داده‌ها همواره مایه حیات و پویایی کسب و کار بیمه بوده‌اند که در این میان عصر دیجیتال نیز بر اهمیت و لزوم به کارگیری آن‌ها در فرآیندهای خاص بیمه‌ای تأثیر زیادی داشته است. در حال حاضر بسیاری از فناوری‌ها و گرایش‌هایی که طی یکی دو سال گذشته در صنعت بیمه دنیا تعریف شده‌اند،  بر استفاده مبرم بیمه‌گران از داده‌ها اصرار دارند و تقریباً بدون داشتن یک پایگاه داده‌ای منسجم کارکرد دلخواه را نخواهند داشت.

هوش مصنوعی از آن دسته گرایش‌هایی است که وابستگی زیادی به اطلاعات و داده‌های ورودی دارد. در واقع اولین لزوم استفاده از هوش مصنوعی در اختیار داشتن پایگاهی جامع از داده‌هاست. اما آیا همیشه داده‌ها می‌توانند مفید و کارآمد باشند؟ آیا داده همیشه خوب است؟ آیا داده بد وجود ندارد؟

صحت داده‌، رکن اساسی فناوری بیمه

هر قدر که نیاز به داده‌ها افزایش پیدا می‌کند راه و روش‌های دسترسی به آنها نیز به طور روز افزون بیشتر خواهد شد. منابع داده‌هایی که در زمان واقعی اطلاعات و داده‌ها را برای شرکت‌های بیمه فراهم می‌کنند می‌توانند متفاوت باشند. از قبیل:

• داده حسگرهای نصب شده در ماشین‌های پلیس، خانه‌ها و محل کار
• داده‌های ارسالی از طرف پهپادها و ماهواره‌ها
• منابع داده خارجی مانند پایگاه‌های اطلاعاتی دولت و رسانه‌های اجتماعی

کسب درآمد از این داده‌ها با استفاده از پلتفرم‌ها و الگوریتم‌های خاص فرصت خاصی است که اهالی صنعت بیمه از آن برخوردار هستند. طبق برآورد موسسه تحقیقاتی اکسنچر تا 5 سال آینده ارزش داده‌های صنعت بیمه به بیش از 28 میلیارد دلار خواهد رسید.

در این راستا یک چالش مهم وجود دارد. مساله اعتماد به داده‌ها! به نظر می‌رسد هر قدر وابستگی و اعتماد شرکت‌های بیمه به داده‌ها بیشتر شود به همان اندازه نیز باید از آنها انتظار مدیریت ریسک داشت: ریسک تازه‌ای به نام صحت داده‌ها!

اطلاعات نادرست، مغرضانه یا دستکاری‌شده تهدید بزرگی برای برنامه‌ریزی و توسعه و مدیریت عملکردهای بیمه‌گران به شمار می‌روند. در واقع یادگیری مدیریت داده‌ها و مدیریت ریسک استفاده از داده از ملزوماتی است که این روزها شرکت‌های بیمه در کنار استفاده از فناوری‌های روز به آن نیاز دارند.

استفاده از داده در کسب و کارهای بیمه‌ای

داده‌های دقیق و صحیح در زمان واقعی بیمه‌گران را قادر می‌سازند تا محصولات شخصی گسترده‌تری را بر اساس ارزیابی زمان حقیقی داده‌های مفهوم سازی‌شده ارائه دهند نه بر اساس داده‌های مسبوق و نیازهای عمومی و میانگین قیمت. علاوه بر این شرکت‌های بیمه می‌توانند با استفاده از داده‌های دقیق به مشتریان خود برای کاهش ریسک‌های احتمالی کمک برسانند و آنها را در جلوگیری از ضرر در همان وهله اول یاری دهند.

به عنوان مثال StrongArm اینشورتکی است که از سنسورهای استفاده در لباس کار کارگران مجتمع‌های صنعتی برای جمع‌آوری داده‌ها در زمان واقعی در مورد فعالیت‌های محیط کار و شرایط محیطی استفاده می‌کند. این اینشورتک از هوش مصنوعی مبتنی بر یارانش ابری برای تجزیه و تحلیل این داده‌ها در جهت کاهش ریسک آسیب نیروی کار بهره می‌گیرد. StrongArm  با استفاده از داده‌های دقیق که سنسورهای در زمان واقعی و بدون تأخیر ارسال می‌کنند،  می‌تواند هشدارهایی فوری برای کارگران در معرض خطر آسیب‌دیدگی نیز ارسال کند.

