پیش‌بینی خسارات با بهره‌گیری از ‌داده‌های بزرگ

محیا کربلایی تحلیلگر اقتصادی و کسب‌ و‌کار منبع: WirtschaftsKurier در حال رانندگی در جاده هستید که روی نمایشگر خودرو، علامت یک فنجان قهوه ظاهر می‌شود. کامپیوتر داخل ماشین می‌داند که پس از مدت مشخصی رانندگی، یک استراحت کوتاه برای راننده ضروری است. نزدیک به یک‌چهارم وسایل نقلیه مدرن، به سیستم هشداردهنده‌ای مجهز هستند که رانندگان خسته را قبل از بروز تصادف مطلع می‌سازد. با تجهیز تمامی خودروها به این سیستم، در آلمان می‌توان از ۷۲ درصد از تصادفاتی که از عقب و با خسارات جانی همراه هستند، جلوگیری کرد. عوامل اصلی برخورد از عقب در خودروها، حواس‌پرتی، کم‌توجهی و رعایت نکردن فاصله ایمنی است که معمولا در اثر خستگی زیاد رخ می‌دهند. با بهره‌گیری از این‌گونه تجهیزات، خسارات و تصادفات کاهش خواهند یافت و اگر کمی صبور باشید خواهید دید که دیر یا زود، این مساله قیمت بیمه‌ وسایل نقلیه را نیز کاهش خواهد داد.

صنایع مختلف روز به روز در زمینه استفاده از امکاناتی که فناوری اطلاعات در اختیارشان قرار می‌دهد، فعال‌تر می‌شوند. این در حالی است که شرکت‌های ارائه‌دهنده خدمات بیمه تاکنون از گود دور افتاده‌اند و اگر شتاب نکنند ممکن است از سایرین عقب بمانند. گروه مشاورین کسب‌‌و‌کار بوستون (BCG) از افرادی که با خدمات اینترنتی سروکار زیادی دارند، یک نظرسنجی به عمل آورده است. نتایج به دست آمده نشان می‌دهند که اکثر افراد از خدمات بیمه خود ناراضی هستند، در حالی که همین افراد از خدماتی چون بانکداری اینترنتی، خریدهای اینترنتی و رزرو هتل‌ها رضایت قابل‌توجهی داشتند.

برای حفظ موفقیت یک صنعت، لازم است ساختارهای آن همگام با توقعات و انتظارات مشتریان، تغییر کنند. یکی از مهم‌ترین مسائل در صنعت بیمه، تغییر تکنیک‌های ریاضیاتی مورد استفاده است. در واقع بیمه‌گذاران باید بتوانند با استفاده از ابزارهای نوینی که تکنولوژی در اختیارشان قرار می‌دهد، رتبه‌بندی مشتریان و تخصیص حق‌بیمه به آنها را به‌روز کنند تا رضایت مشتریان جلب شود. در روش‌های معمول برای تعیین میزان ریسک مشتری، از شاخص‌ها و اطلاعات اندکی استفاده می‌شود که با زمان تغییر قابل‌توجهی نمی‌کنند. برای مثال در بیمه خودرو، نوع و مدل وسیله نقلیه، تاریخچه تصادفات، آدرس محل سکونت صاحب خودرو و اطلاعاتی از این دست، بررسی و آنالیز می‌شوند تا به مشتری رتبه بیمه‌ای داده شود و بر طبق آن حق بیمه مشخص ‌شود (به خواننده ایرانی یادآوری می‌کنم که در سیستم بیمه‌ بسیاری از کشورها، بیمه به اشخاص حقیقی تعلق می‌گیرد، نه به خودرو. به این ترتیب اگر شما راننده بی‌احتیاط و خطرآفرینی باشید، این سابقه را با خود از خودرویی به خودروی دیگر منتقل می‌کنید. در ایران بیمه به وسیله نقلیه متعلق است، بنابراین اگر شما راننده بسیار محتاطی هم باشید، با خرید یک خودروی دست دوم که سابقه تصادفات زیادی داشته است، در رتبه‌های پایین قرار خواهید گرفت).

