تصور کنید رانندهای هستید که سالها بدون تصادف رانندگی کردهاید. حالا دستگاه کوچکی در خودرویتان نصب میشود که ســرعت، ترمزگیری و نحوه رانندگی شما را ثبت میکند. شــرکت بیمه، با تحلیل همین دادهها، متوجه میشود شما رانندهای محتاط و کم ریسک هستید و در نتیجه، مبلغ بیمه بدنه خودروی شما را کاهش میدهد. این، نمونهای واقعی از قدرت داده در بازآفرینی صنعت بیمه است. داده حالا در جهان فراتر از یک ابزار آماری و در حال تبدیل شــدن به قلب تصمیمگیری و نوآوری در بیمه و اینشــورتک است. از کشف تقلب و تحلیل ریسک گرفته تا طراحی بیمه نامههای شخصی سازی شــده، داده میتواند مسیر حرکت شــرکتهای بیمه را به کلی تغییر دهد. شــرکتهای بیمهای که بتوانند از داده، بینش بسازند، هم دقیقتر عمل میکنند هم به نیاز واقعی مشــتری نزدیکتر میشــوند. روح اله دادخواه، جانشــین مدیرعامل «درمانت» در توسعه کســب وکارهای آتی، از اهمیت داده در فرآیند دیجیتالی شدن بیمه میگوید و چالشهای موجود در ایران را بررسی میکند که چطور این مسیر را کند میکند.
صنعت بیمه بازتعریف میشود
امــروزه داده بــه موتــور محــرک تحــول صنعــت بیمه بدل شــده اســت. ورود فناوریهای نــو، از هوش مصنوعــی و اینترنت اشــیا تا یادگیری ماشــین، بیمه را از مدلــی ســنتی به نظامی هوشــمند و دادهمحور ســوق داده اســت و اکنون بیمهگر میتواند با تحلیل رفتار مشتری، شــرایط ریسک و حتی سبک زندگی او، محصولی دقیق و منصفانه طراحی کند.
این تغییر، فقط یک پیشــرفت فناورانه نیســت؛ بازتعریفی است از رابطه بیمهگر و بیمهگزار. دادهها مسیر تصمیمگیری را شفافتر، قیمت گذاری را واقعیتر و تجربه مشــتری را شــخصیتر کردهانــد. در چنین چشــماندازی، هر کلیک، هر تراکنــش و حتی هر کیلومتر رانندگی، تبدیل به دادهای میشود که آینده صنعت بیمه را میسازد.
ابزارهــای هوش مصنوعــی، یادگیــری ماشــین و کلان دادههــا، به بیمهگران کمک میکنند تا در این مســیر بهتــر عمــل کننــد. همچنیــن، افزایــش دسترســی بــه دادههای مشــتریان به شخصی ســازی خدمــات بیمهای نیز کمــک میکند. برای مثال، وب ســایت Raconteur که در حوزه کســب وکار فعالیت میکند، چند ســال پیش در گزارشــی نوشــت یکی از شــرکتهای بیمــه آمریکایی به نــام Esurance از بزرگدادههــا و تجزیه و تحلیلهای پیشــرفته برای ســرعت بخشــیدن به روند فرایندها بعد از بلایای طبیعی اســتفاده میکند. به عنوان مثال، بعد از توفند هاروی ۱۷اوت ۲۰۱۷ که در تگزاس رخ داد و سبب ایجاد خساراتهای بســیاری شد، Esurance با مطالعه و تجزیه و تحلیل تصاویر هوایی که از طریق هواپیماهای این شــرکت گرفته شد، توانست میزان خســارتها را بدون این که مردم ادعا کنند یا نیازی به بازرسی فیزیکی باشد، تشخیص دهد.
گزارشهای دیگری نیــز نشــان میدهند پیشــرفت فناوری باعث شــده دادهها دقیقتر ، گستردهتر شــوند و حتی به صورت لحظهای در اختیار بیمهگران قــرار گیرند. نتیجه ایــن تحــول، بیمه نامههای بیشتر شخصیسازیشــده و خدمات دقیقتر برای مشتری است. برای مثال، نصب حسگر در خانه میتواند نشت آب یا گاز را شناســایی کرده و از ایجاد خســارت بزرگ جلوگیری کند، یا نصب دستگاه Blackbox در خودرو میتوانــد باعث کاهش حق بیمه رانندگان شود.
