آینده نرخ گذاری و مدیریت ریسک در گرو دقت داده‌ها و توان تحلیل آن هاست

سجاد رامندی: مدیرعامل بیمه زندگی کاریزما

در عصر فناوری و با در نظر داشــتن تغییراتی کــه در دو دهه اخیر در این حوزه رخ داده اســت، توجه به داده و نیاز به آن بیش از گذشــته اهمیت یافته است. بــه اعتقاد من، بســیاری از فعالیت‌هــای امروز مــا از داده‌ها تأثیــر می پذیرد و فرایندهــای کاری نیــز متناســب با این تغییــر و نیازمنــدی به داده‌هــا دگرگون شــده‌اند. در گذشــته، بســیاری از فرایندها به صورت دســتی انجام می شــد و متناســب با حجم محــدود داده‌هــا، حجم فعالیت‌هــا نیز کمتر از امــروز بود. امــا اکنون با توســعه فنــاوری، فعالیت‌ها، تراکنش‌هــا و حجم داده‌هــا به طور چشــمگیری افزایش پیــدا کرده و تبادل اطلاعات در ســازمان ها گســترده‌تر از همیشه شــده اســت. در نتیجه، داده در بخش‌های مختلف ســازمان‌ها و در عرصه‌های مختلف کسب وکاری مورد استفاده قرار می‌گیرد.

در صنعــت بیمــه در ایران، بســیاری از فرایندها بر اســاس مجوزها و رویه هــای ســنتی طراحــی شــده‌اند و بــا در نظر داشــتن این نکته که محصــولات بیمه‌ای بر پایــه کنترل‌های متعدد و قوانین متنوع بالادستی توسعه می یابند، تاکنون توفیق چشمگیری در حوزه داده و تجمیع داده‌ها حاصل نشده است.

نگاهی به کلیت صنعت بیمه کشور نشان می‌دهد نرم افزارهای قدرتمندی برای جمع آوری و یکپارچه‌ســازی داده وجــود نــدارد. شــرکت‌ها از روش‌هــای گوناگونــی بــرای گــردآوری و اســتفاده از داده بهره می‌برنــد که این روش ها غالباً فاقد یکپارچگی هســتند؛ حتی در ســطح درون سازمانی نیز همگرایی داده‌ای کامل در این صنعت دیده نمی‌شود. این مسئله دلایل متعددی دارد، از جمله  نبود معماری‌های یکپارچه در توسعه سامانه های اصلی (Core). دلیل دیگر این امر این است که داده ها معمولا در سطح جزئی و دقیق جمع آوری نمی شوند.

آنچه در صنعت بیمه مشــاهده می‌شود این اســت که داده‌ها عمدتاً در سطح کلان مالی گردآوری می‌شــوند. اما در سطح رشته‌های بیمه‌ای، مشکلات متعــددی وجــود دارد؛ به ویژه در بخش‌ها و رشــته‌هایی ماننــد بیمه درمان یا بیمه شــخص ثالث، که از پرخسارت‌ترین حوزه‌ها هستند، شرکت‌های بیمه‌ای در ســال‌های اخیر بــه دنبال تجمیــع داده رفته‌انــد اما بــا پیچیدگی‌های فنی و ساختاری زیادی روبه رو شده‌اند.

نبــود داده‌های دقیق، تصمیم‌گیری های مدیریتــی را دچار اختلال می‌کند. برای نمونه، یکی از پیامدهای عدم وجود داده‌های دقیق در نرخ دهی مربوط به رشته شخص ثالث است که از پر خسارت‌ترین بیمه‌ها است و اخیرا شاهد این بوده‌ایم که شــرکت‌ها برای تجمیع داده ها تلاش کرده‌انــد اما به این خاطر که با موانع و پیچیدگی‌های بسیار بالا مواجه شده اند به موفقیتی نرسیده‌اند.

این در حالی اســت کــه در صنعت بیمه اگر داده‌هــای دقیق‌تری در اختیار باشــد، پیش بینی‌هــا واقعی‌تــر می‌شــود و مدیــران این شــرکت‌ها نیز تصمیم‌هــای بهتــر و دقیق‌تری اتخــاذ می‌کنند. گاهــی مدیران احتمال وقوع برخی رخدادهــا را پایین تصور می‌کنند، اما داده‌هــای واقعی نشــان می‌دهد آن رخدادها شــایع‌تر از تصور آن‌ها اســت و همین موضــوع منجر به افزایش ضریب خسارت در برخی رشته‌ها می‌شود.

علاوه بــر ایــن، داده‌هــا در کنترل تقلــب و تخلف نقش موثری بازی می‌کنند و در تصمیم‌ســازی مدیریتی و داشبوردسازی نیز بســیار کارآمد هستند. در مجموع، جمــع‌آوری و تحلیــل داده‌هــا از جنبه‌هــای مختلــف می تواند دقت مدل‌های تصمیم‌گیــری را افزایش دهد، نرخ گذاری‌هــا را هوشــمندانه‌تر کند و امکان شناســایی بهتر تقلب‌ها و تخلفات را فراهم آورد.