back to top
13.4 C
Athens
Τετάρτη 2 Απριλίου 2025

Πώς η Στατιστική Μηχανική Μάθηση και η AI μετασχηματίζουν τον τρόπο λειτουργίας της αγοράς

του Σωτήρη Μπερσίμη*

Η ασφαλιστική βιομηχανία αποτελεί έναν από τους πρώτους κλάδους επιχειρηματικής δραστηριότητας που αξιοποίησαν εκτενώς δεδομένα σε συνδυασμό με τη Στατιστική και τα Μαθηματικά, προκειμένου να επιτύχουν τη λήψη βέλτιστων αποφάσεων.

- Advertisement -

Οι πίνακες θνησιμότητας, για παράδειγμα, εφαρμόζονται στην τιμολόγηση των ασφαλίσεων ζωής από την ίδια την αρχή της ασφάλισης, ενώ η βάση των παραδοσιακών πρακτικών της ασφαλιστικής βιομηχανίας είναι η χρήση γενικευμένων γραμμικών μοντέλων για την επιλογή στρατηγικών.

Σήμερα, ο όγκος των δεδομένων που έχουν στη διάθεσή τους οι ασφαλιστικές επιχειρήσεις αυξάνεται με ιλιγγιώδεις ρυθμούς, εξαιτίας κυρίως του ψηφιακού μετασχηματισμού, ο οποίος παρουσίασε, ιδιαίτερα κατά την περίοδο του Covid-19, σημαντικό ρυθμό επιτάχυνσης. Ο όγκος των δεδομένων που έχουν στη διάθεσή τους οι ασφαλιστικές επιχειρήσεις, τόσο από εσωτερικά πληροφοριακά συστήματα όσο και από εξωτερικά κανάλια, οδήγησε στην ευρεία ανάπτυξη «δεξαμενών» Μεγάλων Δεδομένων (Big Data), η αξιοποίηση των οποίων διευρύνει τις δυνατότητες βελτιστοποίησης της καθημερινής ασφαλιστικής πρακτικής.

- Advertisement -

Διανύουμε, δηλαδή, μια εποχή όπου οι αποφάσεις και οι επιλογές μπορούν να βασίζονται σε εργαλεία που αναδύονται μέσα από τη χρήση πρωτοποριακών τεχνικών με ασύλληπτες δυνατότητες ανάλυσης και συσχέτισης εκατομμυρίων μεταβλητών και χαρακτηριστικών σε πραγματικό χρόνο. Συγκεκριμένα, η χρήση προηγμένων Τεχνικών Ανάλυσης Δεδομένων (Advanced Data Analytics) και Στατιστικής Μηχανικής Μάθησης (Statistical Machine Learning ), η οποία και βρίσκεται στην καρδιά της Τεχνητής Νοημοσύνης (Artificial Intelligence), επεκτείνεται πέρα από τα όρια της Αναλογιστικής Επιστήμης.

Η ανάληψη στρατηγικών αποφάσεων καταρχάς με την αξιοποίηση δομημένων (βάσεων δεδομένων πελατών, βάσεων δεδομένων απαιτήσεων κτλ.) αλλά και, δευτερευόντως, αδόμητων πηγών δεδομένων (τιμολογίων, μηνυμάτων ηλεκτρονικού ταχυδρομείου, συμβολαίων κτλ.), προερχόμενων από παραδοσιακές ή μη πηγές, σε πραγματικό χρόνο, αποτελεί μεγάλη πρόκληση για κάθε ασφαλιστική επιχείρηση, διότι προσδίδει τεράστιο συγκριτικό πλεονέκτημα και συμβάλλει στην ανάπτυξη ενός ανταγωνιστικού και καινοτόμου εταιρικού μοντέλου.

Η λήψη αποφάσεων μέσω της αξιοποίησης των δεδομένων με τη χρήση προηγμένων Τεχνικών Ανάλυσης Δεδομένων και Τεχνικών Στατιστικής Μηχανικής Μάθησης αναφέρεται ως Λήψη Αποφάσεων Βασισμένη σε Δεδομένα (Data-Driven Decision Making), ενώ παράλληλα η σε πραγματικό χρόνο ανάλυση των δεδομένων καθοδηγεί και ανατροφοδοτεί τον Ψηφιακό Μετασχηματισμό του κλάδου (Data-Driven Digital Transformation).