امروزه ابزارهایی که تحلیلگران داده در اختیار دارند متنوع‌تر و بسیار پیشرفته‌تر از گذشته است. یکی از این ابزارها که به تازگی مورد توجه قرار گرفته است، استفاده از کلان‌داده‌ها یا داده‌های بزرگ است (Big Data). کلان‌داده‌ به داده‌هایی اطلاق می‌شود که آنقدر حجیم و زیاد هستند و به سرعت بر حجمشان اضافه می‌شود که پردازش آنها به سادگی صورت نمی‌پذیرد. از سوی دیگر، تنوع بسیار زیاد این داده‌ها، این فرصت را به تحلیلگران می‌دهد، تا آنها را براساس خروجی مورد نظرشان دسته‌بندی و سپس تحلیل کنند. به این ترتیب می‌توان دسته‌های متفاوت را بررسی و روابط احتمالی بین آنها را استخراج کرد. با استفاده از این روش‌ها محاسبه ریسک مشتری از طریق تحلیل داده‌ها بدون درنگ ممکن خواهد بود. هرچند استفاده از این روش در صنعت بیمه در مراحل اولیه آن است، اما از هم‌اکنون می‌توان پیش‌بینی کرد که به کارگیری آن، تحولی بزرگ را در این صنعت به دنبال خواهد داشت. استفاده از این ابزارها تنها مختص بیمه وسایل نقلیه نیست، بلکه قابلیت پیش‌‌بینی خطراتی چون آبگرفتگی و آتش‌سوزی، که در موارد بسیاری موجب وارد آمدن خسارت به انسان‌ها و کارخانه‌ها می‌شوند، نیز وجود دارد. دیگر موارد کاربرد کلان‌داده‌ها در پیش‌بینی بروز یا شیوع بیماری‌های واگیردار در مباحث پزشکی است.

بدحساب‌ها بیشتر تصادف می‌کنند!

گروه بانکی لویدز (Lloyds Banking Group) در انگلستان برای مشتریان خوش‌حساب بانکی، تا ۲۰ درصد تخفیف در بیمه وسیله نقلیه قائل می‌شود. برای تشخیص افرادی که مشمول این طرح می‌شوند، این گروه به استفاده و تحلیل کلان‌داده‌ها روی آورده است. پس از انجام بررسی‌ها، مشخص شد که آن دسته از مشتریانی که سابقه چک بی‌محل یا تاخیر در پرداخت‌ وام‌هایشان نداشته‌اند، تصادفات رانندگی کمتری نیز داشته‌اند.

پس از بروز سانحه‌ و در صورت وجود خسارت، برنامه‌هایی از طریق تحلیل داده‌ها، نظیر شدت برخورد، موقعیت و بسیاری اطلاعات دیگر، می‌توانند میزان دقیق خسارت را تعیین کنند و به این ترتیب جلوی تقلب یا کلاهبرداری گرفته خواهد شد. به‌عنوان مثال، شرکت IBM ابزارهایی در اختیار بیمه‌گذاران قرار می‌دهد که می‌توانند هرگونه دستکاری را برای ادعای خسارت بیشتر، تشخیص دهند. این برنامه‌ها به بررسی هویت تمام کسانی که در تصادف دخیل بوده‌اند می‌پردازند و هرگونه رابطه بین آنها را نمایان می‌سازند. همچنین پیشینه و میزان نقش هریک از این افراد در تصادفات گذشته مورد بررسی قرار می‌گیرد. ساختگی یا طبیعی بودن تصادف نیز با توجه به همه جزئیات بررسی می‌شود. این تحلیل‌ها در نهایت با اطلاعاتی که در رسانه‌های اجتماعی وجود دارند، تطابق داده می‌شوند تا سازگاری آنها با آنچه به عنوان خسارت عنوان شده است، به تایید برسد.

قدرت پیش‌بینی خسارات و مبالغی که بیمه‌گران باید برای آینده ذخیره کنند، تنها مزیت این روش نیست. برای مثال، این شرکت‌ها می‌توانند در دوره‌هایی که نرخ بهره پایین‌تر است، برنامه‌های انعطاف‌پذیرتری برای مصرف بهینه این پول تنظیم کنند و به این ترتیب سودآوری بیشتری داشته باشند. این قدرت پیش‌بینی به درد شرکت‌های بیمه اتکایی نیز می‌خورد. شرکت‌های بیمه اتکایی، بیمه‌گرانی هستند که سایر شرکت‌های بیمه مستقیم را تحت پوشش قرار می‌دهند. این شرکت‌ها با تحلیل داده‌های به دست آمده از رسانه‌های اجتماعی، به تخمین ریسک و میزان خسارت ناشی از درمان‌های ناموفق می‌پردازند. موارد بسیاری وجود دارند که در آن، شرکت‌های طرف قرارداد بیمه‌گذاران، در نتیجه یک عمل جراحی ناموفق در دادگاه محکوم می‌شوند. در این صورت شرکت بیمه و به دنبال آن، بیمه اتکایی باید خسارات تعیین شده را بپردازند. با استفاده از کلان‌داده‌ها، این شرکت‌ها می‌توانند تخمین خوبی از خساراتی که ممکن است متوجه‌شان باشد به دست بیاورند و قبل از آنکه هیچ پرونده‌ای باز شده باشد، مبلغی را برای این امر کنار بگذارند. از سوی دیگر هر چه دقت تخمین این مبلغ بیشتر باشد، شرکت‌های بیمه قادر خواهند بود مابقی سرمایه خود را با خیالی راحت‌تر برای گسترش کسب و کارشان به کارگیرند.

