وسایل نقلیه جدید متصل به تماس های اینترنتی، گوشیهای هوشمند مجهز به حسگرهای هوشمند شرکت های فناوری از قبیل Cambridge Mobile Telematics و The Floow ، جعبههای سیاه (Black Box)نصب شده در وسایل نقلیه توسط بیمه گرها؛ همگی نویدبخش مزایای بسیاری از جمله بهبود رفتار رانندگی تا کاهش حق بیمه ها تا فعال کردن محصولات بیمه ای مبتنی بر پیمایش خودرو (UBI) و گسترش جابه جایی بعنوان یک خدمت (MaaS) هستند. ایلان ماسک مالک گروه تسلا قول داده است که با استفاده از داده های بدست آمده از خودروهای الکتریکی خود، کابوس درخواست خسارت را به رویایی دلپذیر تبدیل کند.
در قلب این اتفاق ابرداده ها مدیریت داده ها قرار دارد. برای تسلا مدیریت داده های بدست آمده از خودروهای ساخت خودش همچنین خودروهای خودران ممکن است ساده تر باشد امّا درخصوص بیمه کردن خودروهای ساخت سایر تولیدکنندگان چطور؟ اکثر خانوارها دارای چندین خودرو با برندهای مختلف هستند، برخی موتورسیکلت نیز دارند بعلاوه اکثر ناوگان های حمل نقل نیز خودروهایی با برندهای مختلف دارند
McMahon قائم مقام بخش استراتژی در Cambridge Mobile Telematics به نکته مهمی اشاره میکند:
"هیچ استاندارد واحدی در میان خودروسازان وجود ندارد، درنتیجه دادههایی که جمعآوری میشوند بر اساس سازنده، مدل خودرو و سال متفاوت هستند. بنابراین، "دادههای خودروی متصل" میتواند به معنای هر چیزی باشند، از فقط خواندن کیلومتر پیموده شده تا دریافت تصاویر زنده از یک دوربین. ... "برای تولیدکنندگان مختلف معانی بسیار مختلفی دارد، و در طول زمان تغییر کرده و تغییر خواهد کرد زیرا بر این اساس که نیازهای تولیدکننده چه باشد تعریف میشود."
شرکتهای بیمه با جمعآوری دادهها از بسیاری از دستگاههای مختلف - از جمله تلفنهای هوشمند، دستگاههای اینترنت اشیا (IoT)، دوربینها، دوربینهای نصب شده داخل خودرو (Dashcams) و خودروهای متصل- باید بتوانند دادهها را به هم مرتبط کرده و به شکل استاندارد درآورند و برای دریافت خروجی حیاتی نهایی به ارائه دهندگان خدمات تجمیع داده ها چشم خواهند دوخت. شکاف های باقی مانده ناشی از یک منبع داده میتوانند با داده های یک منبع دیگر پر شوند.
"به عنوان مثال، یکی از شاخصهایی اصلی که میتوانند برای پیش بینی تصادفات بکار روند ترمز شدید است. با این حال، استاندارد سازی گزارشات مربوط به شاخص ترمز شدید میتواند دشوار باشد، زیرا خوروسازان مختلف دادههای مربوطه را در فواصل زمانی مختلف نمونهبرداری و مستندسازی میکنند. یک ترمز شدید ممکن است تنها کسری از یک ثانیه طول بکشد، بنابراین اگر یک خودروساز تنها یک بار در دقیقاً یک ثانیه از این داده نمونه برداری کند، ممکن است نتواند این رخداد را ثبت کند و بسادگی آنرا از دست بدهد. این مشکل را میتوان با نصب یک دستگاه IoT که توانایی نمونه برداری با نرخ بالاتری را داشته باشدبرطرف کرد.
McMahon میگوید: "وقتی این دو عنصر را کنار هم بگذاریم، دادههای بدست آمده از این دستگاهها را با هم ترکیب میکنیم، و سپس دادههای تلفنها را با یکدیگر ترکیب میکنیم، و حالا میتوانیم دادههای خودروهای متصل را با هم ترکیب کنیم. بنابراین، ما میتوانیم هرگونه شکاف اطلاعاتی که در یک پلتفرم حسگر وجود ندارد را با دیگری پر کنیم."
اگر قرار باشد به راننده ابزاری برای بهبود استانداردهای رانندگی داده شود، این عادی سازی داده ها حیاتی است. حتی بیشتر از این؛ برای ارائه این دادهها جهت سنجش و پذیرش بهتر ریسک و مدیریت خسارات هنگامیکه که موضوع خسارات ناشی از تصادفات جادهای درمیان است. سایر ارائهدهندگان راهکاری تلماتیکس مانند CCC، Mitchell و Verisk دادههای بدست آمده از خودرو را در قالب امکانات اضافی شامل سیستم های کمک ناوبری پیشرفته (ADAS) برای برای کمک به غنی سازی الگوریتمهای بیمه گری و خسارات به مشتریان ارائه میدهند.