Πιο αναλυτικά, με τη βοήθεια προηγμένων Τεχνικών Ανάλυσης Δεδομένων και Τεχνικών Στατιστικής Μηχανικής Μάθησης, τα Μεγάλα Δεδομένα είναι δυνατόν να αναλύονται αποτελεσματικά σε πραγματικό χρόνο, παράγοντας προβλέψεις, και οι παραγόμενες προβλέψεις να εφαρμόζονται δυναμικά σε ένα ευρύ φάσμα διαδικασιών της ασφαλιστικής επιχείρησης, περιλαμβανομένων και διαδικασιών στις οποίες παραδοσιακά επιλέγονταν η ανθρώπινη εμπειρία και κρίση.

Μεταξύ των διαδικασιών με τις οποίες η εφαρμογή προηγμένων Τεχνικών Ανάλυσης Δεδομένων και Τεχνικών Στατιστικής Μηχανικής Μάθησης δύναται να δώσει στην ασφαλιστική επιχείρηση στρατηγικό πλεονέκτημα είναι η διαχείριση κινδύνων, η διαχείριση των απαιτήσεων, η ανίχνευση απατηλών απαιτήσεων, οι πωλήσεις μέσω της βελτιστοποίησης των διαδικασιών απόκτησης νέων και διατήρησης των υφιστάμενων πελατών, η τιμολόγηση ασφαλιστικών προϊόντων, ο σχεδιασμός ασφαλιστικών προϊόντων κ.ά.

Φυσικά, για την αξιοποίηση των Μεγάλων Δεδομένων απαιτείται εξειδικευμένη τεχνογνωσία στη διαχείριση, στην επεξεργασία και στην αποτελεσματική ανάλυση των δεδομένων, καθώς και κατάλληλο λογισμικό. Παράλληλα, απαιτείται βαθιά γνώση των λειτουργιών, των ιδιαιτεροτήτων και των απαιτήσεων του ασφαλιστικού κλάδου.

Μία από τις σημαντικότερες λειτουργίες στην οποία η αξιοποίηση των Μεγάλων Δεδομένων οδηγεί σε εξαιρετικά αποτελέσματα είναι αυτή της διαχείρισης και του ελέγχου των απαιτήσεων για την ανίχνευση πιθανών απατηλών απαιτήσεων στην ασφάλιση αυτοκινήτου.

Η εφαρμογή προηγμένων Τεχνικών Ανάλυσης Δεδομένων και Τεχνικών Στατιστικής Μηχανικής Μάθησης επιτρέπει στις ασφαλιστικές εταιρείες να αναλύσουν αποτελεσματικά τον διαθέσιμο μεγάλο όγκο δομημένων και αδόμητων δεδομένων, όπως πληροφορίες από αιτήσεις ασφάλισης, απαιτήσεις αποζημιώσεων, αναφορές ατυχημάτων κ.ά.
Συγκεκριμένα, η εφαρμογή προηγμένων Τεχνικών Ανάλυσης Δεδομένων και Τεχνικών Στατιστικής Μηχανικής Μάθησης στις διαθέσιμες δεξαμενές Μεγάλων Δεδομένων (ύψος απαιτήσεων, περιοχή, τύπος/μάρκα αυτοκινήτων κ.ά.) επιτρέπει αφενός τον ορισμό του «κανονικού» και αφετέρου οδηγεί στον άμεσο εντοπισμό περιπτώσεων που ξεφεύγουν από το «κανονικό», ανιχνεύοντας στις αιτήσεις αποζημίωσης ασυνήθιστα μοτίβα που ενδεχομένως να υποδεικνύουν απάτη.

Με αυτόν τον τρόπο, κάθε νέα απαίτηση δύναται να κατηγοριοποιηθεί ανάλογα με την πιθανότητα αυτής να είναι απάτη, ανάλογα με την απόκλισή της από το «κανονικό». Η ανάλυση αυτή γίνεται μέσα σε ελάχιστο χρόνο και έχει εξαιρετικά μεγαλύτερη ακρίβεια σε σύγκριση με παραδοσιακές μεθόδους.

