Az adatgyûjtés és -feldolgozás mindig is alapvetõ feladat volt a biztosítási intézmények üzletvitelében, melynek célja az információszolgáltatás volt a szerzõdéskötési döntések meghozatala, az árpolitika kialakítása, a kockázatelbírálás és a csalások megelõzése érdekében. Már régóta szükség lenne részletesebb adatsorokra és prediktív modellekre, ily módon a Big Data feldolgozás jelentõsége a szektor számára nem kérdéses.

Ezért az EIOPA egy tematikus vizsgálatot indított a Big Data feldolgozás használatával, valamint annak járulékos elõnyeivel, illetve kockázataival kapcsolatban, melynek középpontjában a gépjármû- és egészségbiztosítási ágazatok álltak.

A felmérés feltárta, hogy a biztosítási értéklánc mentén egyre erõsödik az adatfeldolgozáson alapuló ületi modellek terjedése. Az olyan hagyományos adatforrásokat mint a demográfiai vagy a kockázati kitettséggel kapcsolatos adatok, egyre inkább ötvözik új forrásokkal – például az online vagy a telematikai adatokkal –, mely így nagyobb részletességet és információs gyakoriságot biztosít a fogyasztók jellemzõire, viselkedésére és életmódjára vonatkozóan. Egyre inkább terjed a külsõ adatforgalmazótól származó adatok használata.

A Big Data feldolgozást elõsegítõ eszközöket – például a mesterséges intelligenciát vagy a gépi tanulást – már az intézmények 31%-a használja, és további 24%-uk bizonyítottan a tervezési szakasznál tart. Ezek az eszközök pontosabb értékelést tesznek lehetõvé, korlátozott emberi közremûködéssel vagy anélkül, növelve a döntéshozatal hatékonyságát és sebességét, mely a mûködési költségek csökkentését eredményezi. Ugyanakkor a használt adatokban lévõ torzulásokat a gépi tanulást segítõ algoritmusok felerõsíthetik, ha az intézmények nem rendelkeznek megfelelõ vállalatvezetésre vonatkozó szabályokkal. E probléma jelentõsége megnõ, ha egyes, a „feketedoboz” algoritmussal nyert eredmények nem támaszthatók alá kifejezetten és megfelelõen.

Az adatfeldolgozás alapfeltételei közé sorolt számítási felhõalapú szolgáltatásokat a biztosítási intézmények 33%-a már használja, további 32%-uk pedig az elkövetkezendõ 3 évben tervezi az azokra történõ átállást. Az adatbiztonság és a fogyasztóvédelem a feladat-kiszervezéssel kapcsolatos egyik fõ aggodalom.

Az összegyûjtött bizonyítékok alapján elmondható, hogy a Big Data feldolgozásban számos lehetõség rejlik a biztosítási intézmények és a fogyasztók számára is. Léteznek azonban olyan kockázati tényezõk, amelyekkel foglalkozni kell, ha az elemzésben lévõ potenciált biztonságosan akarjuk kihasználni. Ezen tényezõk némelyike nem újkeletû, jelentõségük viszont felerõsödik a Big Data feldolgozás kapcsán. Különösen igaz ez a digitális kor és az igazságosság, valamint a felelõs viselkedés összefüggésében, továbbá bizonyos eszközök (pl. mesterséges intelligencia és gépi tanulás) pontossága, átláthatósága, ellenõrizhetõsége és alátámaszthatósága tekintetében.

Az EIOPA InsurTech munkacsoportja az iparággal, az oktatással, a fogyasztói szervezetekkel és egyéb érintett érdekeltekkel együttmûködve 2019-ben további munkát szentel a kiemelt kockázatok kezelésének. E munkát az ESA-k vegyes bizottsága vezeti, más nemzetközi fórumokkal és az EU-USA biztosítási párbeszédekkel közösen.

Gabriel Bernardino, az EIOPA elnöke elmondta: „Az európai biztosítási intézmények ígéretes digitális átszervezési projekteket valósítanak meg a mesterséges intelligencia és a gépi tanulás által kínált lehetõségek kiaknázása, valamint a saját, globalizált gazdaságon belüli versenyképességük fenntartása érdekében. A Big Data feldolgozásból származó elõnyök mellett a biztosítók kénytelenek vállalatirányítási keretfeltételeiket módosítani az új technológiák által támasztott kihívások kezelése érdekében, különös tekintettel a Big Data feldolgozás alkalmazásának igazságosságára, valamint a „feketedoboz” algoritmusok pontosságára és alátámaszthatóságára. Az EIOPA szorosan együttmûködik majd az érintettekkel a kihívások kezelése érdekében, mellyel felelõsségteljesen támogatja a fogyasztókat érintõ számos elõny kihasználását.“