19 9月 2024

ディスラプション後の保険業界におけるデータ分析

保険業界は、常にデータドリブンなビジネスです。保険会社が問題となっているリスクに関する情報が多ければ多いほど、保険会社はそのリスクをより正確に引き受けることができます。

これまで、保険会社のデータへのアクセスは、主に人間の能力によって制限されていました。保険会社は、データを分析および理解する自社の専門家の能力に基づいてリスクを理解し、引き受けることができます。使用されるデータは、他の人間の情報を収集し記録する能力によって制限されていました。

今日でも、これらの制限は適用されていますが、新しい方法で適用されています。デジタルディスラプションは、膨大なデータセットの作成、保存、アクセス、分析を可能にします。分析は 1 つの瞬間に行われ、次の瞬間に結果が利用可能になることがあります。

データ分析は、保険業界にエキサイティングな新しい世界をもたらします。しかし、この新しい世界には課題も伴います。

データドリブンな世界

情報は常に貴重です。気象イベントに関するデータは、保険会社がリスクをよりよく理解し、予測するのに役立ちます。顧客の行動に関する情報は、小売業者が在庫を注文するかどうか、いつ、どれだけの量を注文するか、および在庫をどのように表示するかを決定するのに役立ちます。循環ログは、図書館員がメディアコレクションを効果的にキュレーションするために必要な情報を提供します。

しかし、近年のデータ駆動型デバイスの爆発的な普及は、データという形で独自のベビーブームを生み出しています。 2025年までに約1兆台のコネクテッドデバイスが使用されると予想され、「新しいデータの雪崩」が発生していると、マッキンゼーのラムナス・バラスブラマニアン氏、アリ・リバリキアン氏、ダグ・マケルハニー氏は書いています。

保険会社は、壁に書かれた(デジタル)文字を見ます。 EYの Corina GruenenfelderとSabine Betzは、EYのデータサイエンス・イン・インシュアランスの調査で、回答したすべての保険会社が、データ分析が保険会社の継続的な成功にとって非常に重要であると回答しています。しかし、すべての保険会社がこのデジタルの未来に適応するために一歩前進したわけではありません。回答者のわずか 25% が、コアビジネスで高度なデータ分析手法を使用しています。残りの75%は、デジタル分析ツールをより有効に活用して、既存の分析方法を改善し、拡張することを望んでいます。

ほとんどの保険会社は、自社のデータ収集に適用する分析ツールに焦点を当てることで、堅牢なデジタルデータ分析への移行を開始しています。保険会社は、自社で保存されている顧客データ、内部プロセスに関する情報、代理店やブローカーから収集したデータからインサイトを収集することに注力してきました。しかし、保険会社は、公開データセットやサードパーティのアグリゲーターなど、外部ソースからの急速に増加するデータプールにもアクセスできると、チューリッヒ保険の商業保険におけるグループUWトランスフォーメーションの責任者であるキリル・パンクラトフ氏は書いています。

保険会社がこのデータを分析して洞察とパターンを得ることができるツールは、保険会社がこれまでアクセスできなかった情報を提供し、保険会社がリスクを引き受け、補償を分配する方法を大きく変えます。

保険に関する意思決定を改善するためのデータの適用

データを適用することで、保険会社は古い問題を概念化し、対処し、解決するための新しい方法を得ることができます。それでも、データ分析には独自の課題があります。

データ分析の向上は、保険会社がコストを管理するのに役立つと、Munich Re USのエグゼクティブバイスプレジデント兼スペシャリティライン責任者である Tim Brockett氏は述べています。 Brockett氏は、適切なツールを使用することで、保険業界は「保険料、引受、請求と顧客セグメンテーションに関する分析を強化し、収益性を向上させ、リスクを理解できる」と述べています。

引受と販売は、保険データ分析の肥沃な土壌を提供します。「伝統的に実践されてきた保険数理科学は、データ分析と多くの類似点があります」と、名誉大学のレイチェル・ヘイスティングスは書いています。保険数理と今日のデータ分析は、どちらもその成功のために高品質のデータ入力に依存しています。