McMahon بیمه مبتنی بر پیمایش خودروها را با قبض برق یا آب مقایسه میکند. با نمایش میزان مصرف واقعی افراد، این ابزارها می توانند به آنها کمک کنند تا شاخصهای صورتحساب پرداختی خود و همچنین روش هایی را که می توانند این هزینه را کاهش دهند، درک کنند.
McMahon میگوید: «اگر این مشوق ها همراستا باشند، و اگر این دادهها در دسترس باشند، و اگر مکانیزم موثری برای انتقال این داده ها {در قالب اطلاعات کاربردی و قابل فهم برای بیمه گذار یا بیمه شده: مترجم} وجود داشته باشد، مصرفکننده عملاً میتواند در موقعیتی قرار بگیرد که احتمال تصادف را کاهش دهد. »
در حوادث ناگواری که رانندگان عادی و تجاری به واسطه وقوع تصادف وارد فرایند درخواست خسارت میشوند، پلتفرم هایی مانند RightIndem می توانند داده ها را دسته/رتبه بندی کرده و بلادرنگ به نرم افزارها و پلتفرم های مختلف مورداستفاده بیمه گذاران ارسال کنند.
این فرایند در حال تکامل است و بیمهگرانی در سرتاسر جهان به دنبال ترکیب بهینه ای از شرکای فناوری هستند تا به طور کامل از منابع داده ای متعدد و ناهمگن بهره برداری کنند.
نه فقط اتومبیل؛ برای موتورسیکلت هم بازار وجود دارد. مالکان خصوصی وسایل حمل و نقل ممکن است در برابر ردیابی مسیر حرکت وسیله حمل و نقل خود مقاومت کنند امّا پیک ها و رانندگان حمل و نقل مطمئناً از این فن آوری منتفع خواهند شد.
و ناوگان کامیون ها در حال حاضر هم تحت نظارت این فناوری هستند. بنابراین هم این حالا نیز یک برگ برنده است؛ تا زمانی که دادهها استاندارد شده باشند، به همه نرمافزارها و پشتههای فنآوری درگیر در این فرایند ارسال شوند و «آماده تلفیق با هوش مصنوعی» باشند.
راهکارهای دادهمحور شعار بیمهگرها، اینشورتک ها و ارائه دهندگان جابه جایی بعنوان یک خدمت (MaaS) است، اما در عمل آنطور که McMahon توضیح میدهد پیچیده است. اتصال کیلومتر شمار به یک محصول بیمه اتومبیل مبتنی بر UBI به حد کافی آسان است. همانگونه که تعریف ترمز شدید، چرخش های تهاجمی و کاهش سرعت ناگهانی.
بهره گیری از این فناوری برای بیمهگران ریسک های خاص میتواند ساده تر از بیمه گران جنرال باشد، اما این امر نسبی است و بکارگیری مؤثر تلماتیکس را برای آنها نیز کاملاً آسان نمیکند. مورد ZEGO و بیمه پیمایشی pay-as-you-go برای رانندگان تحویل غذا که برای Uber Eats، Just Eats و دیگران کار می کنند یک موضوع است. Progressive یا Admiral که بیمه را برای طیف گسترده ای از مشتریان ارائه می دهد موضوع دیگریست.
همه مشتریانی که دربالا مثال زدیم نیاز دارند تلماتیکس بخشی از معماری سیستم ها و پشته های فناوری بیمه گرشان باشد. آن بیمهگر طیف وسیعی از محصولات سنتی، UBI و جابه جایی بعنوان یک خدمت (MaaS) را خواهد داشت که نیاز به ادغام و یکپارچگی سفارشی دارند.
سیستمهای هسته ای پلتفرم های ثبت داده ها، بیمه گری و خسارات باید بتوانند ادغام/یکپارچهسازی و جریان دادهها را بین پلتفرمها، اپلیکیشن ها تسهیل کرده و خروجی بهینه ای را به مصرفکنندگان، مشتریان تجاری، بیمهگران و کارگزاران آنها ارائه دهند.
این یک موضوع جدی در رابطه با توانمندی های استراتژیک و تاکتیکی است که بلوغ دیجیتال را از عدم بلوغ دیجیتال شرکت متمایز خواد کرد!
*مترجم:
علیرضا جاهدی
Translated by: Alireza Jahedi
*برای اطلاع از نوشته های Mike Daly میتوانید با آدرس زیر او را در لینکدین دنبال کنید:
linkedin.com/in/mikedaly2
*منبع:
https://www.insurtechworld.org/post/102hrfd/telematics-the-data-challenge-and-auto-insurance