• Register
תנו לנו לייק וקבלו עדכונים ישירות לפיד

מגמות של ביג דאטה בעולם הביטוח

פורסם על ידי ב ב CA Technologies
  • גודל פונט: Larger Smaller
  • Hits: 3666
  • 1 תגובה
  • עשו מנוי לעדכונים מהבלוג
  • Print

התאמה אישית של תוצאות חיפושים וזיהוי ממוקד של קהל יעד שיווקי הם רק קצה הקרחון בכל הנוגע לשימושים בטכנולוגיה מתקדמת. מה היתרונות, הבעיות והדילמות המוסריות בבסיס השימוש בביג דאטה?

ביג דאטה, או כפי שהוא נקרא בעברית נתוני-עתק, הוא כבר חלק מהחיים ומהשפה השוטפת שבה משתמשים חברות רבות. אם משרדי השיווק והפרסום היו מהראשונים לאמץ את הכלי הזה, היום עסקים רבים ומגוונים מתחילים גם הם לבדוק כיצד ניתן לרתום את מאגרי המידע העצומים על מנת לשפר, ליעל ולדייק את התנהלותם מול קהל הצרכנים שלהם. אחד התחומים המרתקים בהם נושא הביג דאטה (והטכנולוגיות המתקדמות בכלל)  מתחיל לתת את אותותיו הוא נושא הביטוח.

ביטוח סייבר

ביטוח סייבר אינו תחום לגמרי חדש. הנושא צץ לראשונה בשנת 2000 כביטוח צד ג' עבור חברות אשר מתקפת סייבר עלולה לפגוע בלקוחותיהם. ככל שהתרבו מתקפות הסייבר ונצבר ידע בנושא, כך המשקל היחסי של ביטוחי הסייבר בתקציב החברות הלך וגדל. בשנים האחרונות הולך ומתברר המחיר אותו החברות עצמן משלמות על המתקפות עצמן. המחיר יכול להיות יחסית ישיר - כגון זמן בו האתר היה מושבת ונגרם הפסד הכנסה – או עקיף – פגיעה במוניטין החברה עקב פריצה למאגרי המידע שלה.

במקביל לפוליסות ביטוח הסייבר שמכסות סיכוני פגיעה בצד שלישי, ביטוחי סייבר כיום מציעים פיצוי לחברה עצמה. הפיצויים מכסים פגיעה כתוצאה ממתקפת מניעת שירות (Denial of service) שבה אתרי החברה מושבתים, פיצוי על הוצאות מנהלתיות והתאוששות כגון יחסי ציבור לשיקום מוניטין, לדוגמה, ואפילו לנושא מתקפת סייבר הנוגעת לשלמות המידע לשם פגיעה (מחיקה או שינוי) עלולים להביא לאבדן הכנסה ישיר.

נושא הביג דאטה אולי אינו מתקשר ישירות עם נושא ביטוחי הסייבר אך הוא משקף היטב את התובנה הנמצאת בבסיס השימוש בביג דאטה – ידע הוא כוח, מידע הוא כסף ופגיעה בהם מהווה בעיה ממשית לא רק עבור לקוחות שפרטיהם האישיים הודלפו אלא גם עבור החברה עצמה.

חברות ביטוח רבות חוששות מהכניסה לנושא ביטוח סייבר מכמה סיבות. תמחור פוליסת ביטוח נעשה על סמך שני גורמים עיקריים: סיכוי ונזק. מכפלת שני הגורמים הללו מגדירה רמת סיכון שעל פיה אקטוארים יכולים להעריך מהו מחיר הפוליסה הנדרשת. הנזק במקרה של מתקפות סייבר עלול להיות יקר מאד. קחו לדוגמה חברה דוגמת טרגט שספגה כ – 148 מיליון דולר הפסד עקב פריצה למאגרי הלקוחות ופיצויים, מבלי לקחת בחשבון את ירידת ערך המניה. הסיכוי שמתקפת סייבר כזו תגיע הולכת וגדלה וקרובה לוודאות.

על מנת לצמצם את הסיכוי למתקפה או את הנזק שיגרם כתוצאה ממנה, יש לנקוט בצעדים משמעותיים, לעתים גם יקרים. כאשר מדובר על ביטוח רכב והסיכוי לגניבתו, חברת הביטוח מגדירה רמת מיגון נדרשת: אזעקה, קודן, איתורית וכדומה. על מנת להפחית סיכונים ממתקפת סייבר, יש לבצע פעולות מניעה יקרות כגון התקנה ותחזוקה שוטפת של מערכות אבטחת מידע מתקדמות, תוך עדכון מתמיד של הידע בתחום. לא לכל חברה יש את האמצעים להשקיע בכך, או את הידע הנדרש.