از دیگر مسائل حائز اهمیت برای بیمه‌گذاران، تشخیص بیماری‌های واگیردار در مقیاس‌های ملی یا جهانی است. کارشناسان بیمه با بررسی آمارهای مربوط به بیماری‌های مسری و دسته‌بندی اطلاعات و شاخص‌ها، سعی می‌کنند تا احتمال وقوع مجدد بیماری را محاسبه کنند. اکنون با استفاده از روش‌های نوین، شرکت‌های بیمه می‌توانند داده‌های آماری را با داده‌های علمی به هم آمیخته و احتمال همه‌گیری بیماری‌های ویروسی و میزان تنوع آنها را به دست آورند. این شرکت‌ها می‌توانند پا را یک قدم فراتر گذاشته و با استفاده از نتایج علوم زیست‌شناسی و واگیرشناسی، احتمال موفقیت واکسن‌زنی را در مناطق مختلف بررسی کنند و برای هر منطقه جغرافیایی، پوشش خدمات بیمه متفاوتی را ارائه کنند.

در آینده حتی خدمات بیمه برای منازل و مغازه‌ها نیز وارد فاز جدیدی خواهد شد. در کانادا شرکت آویوا (Aviva)، اقدام به محاسبه احتمال سرقت از منازل کرده است. در این بررسی‌ها یکی از فاکتورهای در نظر گرفته شده، موقعیت و محله‌ای است که ساختمان در آن واقع شده است. برای مثال اگر ملکی ویلایی در منطقه‌ای خلوت قرار گرفته، احتمال سرقت از آن بالاتر است. در حالی‌که اگر خانه‌ای در مرکز شهر یا نزدیک یک سینما یا رستوران واقع شده، به نظر بعیدتر می‌رسد که با خطر سرقت روبه‌رو باشد. از سوی دیگر منازلی که در مناطق پر رفت و آمد هستند، ممکن است با مشکلات یا خسارات دیگری روبه‌رو شوند، که در صورت داشتن بیمه می‌تواند برای بیمه‌گذار با اهمیت باشد. اگر در گذشته برای تعیین موقعیت منازل نیاز به صرف وقت و بازدید کارشناسان از محل بود، امروزه تنها با چند کلیک در نقشه‌های با دقت گوگل می‌توان تمام اطلاعات لازم را به دست آورد و به طبقه‌بندی و تعیین حق بیمه مشتریان پرداخت.

در آلمان یکی از شرکت‌های پیشرو در بحث دیجیتالی شدن، شرکت خدمات مالی آلیانز است. از نظر مدیرعامل این شرکت، این مساله در کنار قوانین و مقررات، نقشی عمده در تعیین استراتژی‌ها بازی می‌کند و روز به روز بر اهمیتش افزوده می‌شود. وی در مقدمه گزارش سالانه بیان می‌کند که «دیجیتالی‌شدن از نظر این شرکت یک پروژه درازمدت است». برنامه‌ها و سرمایه‌گذاری‌های این شرکت با نگاهی به آینده و به صورت کلان تهیه می‌شوند.

شراکت با شرکت‌های نوپا

برنامه دیجیتالی‌شدن شرکت آلیانز از پنج سال قبل آغاز و تا کنون میلیاردها یورو در آن سرمایه‌گذاری شده است. تیم اصلی آن که مسوولیت‌های عمده اجرای پروژه را برعهده دارند، متشکل از صد نفر است که بیشتر آنان جوانانی با مهارت‌های بسیار بالا در زمینه فناوری اطلاعات هستند. با شکل‌گیری این گروه که «شتاب‌دهنده دیجیتالی آلیانز» عنوان گرفته، این شرکت مونیخی در پی مشارکت با شرکت‌های نوپا است. معمولا شرکت‌های نوپا که نسبت خطر به سود بالایی دارند برای این‌گونه سرمایه‌گذاری‌ها مناسب‌تر به نظر می‌رسند. آلیانز سعی دارد تا از این طریق، مدل‌های کسب‌وکار خود را با بهره‌گیری از مدل‌های جهانی بهبود بخشد و بتواند در این صنعت به نوآوری‌هایی دست بزند.

دیجیتالی‌ شدن امکان مشارکت‌های بیشتری را نیز به ارمغان خواهد آورد. به عنوان مثال آلیانز در طرحی بدیع به همکاری با شرکت دویچه تلکام اقدام کرده است. این دو شرکت در پی ایجاد و ارائه خدماتی نوین برای مشتریان هستند. یکی از این خدمات سیستم اطلاع‌رسانی در مواقع بروز خرابی در منازل است. اگر لوله آبی در خانه بترکد، حسگری که در منزل نصب شده، به تلفن همراه صاحب‌خانه پیامک هشدار‌دهنده‌ای می‌فرستد. از همین طریق خدمات امدادرسانی شرکت آلیانز نیز مطلع می‌شوند و می‌توانند در کمترین زمان ممکن خود را در محل حاضر کنند.

پیش‌بینی خسارات با بهره‌گیری از ‌داده‌های بزرگ