جدید قرار دارد. بیمه‌گران اطلاعات بسیار شخصی از خانه و زندگی افراد جمع‌آوری می‌کنند. شرکت‌ها در کنار اینشورتک، داده‌های بیشتری از زندگی مصرف‌کنندگان به دست می‌آورند.

آنها می‌دانند که مشتری بیمۀ خودرو برای رسیدن به محل کار خود از کدام مسیر عبور می‌کند یا دارندۀ بیمۀ زندگی چند بار در هفته ورزش می‌کند. اپلیکیشن‌های آنلاین، اطلاعاتی را در اختیار دارند که در صورت انتشار عمومی آن ممکن است آسیبی جدی به فرد وارد شود. اینشورتک، فرصت بسیار خوبی در صنعت به ارمغان آورده است؛ اما با چالش‌ها و سؤالاتی اخلاقی روبه‌رو است.

 

امنیت، حریم خصوصی و حفظ اطلاعات محرمانه

بیمه‌گذاران خودرو تا چه اندازه باید از هر مسیری که دارندۀ بیمه از آن عبور می‌کند اطلاع داشته باشند؟ برخی ردیابی رفتارهای مشتری از نزدیک را تجاوز به حریم خصوصی می‌دانند. سیستم ردیابی بیمه‌گر در عوض می‌توانست داده‌ها را جمع‌آوری و در قالب زمان صرف‌شده برای رانندگی در جاده‌های «ناامن» به شرکت ارسال کند.

شرکت‌ها باید با نزدیک شدن اینشورتک به زندگی روزمرۀ مصرف‌کنندگان باید میان مزایای داده‌های ارائه‌شده و حق حفظ حریم خصوصی مشتری خود تعادل برقرار کنند. زمانی که شرکت‌ها به این حجم از اطلاعات دربارۀ زندگی مصرف‌کنندگان دسترسی پیدا می‌کنند، وظیفۀ حفظ امنیت و محرمانه بودن آنها را نیز بر عهده می‌گیرند.

اینشورتک نیاز دارد تا در حوزۀ حفظ حریم خصوصی و حقوق مصرف‌کنندگان پیشتاز باشد. از آنجا که مقررات، نسبت به پیشرفت‌های پرسرعت فناوری در علم داده عقب مانده است، اینشورتک باید موضع قاطعی برای حمایت از حقوق حفظ حریم شخصی مصرف‌کنندگان اتخاذ کند و خود را برای راهنمایی در تصمیم‌گیری‌ها در چارچوب اخلاقی آماده کند. علاوه بر این، با توجه به اینکه زیست‌بوم سایبری از هر زمان دیگری خطرناک‌تر می‌شود، اینشورتک بیش از هر زمان دیگری باید فراتر از نظارت‌های استاندارد اقدامات امنیتی را به کار گیرد. امنیت نباید صرفاً قدم بعدی پس از نوآوری فناورانه باشد؛ بلکه باید در بخشی جداناپذیر از آن باشد.

 

سوگیری و داده‌ها

شرکت‌های بیمه می‌توانند تصمیمات در حوزۀ بیمه‌نامه‌ها و حق بیمه را مبنی بر سبک زندگی مصرف‌کنندگان، مانند سیگار کشیدن یا سابقۀ سلامت خانواده اتخاذ کنند. آنها همچنین باید با مقررات صنعت و آموزش‌های اخلاق داخلی همسو باشند. با وجود استفاده از هوش مصنوعی و الگوریتم‌ها در اتخاذ تصمیمات مربوط به بیمه‌نامه‌ها بررسی‌های دیگر برای اجتناب از تعصب، ناکارآمد خواهد بود.

ابزارهایی مانند خوشه‌بندی همبستگی مورد استفاده در الگوریتم‌ها برای سنجش ریسک، اهمیت ویژه‌ای دارند. خوشه‌بندی همبستگی، اشیاء داده‌ها (Data Objects) را می‌گیرد و رابطۀ آنها را با یکدیگر بررسی می‌کند؛ سپس الگوریتم اطلاعات تحلیل خوشه‌ها را مورد استفاده قرار می‌دهد و آنها را با هویت‌های مشخصی مرتبط می‌کند. الگوریتم‌ها بر خلاف انسان، استدلال خود را توضیح نمی‌دهند و همین موضوع می‌تواند تصمیمات تبعیض‌آمیز را به همراه داشته باشد.