Επιπλέον, μετριάζει την ανάγκη για έλεγχο από άνθρωπο, μειώνοντας έτσι σημαντικά το κόστος για την ασφαλιστική εταιρεία και τον χρόνο που απαιτείται. Ακριβέστερα, δίνει τη δυνατότητα στον άνθρωπο να επικεντρώσει τον έλεγχό του στις απαιτήσεις εκείνες που ξεφεύγουν από το «κανονικό», προωθώντας άμεσα προς επίλυση εκείνες τις απαιτήσεις που συνάδουν με το «κανονικό». Παράλληλα, αυξάνει την ικανοποίηση του ασφαλισμένου, καθώς μπορεί να οδηγήσει σε ταχύτερη επίλυση των «κανονικών» απαιτήσεων.

Επιπροσθέτως, οι δυνατότητες ανάλυσης επεκτείνονται στην αξιοποίηση μη δομημένων δεδομένων, όπως οι φωτογραφίες από τον χώρο του ατυχήματος. Οι αλγόριθμοι Στατιστικής Μηχανικής Μάθησης μπορούν να εκπαιδευτούν να αναγνωρίζουν ανωμαλίες ή πρότυπα σε φωτογραφίες ατυχημάτων που μπορεί να υποδεικνύουν απάτη, όπως σημεία που δεν ταιριάζουν με τις αναφερόμενες ζημίες, αλλοίωση του χώρου του ατυχήματος, παρουσία ατυχούς οχήματος σε πολλά ατυχήματα, ανακρίβεια στη δήλωση σε σχέση με τον καιρό, τον χώρο, την ώρα κτλ. Τέτοιες ανωμαλίες ή πρότυπα είναι πολύ δύσκολο, έως απίθανο, να αναγνωριστούν από το ανθρώπινο μάτι.

Αναμφίβολα, τα προαναφερθέντα, με αντίστοιχο τρόπο, βρίσκουν εφαρμογή στη διαχείριση και τον έλεγχο των απαιτήσεων από το σύνολο των κλάδων ασφάλισης, όπως είναι η ασφάλιση περιουσίας και η ασφάλιση υγείας.

*Ο Σωτήρης Μπερσίμης είναι καθηγητής στο Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων του Πανεπιστημίου Πειραιώς, εκλεγμένο μέλος του Διοικητικού Συμβουλίου του Ελληνικού Στατιστικού Ινστιτούτου και εκλεγμένο μέλος του International Statistical Institute. Εκπροσωπεί το Ελληνικό Στατιστικό Ινστιτούτο στο Federation of European National Statistical Societies (FenStats) καθώς και στο European Courses in Advanced Statistics (ECAS). Παράλληλα, ανήκει στο συνεργαζόμενο εκπαιδευτικό προσωπικό του Ελληνικού Ανοικτού Πανεπιστημίου (ΕΑΠ). Επίσης, είναι μέλος της επιτροπής κρίσεων του διαγωνισμού “i-bank Καινοτομία και Τεχνολογία” της Εθνικής Τράπεζας της Ελλάδος.

Από το περιοδικό BROKER’S TIME #76

brokerstime.gr

sema.gr

Σχετικές δημοσιεύσεις

ΣΕΜΑ: Τα πρόσωπα του νέου Δ.Σ. αναδείχθηκαν στην 29η Τακτική Γενική Συνέλευση

Την Τετάρτη 19 Μαρτίου 2025 πραγματοποιήθηκε η 29η Γενική Συνέλευση του Συνδέσμου Ελλήνων Μεσιτών Ασφαλίσεων (ΣΕΜΑ).