しかし、保険会社にとって、データ分析の成功は、データをどのように理解し、使用するかにかかっています。

リスクパターンの変化により、測定可能で頻度が高く、深刻度が低いリスクと、測定可能性が低く、頻度が低く、深刻度が高いリスクという2つの異なるカテゴリーが生まれ始めています。たとえば、春の大雨の際に地下室の水が浸透するリスクは最初のカテゴリに分類され、壊滅的な洪水によって同じ家の地下室全体が洗い流されるリスクは2番目のカテゴリに分類されます。

データ分析は両方のタイプのリスクに対処できるが、データの種類ごとにデータを適用する際の課題は異なると、 Tanguy Catlin 氏とMcKinseyのInsurance and Organizationプラクティスの仲間のメンバーは書いている。

たとえば、より測定可能で頻繁なリスクには、特にスマートセンサーや同様のデバイスからの個々のリアルタイムデータポイントが関与している場合、はるかに大量のデータが関与します。保険会社は、予測分析の基礎として、大量のデータセットを集約および合成し、既存のパターンを追跡できるツールが必要になります。

対照的に、測定可能性が低く、頻度の低いリスクは、データセットが小さいほど大きくなりますが、これらのリスクの強度は、保険会社に対して予測と価格設定の圧力を強くします。不確実性を確実にモデル化し、リスク移転を超えた解決策を提供する能力が不可欠になるとCatlinらは説明しています。

データは、保険の課題に取り組むための新しい方法を提供します。また、急速に変化するリスクパターンを把握する方法も提供します。これらの機会をつかむために、保険会社はデータツールに慎重にアプローチする必要があります。

データ分析における責任と課題

「データと分析の機能は、ヨーロッパと北米のP&Cセクターで重要なものになりつつあります」と、マッキンゼーのキア・ジャバンマルディアンと同僚の研究者は書いています。データと分析に投資することで、特に引受業務の改善により、保険会社は損害率、新規事業保険料、リテンションの増加を目の当たりにしています。

保険業界で高度なデータ分析が一般的になるにつれ、3つの大きな変化が起こると、マッキンゼーの Violet Chung氏は述べています。

保険料と給付は、ペイ・アズ・ユー・ドライブの自動車保険など、その瞬間の顧客の行動に基づいて適応します。
リスクプロファイルの劇的な変化と、それらのリスクに関する前例のないデータへのアクセスにより、保険会社はリスクと関連する保険料を再考する必要があります。
リアルタイムデータの自動分析により、保険会社はより多くの種類のリスクを自動的に引き受けることができます。

これらの変更により、顧客との関係や販売における代理店の役割など、保険の他の基本が再構築されます。データを活用するためには、保険会社は特定の課題に直面し、その課題を受け入れることに伴う責任を受け入れる必要があります。

「これらの機会をつかむために、保険会社は組織を再構築し、データドリブンな企業に変革する必要があります」と、Compact Magazineの Marck Timmermans 氏と同僚の研究者は書いています。新たな機会をつかむ興奮は、セキュリティの必要性、プロセスの制御、社会的期待の認識とバランスを取らなければなりません。

データ分析の使用には、次のような課題が待ち受けています。

利用可能なデータセットに存在するバイアスの固定化、特にデータセットが限られている場合。
公開データから不完全または誤解を招く顧客プロファイルを作成する。
アルゴリズムによる自律的な意思決定が、コストのかかるエラーにつながるリスク。

保険におけるデータ分析に関する倫理的な懸念は、データの使用が人命に与える影響に焦点を当てています。しかし、保険会社がデータツールが人間の努力とどのように相互作用するかを考慮すべき理由は、倫理だけではありません。

近年のテクノロジーの進歩にもかかわらず、保険業界は依然として人間の専門知識とスキルに大きく依存しています。データ分析やその他の技術ツールは、保険専門家の専門知識とスキルを向上させることができますが、常にそれらに取って代わるわけではありません。デジタルツールと人間の専門家を組み合わせることで、それぞれの長所を引き出すことができ、将来のデジタル課題に直面した際のさらなる成長とレジリエンスの向上につながります。

画像提供:skracht/©123RF.com、woodysphotos / ©123RF.com、pavelvozmischev / ©123RF.com

ニュース