می‌توان در این راستا از اینشورتک Habit Analytics هم اسم برد که از داده‌های در زمان واقعی تلفن‌های هوشمند و دستگاه‌های متصل به خانه‌ها برای ایجاد پروفایل رفتاری مشتریان بیمه استفاده می‌کند. بیمه‌گران می‌توانند با استفاده از اطلاعاتی که نرم افزار Habit در اختیار آن‌ها می‌گذارد به بررسی تغییرات ریسک در خانه‌ها و سفارشی کردن برخی خدمات برای مشتریان خاص استفاده کنند.

بعضی از شرکت‌های بیمه از داده‌ها استفاده کلانی دارند. آن‌ها از داده‌های خوب برای ایجاد مدل‌های کسب و کار برهم‌زننده استفاده می‌کنند. به عنوان مثال ژونگ‌آن، بزرگ‌ترین اینشورتک فعال در کشور چین، یک قرارداد همکاری مشترک در زمینه کلان داده‌ها با بیمه اموال Sinosafe و بیمه Urtrust منعقد کرده است که از طریق این قرارداد ژونگ‌آن اطلاعات بالغ بر 3 میلیون خودرو را در اختیار گرفت و با آن مرکز اطلاع داده‌های Data Cube را راه اندازی کرد، پلتفرم کلان داده‌های شرکای ژونگ آن در صنعت خودرو که در سال 2018 میلادی راه اندازی شد.

وقتی داده بد می‌شود!

با این حال داده‌ها با همه فرصت‌های چشم گیری که در اختیار اهالی صنعت بیمه قرار می‌دهند می‌توانند بیمه گران را با ریسک‌های جدید رو به رو کنند. طبق آمار گزارش Tech Vision 2018 نزدیک به 80 درصد مدیران شرکت‌های بیمه اعلام کرده‌اند که در بیشتر اوقات استفاده از داده‌ها برای تصمیم گیری‌های خودکار با چالش‌های تازه‌ای همراه بوده است. البته ناگفته نماند که طبق تحقیقات 97 درصد تصمیم گیری‌های اینشورتک های امروزی بر اساس داده‌ها صورت می‌گیرد.

شرکت‌های بیمه و حتی اینشورتک‌ها باید برای اطمینان از دادهایی که در اختیار می‌گیرند دقت نظر بیشتری داشته باشند. در این راستا تشخیص داده خوب از داده‌ای که به اصطلاح بد نامیده می‌شود می‌تواند بر پایه سه اصل متمرکز باشد:

• مبدأ: بررسی سابقه و تاریخ داده‌ها از مبدأ تا طول چرخه عمر آن.
• زمینه: در نظر داشتن شرایط استفاده از داده.
• صحت: امنیت و حفظ داده

برای استقرار و به کارگیری این سه اصل اساسی در طول کسب و کار بیمه، هر شرکت بیمه‌ای باید یک تابع «هوش داده» برای خود ترتیب دهد و از دانش داده‌های موجود قابلیت‌های امنیت سایبری برای رسیدن به حقیقت داده‌هایی که استفاده می‌کنند، بهره بگیرد. شرکت‌های بیمه می‌توانند با تعبیه و اجرای امنیت داده‌ها در طول سازمان خود و با تطبیق سرمایه‌گذاری‌های موجود در زمینه امنیت سایبری و هم چنین استفاده از علوم داده‌ها به پردازش صحت یا عدم صحت داده‌ها بپردازند.

و در نهایت شرکت‌های بیمه باید نسبت به کشف و پردازش داده‌های نادرست – همان داده بد- هوشیار باشند چرا که ممکن است بسیاری از داده‌ها به عمد دستکاری یا تغییر یافته باشند. در واقع یک داده بد می‌تواند هر شرکت بیمه‌ای را در مسیری ناکارآمدی و خسارت هدایت کند و لازم است که داده بد و داده خوب قبل از شروع هر التزامی مشخص شوند.