«Κλείνει τον κύκλο του» στον ΣΕΜΑ ο κ. Μιχάλης Τζωρτζωρής – Σήμερα η 29η Γενική Συνέλευση στην ΕΑΕΕ

Την ολοκλήρωση του κύκλου του στη Διοίκηση του ΣΕΜΑ – με αφορμή την σημερινή Γενική Συνέλευση-  ανακοινώνει μέσω του λογαριασμού του linkedin o κ. Μιχάλης Τζωρτζωρής

Ελλάδα και κόσμος στο 2025: Προκλήσεις και επιταγές σε μια νέα εποχή κινδύνων

Με την έλευση του 2025, συμπληρώνουμε ήδη το πρώτο τέταρτο του 21ου αιώνα, μια περίοδο που χαρακτηρίζεται από ραγδαίες αλλαγές και εξελίξεις

“Η πρόκληση είναι να δημιουργήσουμε προϊόντα που δεν θα θυσιάζουν την ποιότητα”

Καθώς πλησιάζουμε το 2025, η ασφαλιστική αγορά αντιμετωπίζει μια σειρά προκλήσεων και ευκαιριών, που επηρεάζουν κάθε πτυχή της δραστηριότητάς μας.

Από την ίδια κατηγορία δημοσιεύσεων

ΤΜΕΔΕ: Νέες ασφαλιστικές καλύψεις σε συνεργασία με την Allianz και Generali

Από σήμερα 1η Απριλίου 2025 τίθενται σε εφαρμογή οι νέες εξειδικευμένες ανταποδοτικές ασφαλιστικές καλύψεις,

Κ. Σεμερτζόγλου: Η HDI κλείνει 30 χρόνια στην Ελλάδα, προετοιμάζει δράσεις

Στο πλαίσιο της επετείου, η HDI σχεδίαζει σειρά από δράσεις με στόχο να ευχαριστήσει τους ανθρώπους που συνέβαλαν στην επιτυχία της αλλά και για να ενισχύσει περισσότερο τις σχέσεις της  με την επιχειρηματική κοινότητα

Η σημερινή ενημέρωση από την Insurance Europe για τα RIS

Τρεις προτάσεις υποβάλλει σήμερα Insurance Europe για τις επενδύσεις λιανικής (RIS)

“Η Εθνική Ασφαλιστική αλλάζει, τα καλύτερα έρχονται”

Με έναν εμπνευσμένο λόγο ο Διευθύνων Σύμβουλος της Εθνικής Ασφαλιστικής, Δημήτρης Μαζαράκης, απευθύνθηκε στην λαμπρή βραδιά βραβεύσεων του εταιρικού δικτύου.

Δημοφιλή Άρθρα

Ροή Ειδήσεων

Τη σημασία της σωστής ασφαλιστικής κάλυψης αναδεικνύει η νέα μελέτη της Compare the Market AUS για τις κλοπές αυτοκινήτων 

Στην 3η θέση στην Ευρώπη, με 148,25 κλοπές αυτοκινήτων ανά 100.000 κατοίκους, κατατάσσει την Ελλάδα η νέα μελέτη της  Compare the Market

Στην τελική ευθεία το deal της “Ευρώπη Ασφαλιστική”

Το πράσινο φως έδωσε η ΤτΕ για το deal μεταξύ δύο ηγετικών φυσιογνωμιών του επιχειρείν.

Παρουσίαση των 2 Κλάδων Ασφαλιστικών Παροχών του Τ.Ε.Α.-ΥΠ.ΟΙΚ.

Στο πλαίσιο της ημερίδας αυτής, ο Πρόεδρος του Ταμείου, Δρ. Χρήστος Νούνης, και ο Αντιπρόεδρος του Ταμείου, κ. Άγγελος Τζανετάτος, παρουσίασαν αναλυτικά

Έρευνα: Η Ελλάδα 3η στην Ευρώπη στις κλοπές αυτοκινήτων

Η κλοπή αυτοκινήτων είναι μια αυξανόμενη ανησυχία για τους οδηγούς σε όλη την Ευρώπη, και η Ελλάδα και η Κύπρος δεν αποτελούν εξαίρεση.

Δ. Γαβαλάκης: Προχωρά περαιτέρω η ψηφιοποίηση των υπηρεσιών του Ε.Ε.Α. για τους διαμεσολαβούντες

Προχωρά περαιτέρω η ψηφιοποίηση των υπηρεσιών του Επαγγελματικού Επιμελητηρίου Αθηνών προς τους ασφαλιστικούς και αντασφαλιστικούς διαμεσολαβητές