חברות קטנות ובינוניות שעד היום לא רכשו ביטוחי סייבר, ימצאו את עצמן בעתיד הקרוב בבעיה. את הידע והמאמץ הנדרשים על מנת למנוע או להקטין את הנזקים הן ישאבו ככל הנראה מחברת הביטוח עצמה שתאלץ להתמקצע בתחום על מנת לאפשר לחברות אלו לרכוש את הכיסוי הביטוחי המתאים.

ביטוח מותאם אישית

בסוגים רבים של ביטוחים ישנו מרכיב התאמה אישית כבר היום. ראשית, נגדיר מהי התאמה אישית בנושא הביטוח. גובה הפרמיה נקבע על פי הנזק האפשרי (לדוגמה סוג הרכב בביטוח רכב) והסיכוי שהביטוח ישלם פיצוי. אם אין נתונים נוספים, הסיכוי מחושב על פי התוחלת הכללית. אם נניח, לדוגמה שאחד מכל מאה רכבים מבוטחים הגיש תביעת תשלום פיצוי לביטוח בשנה החולפת, וערך הפיצוי הממוצע עמד על 10% מערך הרכב – אז רמת הסיכון המחושבת לשנה הקרובה תהיה משוערכת על פי נתונים אלו בלבד. כאשר מידע נוסף נכנס למשוואה, ניתן לחלק לקבוצות סיכון שונות המחושבות בנפרד. ניתן לחשב מהו הסיכוי שבן 23 ומטה יגיש תביעה לביטוח לעומת אנשים מבוגרים יותר, לדוגמה. כיוון ומדובר בסיכוי שונה – כך גם רמת הסיכון וגובה הפרמיה ישתנה. מבוטח חדש שבא לרכוש פרמיית ביטוח יבחן בהתאם למרכיבים השונים המשפיעים על רמת הסיכוי (והנזק המשוער) הנובעים מנתוניו האישיים, כגון גיל או מגדר.

עד היום, כמות המשתנים שנלקחה בחשבון הייתה נמוכה, אך ככל שהמידע המתקבל ביחס לנהג מסוים רב יותר, כך ההערכה המותאמת אישית אליו יכולה להיות מדויקת יותר. נתונים רבים שעד היום לא נלקחו בחשבון כלל – כגון כמות הטיולים למיטבי נסיעה שהמבוטח משתתף בהם – פתאום הופכים להיות זמינים עם השימוש בכלי הביג דאטה. אם לדוגמה המבוטח מפרסם תמונות ממסעותיו ברשתות החברתיות, מברר בגוגל היכן אפשר לרכוש אוהלים או נשאל מה הם המסלולים המומלצים לנהיגת שטח בפורום  – המידע הזה יכול להגיע ישירות גם לחברת הביטוח ולהילקח בחשבון בחישוב דמי הפרמיה הנגבים מאותו מבוטח.

חישובים משתנים ומהירים

ביג דאטה מספק מידע עצומה, ומידע מתווסף כל הזמן. באופן מסורתי, קביעת פרמיית ביטוח נקבעת לשנה מראש, אך טכנולוגיית הביג דאטה מאפשרת, פוטנציאלית, לשנות את דמי הביטוח בפרקי זמן קצרים בהרבה בהתאם לרמות הסיכון המשתנות. אם ניקח לדוגמה ביטוח שונה שגם הוא מתחיל להתבסס על תחומי הביג דאטה, ביטוח הבריאות, הרי שאדם שמתחיל לעשות כושר בקביעות ותחת השגחה רמת הסיכון שלו לתחלואה יורדת. אם אותו אדם רכש ביטוח בריאות בחודש ינואר והחל לעשות כושר בחודש מרץ, הרי שניתן להוריד את דמי הביטוח הנגבים ממנו לעשרת החודשים בשנה בהם עשה כושר.

ישנם תחומי ביטוח כמו ביטוח חיים ובריאות בהם שינויים כאלו באים לידי ביטוי באופן משמעותי. התחלת או הפסקת עישון, התחלה או הפסקת תחביבים והרגלים מסוכנים וכדומה. 

אינטרנט של דברים

תחום נוסף המתקשר לנתוני הביג דאטה וצובר תאוצה בשנים האחרונות הוא נושא האינטרנט של דברים. מוצרים לבישים כגון שעונים חכמים או צמידי כושר הופכים להיות נפוצים ובשימוש, טלמטריה של נהיגה: מערכות ממוחשבות מקוונות המודדות וצוברות נתוני נהיגה (מהירות, שמירה על מרחק, זמני הנהיגה וכדומה), בתים ומוצרים חכמים שמכירים את ההרגלים של הדרים בהם, והיד עוד נטויה. המידע הנצבר מכל מקורות המידע הללו הוא רב, מדויק מאד ופרטני לכל מבוטח. שימוש במידע הזה על מנת להעריך את הסיכון לתחלואה הוא יעיל מאד לא רק כאמצעי מניעה עבור הרפואה העתידית אלא גם עבור חברות הביטוח בקביעה של גובה התשלום אותו המבוטח יידרש לשלם עבור ביטוחי בריאות או חיים. כבר היום ישנן מספר חברות בארה"ב המציעות הנחה למשתמשים בצמידי מעקב פעילות ויודעים לצ'פר בתשלום ככל שהמבוטח שומר יותר על כושר בריא. ביטוח רכב בארה"ב כבר עושה שימוש במידע המתקבל ממערכות הרכב כדי להגדיר במדויק את רמת הסיכון בנהיגה ובעקבותיה את גובה הפרמיה הנגבית (ועידוד לנהיגה בטוחה יותר במקביל).

