Praktische Big Data toepassingen in de verzekeringssector

Persoonsgegevens zijn essentieel voor de verzekeringssector. Om relevante verzekeringsproducten voor de huidige klanten te creëren begeven bedrijven zich in een digitaliseringsrace die in grote mate afhangt van individuele informatie.

De digitalisering van verzekeringen houdt in dat nieuwe technologieën gebruikt gaan worden om aan de individuele behoeften van de klant te kunnen voldoen. Dit houdt onder meer in dat er een grote hoeveelheden gegevens gebruikt wordt om risico's beter te kunnen beoordelen, selecteren, waarderen, voorspellen en voorkomen. De implicaties voor de privacy zijn echter niet altijd welkom. Terwijl klanten gepersonaliseerde verzekeringspremies verwachten en willen hebben zijn ze ook voorzichtiger geworden met betrekking tot het gebruik van hun gegevens en eisen ze meer privacy. In dit artikel bespreken we het privacydilemma in de context van verzekeringen, personalisatie en big data, en hoe hiermee om te gaan. 

Gepersonaliseerde verzekeringen zijn afhankelijk van persoonsgegevens

Het gebruik van individuele gegevens is de hoeksteen van de verzekeringssector. Of we het nu hebben over de allereerste annuïteitentabel op basis van mortaliteitsgegevens uit de archieven van doopfeesten, huwelijken, en begrafenissen uit de late jaren 1600 die door de kerk worden bewaard, of de slimme huismonitoringsystemen van vandaag de dag die huiseigenaren in staat stellen om de veiligheid te optimaliseren en het risico op inbraken te verkleinen via IoT-apparaten zoals verbonden deurbellen; risicobeoordeling is gebaseerd op gegevens.

De huidige technologieën die de weg vrijmaakten voor Big Data toepassingen zorgen ervoor dat de verzekeringssector mogelijk exponentieel kan groeien. Deze nieuwe verzekeringsmodellen hebben het potentieel om grote economische en maatschappelijke voordelen te bieden. Betere afstemming van premies en risico's vergemakkelijkt de invoering van een geavanceerd risicobeheer en systemen voor vroegtijdige waarschuwing waardoor tijdige interventies mogelijk worden die verliezen kunnen verminderen en tot extra voordelen voor de verzekeringnemers leiden. Kostenbesparingen door de automatisering van de gegevensverwerking levert een ander belangrijk voordeel op.

McKinsey schat het automatiseringspotentieel op 43% van de tijd die financiële en verzekeringsmedewerkers besteden. Het verbeterde inzicht in risico's vergemakkelijkt ook de ontwikkeling van nieuwe soorten dekkingen en verbetert de verzekerbaarheid van bestaande en nieuwe risico's (zoals cyberrisico's). Verzekeraars kunnen zelfs producten ontwerpen met hoge risico’s voor gevallen waarvoor tot nog toe geen verzekering bestond. Patiënten die lijden aan ziektes die voorheen onverzekerbaar waren kunnen bijvoorbeeld gegevens uitwisselen met betrekking tot hun fysieke conditie en profiteren van geïndividualiseerde zorgaanbieding.

Een van de meest populaire applicaties van vandaag de dag is de combinatie van zelfregistrerende apparaten met analyse-mogelijkheden voor ziekteverzekeringen. Bepaalde apparaten geven de verzekeraar de mogelijkheid om de levensstijl van een klant te volgen en hem/ haar aan te moedigen om een laag risicoprofiel te handhaven. Fitbit, het bedrijf achter de populaire activity tracker, heeft een business-to-business-afdeling ontwikkeld, Health Solutions genaamd, die vier gezondheidsvoorwaarden aanpakt - slaapstoornissen waaronder slaapapneu, diabetes, cardiovasculaire gezondheid, en geestelijke gezondheid - voor gebruik door werkgevers, zorgverzekeraars, organisaties in de gezondheidszorg en onderzoekers.

Fitbit heeft afspraken gemaakt met verzekeraars zoals UnitedHealthcare, die haar klanten tot $ 1.500 per jaar betaalt voor het behalen van de gestelde doelen. United heeft jarenlang onderzoek gedaan met betrekking tot het berekenen van het rendement van deze uitkeringen, aldus Fitbit CEO James Park. "De bedrijfsmodellen zijn eindelijk bezig met het nuttig maken van de gegevens die we hebben verzameld".  Lees ook: 'de digitalisering van verzekeringen'

Een andere trend in de verzekeringswereld is telematica, de convergentie van telecommunicatie en informatieverwerking met GPS-navigatie, geïntegreerde handsfree mobiele telefoons, draadloze veiligheidscommunicatie en automatische rijhulpsystemen. Met behulp van deze technologieën kunnen verzekeringsmaatschappijen het risicoprofiel van een persoon direct beoordelen door het onderzoeken van hun rijstijl om vervolgens verschillende premies in rekening te brengen voor verschillende typen chauffeurs. Telematica biedt ook verzekeringen voor klanten die gegevens real time delen. Een verzekeraar kan bijvoorbeeld een reisverzekering aanbieden die automatisch wordt geactiveerd als de verzekeringnemer bepaalde landen binnenkomt en wordt gedeactiveerd wanneer hij vertrekt.

Een van de opmerkelijkste nieuwe technologieën die eruit springen wordt ontwikkeld door Lapetus, een VS gevestigde startup die machine learning-technieken gebruikt om de zelfrapporterende body mass index, het geslacht, een bewijs van roken, en een geschatte leeftijd te valideren. Vervolgens combineert het deze informatie met die van een selfie van een gebruiker om een offerte te produceren op basis van het gewenste dekkingsniveau. Het proces wordt beschreven als "inventarisatie voor de polishouder in minder dan 10 minuten", en claimt dat de benodigde tijd om de verzekering af te sluiten drastisch wordt verkort.

Bottom line

Gepersonaliseerde producten en diensten zijn inmiddels alomtegenwoordig. De meeste klanten beschouwen ze als vanzelfsprekend en verwachten ze overal. Omdat verzekeraars op zoek zijn naar digitalisering en het creëren van maatwerkproducten moeten ze ook rekening houden met de kwestie van gegevensprivacy.

Klanten staan meestal open voor het delen van relevante informatie als dit hen toegang verschaft tot deze gepersonaliseerde verzekeringsproducten. Ze staan er echter niet voor open voor gevallen waarin hun gegevens worden gebruikt voor andere doeleinden dan die expliciet aan hen zijn medegedeeld of worden gedeeld met derden. In mijn volgende blog komen de volgende onderwerpen aan bod.

In de volgende blog wordt het 'privacydilemma' en verschillende privacy oplossingen beschreven.