دادهها در همــه مراحــل چرخــه عمــر محصــول بیمــهای – از طراحــی و قیمت گــذاری تا فروش و رســیدگی به خســارت – به کار گرفته میشــوند. هرچه دادهها کاملتر و دقیقتر باشــند، بیمهگران میتوانند ریســک را بهتر بسنجند، محصولات متنوعتری ارائه دهند، تقلب را شناســایی کنند و هزینهها را کاهش دهند.
از طــرف دیگر، تحــول دیجیتال موجب شــکلگیری محصــولات بیمهای جدید و انعطاف پذیر شــده اســت. برای مثــال، بیمهگران برای افرادی با مشــاغل پارهوقت یا غیرثابت، بیمههای ساعتی طراحی کرده اند، یا بیمههای مســافرتی که با ورود فرد به کشــور دیگر، به طور خودکار فعال میشــوند. علاوه بر این، بیمههای مبتنی بر میزان اســتفاده (usage-based insurance) یــا بیمههــای درخواســتی (on-demand insurance) نیــز در حــال گسترش هستند.
فناوری اینترنت اشــیا نیز بــه بیمهگران کمک کرده تــا از حالت جبران خســارت به ســمت پیشــگیری حرکت کنند؛ مانند حسگرهایی که مصرف آب را پایش و در صورت نشت، جریان را قطع میکنند.
از ســوی دیگر، هوش مصنوعــی و رباتهای گفت وگوگــر(چتبات) فرایند رسیدگی به خسارت را سریعتر و دقیقتر کرده اند. سیستمهای هوشمند میتوانند مدارک را بررســی کرده، موارد مشابه را مقایســه کنند و در چند دقیقه تصمیمگیری کنند؛ مشابه کاری که قبلا روزها طول میکشید تا انجام شود.
سایتهای مقایســه قیمت نیز این امکان را برای مشتریان فراهم کردهاند تا تنها بــا وارد کردن اطلاعات خــود، دهها بیمه نامه را در چند دقیقه مقایســه و انتخاب کنند. خود این شفافیت، رقابت را افزایش داده و تجربه مشتری را بهبود بخشیده است. بنابراین، دادهها به ابزار مهمی برای مبارزه با تقلب در بیمه تبدیل شدهاند.
نرم افزارهایــی با ترکیب هوش مصنوعی و تشــخیص صــدا میتوانند ادعاهای مشــکوک را شناســایی و از تحمیل هزینههای میلیاردی به مشــتریان جلوگیری کننــد. اما با وجــود تمام مزیتهای اســتفاده از داده در صنعت بیمه، در ایران این مسیر چطور پیش میرود؟
هیچ صنعتی بدون داده نمیتواند دیجیتالی شود
روح اله دادخواه، جانشــین مدیرعامل درمانت در توسعه کســب وکارهای آتی، دربــاره نقش داده در تحــول دیجیتال بیمه توضیح میدهد که هیچ صنعتی بدون داده نمیتواند دیجیتال یا شخصی ســازی شود: «در هر صنعت دو نقش اصلی وجــود دارد: تولیدکننده ارزش و مصرف کننده ارزش، و طراحی هر محصول باید مبتنی بر شــناخت داده محور از نیاز مشــتری انجام گیرد». به گفته دادخواه، تکیه بر حدس و تجربه شــخصی در طراحی محصول، منجر به شکســت میشــود و فقــط با تحلیــل دادههای واقعی بــازار و رفتار مشتری میتوان ارزش واقعی خلق کرد.