סוגיות אתיות

השימוש בנתוני ביג דאטה לצרכי ביטוח, במיוחד ממקורות עוקבים צמודים, אינו שימוש שחף מבעיות אתיות. מלבד איבוד תחושת הפרטיות ישנן סוגיות נוספות, לדוגמה מקורות סיכון שאינם מבוססים על הרגלים בריאים או לא אלא על גנטיקה. גם נושא הגנטיקה הופך להיות חשוף בשימוש בנתוני עתק, עד כמה צריך לאפשר לנתונים אלו להשפיע על תמחור ביטוח בריאות או חיים שיימכר? סוגיות אלו ניתן וצריך לפטור באמצעות רגולציה.

בעיה נוספת היא אופן שמירת המידע. סוג מידע לדוגמה הנשמר כחלק מקביעת פרמטרים של סיכון בנהיגה מבוסס על הכבישים הספציפיים בהם הנהג המבוטח נוסע ומה היא רמת הסיכון בנסיעה בכבישים אלו. שמירת מידע זה יכולה להוות מידע רגיש עבור המבוטחים וכדאי לחשבו על דרכים בהם המידע לא ישמר, אלא רק תוצאות ניתוחי המידע הזה.

אתיקה מסוג שונה היא אתיקת הלקוחות או הונאות ביטוח. גם כאן, ביג דאטה עושה שירות נאמן לחברות הביטוח בכך שהוא מאפשר להן לזהות דפוסים שבראייה קרובה יותר היו קרוב לוודאי מתפספסים. בדטרויט, לדוגמה, זוהתה חריגה של תביעות סרק שאפשרה התמקדות במרפאה שרכשה מספרי פוליסות מאנשים קשיי יום שמכרו אותן בזול ותבעה בשמן החזרים בדויים. זיהוי דפוסים לאו דווקא צפויים היא אחת מהיכולות הכבירות של השימוש בביג דאטה, וגם חברות הביטוח לומדות לנצל כלי זה על מנת למנוע הונאות.

טכנולוגיה מתקדמת וכמויות המידע המגוונות והרבות המגיעות מתחום הביג דאטה מאפשרות גם לתחום הביטוח להציע הצעות מדויקות יותר למבוטחים, לתת הנחות לזהירים והנשמרים וגם להתגונן מפני הונאות. האפשרויות רבות ואפשרויות השימוש ויישומן הן רק בתחילת דרכן, אך גם תחום זה צפוי לעבור מהפך בעתיד בעקבות כניסתן של הטכנולוגיות הללו לשימוש נפוץ.

תגיות Big Data

תגובות

  • Edith Ohri
    Edith Ohri ראשון, 15 ינואר 2017

    ידיעה מענינת. ובקשר לאתיקה - לא נראה שקימת דרך לנטר את האתיקה. אם כך, ניתוח ביג דטה פתוח למחקר וכמובן ליישום מסקנות בפועל ככל שחברות הביטוח ירצו, ללא מגבלות אתיקה. מה עוצר אותן מלעשות את כל מה הכתבה אומרת ויותר? כנראה הסיכון הגדול לטעויות בניתוח ביג דטה, ואי היכולתהקושי לנמק החלטות בצורה קבילה. במילים אחרות - אמינות לא מספקת של ניתוח הנתונים.
    לעניות דעתי יש לזה פתרון, ואפשרויות פרטיות מענינות. לדוגמא - לזהות דפוסי התנהגות בעלי מאפינים ייחודיים שכבר הוכחו. כמו כן טובה הזהירות, ועדיף להתחיל את היישום בצד המסחרי של עסקי הביטוח (התחברויות, הפצה, תמריצים לקבוצות מועדפות), ולא בצד החוזי שחשוף לתביעות נגד.
    אדית
    Home of GT data mining

כיתבו תגובה

Guest שלישי, 21 נובמבר 2017

Sap

Oracle

Informatica

SAS

Microstrategy

IBM

Microsoft

Qlikview

Teradata

Webfocus

קליק אחד ואתם מחוברים. מהיר .קל .מאובטח.

מעניין? שתפו דף זה באמצעות הטלפון הנייד

מגמות של ביג דאטה בעולם הביטוח - מערכת הבלוגים של אתר dwh.co.il - QR Code Friendly
Powered by QR Code Friendly

אירועים קרובים

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

הדף שלנו בפייסבוק

התחברות

חדש בישראל

כניסות למאמרים
6656973