Az egyes ügyfelek viselkedésével kapcsolatos adatok valós idejû elemzésétõl azt várják a társaságok, hogy lehetõvé válik a kárigények elõrejelzése, valamint az átvállalt kockázatok megfelelõ beárazása, de a csalások kiszûrésében is segítségükre lehet a big data, vagyis nagy mennyiségû strukturálatlan adatok elemzése.

Az adatok gyûjtése sem jelent komoly problémát, miután az Internet of Things néven ismert technológia, amely különféle ipari berendezésekbe, jármûvekbe, otthoni berendezésekbe épített, hálózatba kapcsolt érzékelõk segítségével szinte végtelen mennyiségû adatot képes összegyûjteni, nem beszélve az egyre nagyobb népszerûségnek örvendõ okos-órákról és egyéb, egészségügyi állapotot monitorozni képes karperecekrõl, melyet fogyasztóik szinte a nap 24 órájában csuklójukon hordanak.

A biztosítók azt remélik, hogy a big datanak köszönhetõen olcsóbban tudnak majd szolgáltatást nyújtani, és a kárhányadot is csökkenteni tudják. Az ezen a héten megrendezett iparági találkozón, Monte Carloban a nagy mennyiségû adatelemzésben rejlõ lehetõségekrõl is szó esett.
Itt hangzott el az is, hogy a szerzõdések és kárbejelentések hibás információi igen komoly problémát jelentenek a biztosítóknak. Az Aegon brit piacokért felelõ vezetõje szerint az így megszerzett információk mintegy harmada általában hibás. A mûholdas adatok, a fitness eszközök segítségével begyûjtött egészségügyi adatok, a közösségi médiahasználatból származó információk, a vihar-elõrejelzõ rendszerek, vagy az utak állapotát figyelõ kamerák adatai azonban mind a biztosítók hasznára válhatnak, megfelelõ elemzést követõen.

A rendelkezésre álló adat-hegyek ugyanakkor egy sor adatvédelmi kérdést is felvetnek, igaz, a biztosítókat a legtöbb esetben a kollektív viselkedésrõl szóló, összesített adatok érdeklik, nem pedig a konkrét egyénekhez köthetõ információk.

Instant információk

A big data elemzés mellett a biztosítók egyre nagyobb figyelmet szentelnek a telematikának is, hogy például az okostelefon segítségével beazonosítsák a közlekedõ jármû helyét és sebességét, és figyelmeztessék a sofõrt veszélyes magatartásáról, vagy egy problémás csomópontról, megakadályozva ezzel egy lehetséges balesetet.

A big data segíthet a kockázatok jobb megértésében, azonban ezek a prediktív modellek váratlan eredményeket is produkálhatnak. A Swiss Re szakértõje, Matthias Weber egy példával szemléltette ezt. Szerinte a dohányosok általában egyszerre csak egy csomag cigarettát vásárolnak, gyakran benzinkutakon. Amennyiben egy ügyfél naponta elmegy egy benzinkútra, beleértve a hétvégéket is, akkor könnyen lehet, hogy az illetõ személy dohányos. Hiszen, hacsak nem kell több száz kilométert megtennie naponta a munkahelyére, akkor nincs ok arra, hogy naponta megálljon egy benzinkúton. Weber szerint ilyen esetekben érdemes lehet tovább vizsgálódni.

Természetesen, mint minden technológiai fejlesztés, a big data sem veszélytelen a biztosítókra nézve sem. A Google például – amely a legnagyobb adatbányász vállalat a világon – nyújthat adatelemzési szolgáltatásokat is a biztosítóknak, vagy akár saját maga is nyújthat biztosítást közvetlenül az ügyfeleknek, komoly versenytársat jelentve ezáltal a hagyományos biztosítótársaságoknak. Erre a veszélyre is felhívták a figyelmet a szakértõk Monte Carloban.

Ugyanígy, a vezetõ nélküli autók fejlesztése felé tendáló autógyártók is nyomás alá helyezhetik a biztosítókat, miután a nem-életbiztosítási díjbevételek igen jelentõs része gépjármû-biztosításból származik. Hiszen gondoljunk csak bele,