او دادهها را به چند دســته تقسیم میکند: یک دســته دادههایی است که مشتری آگاهانه در اختیار تولیدکننده قرار میدهد. دسته دیگر دادههایی است که شــرکتها از طریق ابزارهایی مانند مصاحبه یا پرسشنامه استخراج میکنند. یکی دیگر از دادهها دســتهای اســت متشــکل از دادههای ناآگاهانــه و رفتاری که مشــتری خود از آنها اطلاع ندارد اما بر تصمیماتش اثر میگذارد و آخرین دسته هم دادههایی است که میان دو طرف وجود دارند اما مبادله نمیشوند: «در ایران بســیاری از دادههای صنعت بیمه غیردقیق، ناقص یا غیررسمی هستند و به همین دلیل، تولید بینش از آنها دشــوار است. کسی که بتواند دادهها را به طور کامل تحلیل کند، در واقع به مزیتی کمیاب در صنعت دست پیدا کرده است.»
او با اشاره به ضعف بلوغ داده در صنعت بیمه ایران، تاکید میکند که تولید محصول درست و شخصی سازی شده بدون داده غیرممکن است: «لازم نیست همه دادههای کشــور در دسترس باشد، اما باید دادهها به اندازهای دقیق و کامل باشــند که تحلیلهای آماری و تصمیم گیــری معنادار بر پایه آنها انجام شــود». دادخــواه بر اهمیت دادهکاوی و تبدیل داده خام بــه بینش کاربردی تأکید میکند و آن را پیش شرط طراحی هر محصول بیمهای میداند.
هراس شرکتها ازاشتراکگذاری دادهها
جانشــین مدیرعامل درمانت همچنین یکی از موانع اصلی حرکت مدیران بیمه به ســمت تصمیمگیری دادهمحور را درک نادرســت از مفهوم «داده» دانسته و میگوید: «اغلب مدیران تصور میکنند تصمیمگیری بر اســاس تجربه شخصی نیــز نوعی تصمیم گیــری دادهمحور اســت، در حالی که چنین نیســت. علاوه بر این، ضعف آموزشــی، کمبود دادههای در دسترس، محافظت افراطی از دادهها و نبود مرکز داده مشترک از دیگر موانع پیشرفت در این زمینه است. در صنعت بیمه، دادهها در جزایر جداگانه نگهداری میشــوند و هــر نهاد (از بیمه مرکزی تا شرکتهای بیمهگر) از اشتراک گذاری آنها هراس دارد.»
دادخــواه از نبود مشــوق برای تصمیمگیــری داده محور، به عنوان چالشــی دیگر یاد میکند: «کســی که با تکیه بر داده تحلیلی ارائه میکند، اغلب تشــویق نمیشــود؛ حتی ممکن اســت به دلیل تفاوت نگاه با مدیر ارشــد، کنار گذاشــته شود.»
در ادامه، او با تشریح مفهوم شخصیســازی بیمه توضیح میدهد که بازار بیمه را میتوان مانند یک منحنی نرمال تصور کرد که اکثریت مشــتریان در میانه آن قــرار دارند و محصولات عمومی برای آنها طراحی میشــود. اما در دو ســوی این منحنی، گروههایــی با نیازهای خاصتر وجود دارند کــه برای آنها باید محصولات منعطف یا متنوعتر ی ارائه شــود. او مثال میزند: «در بیمــه بدنه، مشــتریانی داریم که رفتار رانندگی کمریســک دارنــد یــا از خودرویشــان اســتفاده محــدود میکننــد، بنابرایــن نیازشــان بــا راننــدگان پرخطر متفاوت اســت. محصول بیمــه ای باید به اندازه نیــاز واقعی آنها طراحی شود.»
به باور جانشین مدیرعامل درمانت، شخصی سازی در بیمه یعنــی شناســایی زیرنیازها، اصلاح پوشــشها، بازطراحــی قیمــت و حتــی تغییــر شــرایط بیمهنامــه بر اســاس دادههای رفتاری هر فــرد. او تأکیــد میکند: «اگر بتوانیــم با تکیه بــر داده، رضایت مشــتری را از ۸ به ۹یا ۱۰ از ۱۰برســانیم، همان نقطه تمایز واقعی در صنعت بیمه خواهد بود.»