این روند به طور خودکار رخ می‌دهد و بخشی از سازگاری یادگیری ماشین است و برای انسان قابل نظارت و مشاهده نیست، به این معنی که می‌تواند برای برخی از مصرف‌کنندگان نتایج تبعیض‌‌آمیز به همراه داشته باشد. الگوریتم‌ها اغلب به دلیل پیچیدگی ریاضی در فرآیند تصمیم‌گیری شفافیت لازم را ندارند. مدل‌های جعبه سیاه تصمیم‌گیرندگان و قانون‌گذاران را از درک موضوع محاسبه و نحوۀ نتیجه‌گیری از داده‌ها دور می‌کند.

همچنین، الگوریتم تنها به اندازۀ داده‌های تحلیل‌شده بی‌طرفانه است. مطالعات پیشین، سوگیری‌های گسترده‌ای را در مجموعه داده‌های واردشده به الگوریتم‌ها ردیابی کردند؛ اگر یک الگوریتم یا فرایند یادگیری هوش مصنوعی بر اساس داده‌های سوگیرانه شکل گیرد، این روند در مراحل بعدی توسعه خواهد یافت. داده‌ها تحت تأثیر تعصبات خاموش قرار می‌گیرند؛ حتی اگر متغیرهای مربوط به نژاد یا جنسیت حذف شوند، سایر متغیرها همچنان با آنها همبستگی دارند. الگوریتم می‌تواند همان الگوهای تعصب را از نو تولید کند، به طوری که گویی متغیرهای خارج‌شده دوباره گنجانده شده‌اند.

اگر گروه خاصی در داده‌های مورد استفاده در آموزش الگوریتم به شکلی ناکافی نشان داده شوند، ممکن است در آینده مدل آموزش‌دیده در مدیریت کار با فردی از همان گروه عملکرد کمتری داشته باشد. این موضوع می‌تواند رفتار ناعادلانه را به همراه داشته باشد. هر پروژه داده باید در ارزیابی اثر الگوریتمی تعصب نژادی و جنسیتی را در حداقل میزان خود قرار دهد.

 

نتیجه‌گیری

انبوه داده‌های در دسترس بیمه‌گذاران شاید موضوع جدیدی نباشد؛ اما بیمه‌گذاران اکنون با توسعۀ ابزارهای محاسباتی با کارایی بالا، توانایی بی‌سابقه‌ای برای دسترسی و استفاده از آن در سراسر سازمان دارند. به این ترتیب، داده‌های بیشتری را می‌توانند برای ارتقاء صنعت بیمه برای همه تولید، ذخیره، پردازش و استفاده کنند.

همان‌طور که جو ورتسبرگر، مدیر ارشد انجمن اکچوئری‌ها در گفت‌وگویی بیان کرد؛ اکچوئری‌ها نخستین متخصصان داده بودند. در واقع داده‌ها برای حل مشکلات تجاری، نقشی کلیدی دارد؛ اما افزایش حجم و دسته‌های مختلف داده‌ها در کنار روش‌های جدید در پردازش و تحلیل آنها همۀ مواردی هستند که فرصت‌های جدیدی را در اختیار اکچوئر‌ها قرار می‌دهند. شاید بگویید از یک طرف همان کار گذشته را انجام می‌دهیم؛ اما این بار با دقت و سرعت بسیار بیشتری آنها را به انجام می‌رسانیم. به هر حال، اکچوئری‌ها عاشق داده‌ها هستند و اکنون شاهد هستیم آنها با روش‌هایی به تحلیل می‌پردازند که در گذشته نمی‌توانستند تصور کنند.

اما در این میان، تحلیل‌گران اکچوئری بهتر است به فکر نوعی از همکاری برد‌ ـ ‌برد با صنعت بیمه باشند. به این ترتیب، بازیگران اینشورتک نیز از مهارت آنها بهره‌مند می‌شوند. در واقع هر دو طرف سعی در حل مشکلات دنیای واقعی دارند؛ بنابراین آنها نه تنها در مسیر موفقیت کسب و کار خود قدم برمی‌دارند؛ بلکه با اندیشه‌ای وسیع‌تر می‌توانند به شکل کارآمدتری فعالیت کنند.

با پیشروی صنعت بیمه، نمی‌توان از آیندۀ داده‌ها سخن گفت؛ بلکه داده‌ها خود آیندۀ صنعت بیمه هستند.

تهیه و تنطیم : نشریه بیمه داری نوین

منابع

  • Coverager – The Future of Data in Insurance

 

 

لینک کوتاهلینک کپی شد!
اخبار مرتبط
ارسال نظر

6  ×    =  48