Polski insurtech Skyblu przygotował serię map, za pomocą których ilustruje nieoczywiste korelacje, które mogą mieć wpływ na wycenę różnych typów ubezpieczeń. Skyblu jest znane z tego, że dostarcza ubezpieczycielom dane umożliwiające daleko posuniętą personalizację składek ubezpieczeniowych w odniesieniu do adresu ubezpieczanego mienia. Podczas gdy ubezpieczyciele nierzadko wykorzystują przy kwotacji tylko kod pocztowy, traktując w ten sam sposób różnych klientów zamieszkałych w tej samej okolicy, insurtech jest w stanie zagwarantować znacznie bardziej precyzyjne i punktowe informacje o ryzyku, m.in. na podstawie analizy zdjęć lotniczych okolicy czy numerycznego modelu terenu, co może mieć znaczenie chociażby przy ubezpieczaniu takich ryzyk jak powódź czy pożar.
Ale z map przedstawionych przez Skyblu wynika, że pomocne w ocenie ryzyka mogą być także inne czynniki, które tradycyjnie nie są brane pod uwagę. Jednym z bardziej zaskakujących mogą być ustalenia insurtechu, dotyczące wpływu danych świadczących o pewnych czynnikach behawioralnych na ryzyko w ubezpieczeniach komunikacyjnych. Skyblu stwierdziło np. istnienie korelacji między wynikami w nauce dzieci z lokalnych szkół podstawowych a szkodowością kierowców zamieszkałych w tym samym rejonie. Jeśli okoliczna szkoła może się pochwalić dobrymi rezultatami uczniów, to oznacza, że w okolicy zamieszkują osoby przykładające większą wagę do edukacji. Pilniejsi i bardziej skorzy do nauki uczniowie to zwykle dzieci rodziców przejawiających bardziej odpowiedzialne zachowania za kółkiem. Dodatkowym plusem tego wskaźnika jest fakt, że rejony szkół są często (zwłaszcza w miastach) na tyle małe, że dostarczają bardzo lokalnych danych.
Poziom ryzyka charakteryzującego kierowcę jest też skorelowany z jego zamożnością. Niektórzy ubezpieczyciele biorą to pod uwagę, włączając do oceny ryzyka informację o kodzie pocztowym adresu zamieszkania kierowcy i w ten sposób szacując, czy mieszka w biedniejszej czy bogatszej dzielnicy. Skyblu poszło o krok dalej i przykładowo dla Madrytu przygotowało mapę obrazującą odchylenie od średniej krajowej przeciętnych przychodów mieszkańców okolicy, z dokładnością znacznie większą niż obszar jednego kodu pocztowego.
Z kolei w przypadku osób zamieszkałych na terenach wiejskich znaczenie dla ryzyka związanego z użytkowaniem samochodu ma dostępność transportu publicznego. W miejscowościach, do których nie dociera transport publiczny, kolejowy czy autobusowy, mieszkańcy zmuszeni są do znacznie częstszego siadania za kółkiem – by dojechać do pracy, odwieźć dzieci na zajęcia czy zrobić zakupy, w przeróżnych warunkach pogodowych. Więcej pokonywanych kilometrów to większa ekspozycja na ryzyko. Skyblu opracowało przykładową mapę dla Francji, uwzględniającą pod danym adresem dostępność linii autobusowej lub kolejowej oraz odległość do pokonania pieszo do najbliższego przystanku lub dworca, co obrazuje zależność mieszkańców od własnych samochodów.
Kolejna mapa, jaką Skyblu przygotowało dla ubezpieczycieli, dotyczy danych historycznych wykorzystywanych w taryfikacji ubezpieczeń komunikacyjnych. Na trendy dotyczące motoryzacji niemały wpływ miała pandemia covid, która z jednej strony skutkowała znacznym zmniejszeniem ruchu, ale jednocześnie także zmianami nawyków mieszkańców (np. część osób również po pandemii została w domach i rzadziej dojeżdża do pracy, część zaczęła wybierać inne środki transportu). Zmiany nie są też jednolite na terenie całego kraju. Skyblu zdecydowało się zatem połączyć fragmentaryczne zbiory danych o ruchu drogowym w Wielkiej Brytanii, by zbudować model ogólnokrajowy. Insurtech jest w stanie odtworzyć ruch drogowy w każdym roku – od 2019 do 2023 – dzięki czemu ubezpieczyciele są w stanie lepiej wyizolować efekt covidu z danych historycznych, a w rezultacie budować lepsze predykcje na przyszłość.
Insurtech dysponuje też szeregiem danych, które wprowadzają nowe czynniki do oceny ryzyka w ubezpieczeniach domów i mieszkań. Opracował m.in. mapę pomagającą w określaniu ryzyka wycieków wody i zalań, które jest jednym z ryzyk najtrudniejszych do modelowania. A to dlatego, że poza wiekiem budynku niewiele zmiennych znajduje odbicie w częstotliwości roszczeń. Skyblu wzięło jednak na warsztat bardziej precyzyjną zmienną, a mianowicie klasę efektywności energetycznej, będącą odbiciem historii remontów, wymiany instalacji wodno-kanalizacyjnych i grzewczych czy ulepszonej izolacji, które to czynniki zmniejszają ryzyko wycieków wody. Ćwiczenie to przeprowadzono dla terytorium Francji, gdzie jest ponad 21 mln budynków. Skyblu zebrało dane o 5 mln budynków z określoną klasą energetyczną oraz stworzyło model predykcyjny szacujący ten parametr dla pozostałych zabudowań.
Insurtech zgromadził też ciekawe dane pozwalające ubezpieczycielom lepiej szacować ryzyko pękania ścian i uszkodzeń konstrukcyjnych, wynikających z osiadania budynku. Dla terytorium Francji, gdzie często występują gleby gliniaste (których kurczenie i pęcznienie prowadzi do poważnych szkód w budynkach), opracował model pozwalający lepiej wycenić ryzyko. Pod uwagę wzięto cztery komponenty: zawartość gliny w glebie, historyczne ruchy gruntu, lokalną dynamikę klimatu (zwłaszcza fale upałów i intensywność suszy) oraz obecność w okolicy drzew liściastych, które wzmacniają efekty kurczenia się i pęcznienia gruntu.
Co ciekawe, w ramach pilotażu obejmującego mniejszy region w Wielkiej Brytanii precyzyjnie przyjrzano się też samym drzewom. A dokładniej dębom i wierzbom, bo te dwa gatunki zużywają duże ilości wody, szczególnie podczas dłuższych susz, co potęguje problemy występujące na glebach bogatych w glinę. Na podstawie obserwacji zdjęć satelitarnych z trzech lat, obejmującej analizę, jak drzewa wypuszczają nowe liście, zmieniają kolor i zrzucają liście na zimę, insurtech nauczył się identyfikować dęby i wierzby z kosmosu. W rezultacie jest w stanie dostarczać ubezpieczycielom informacji o występowaniu w danej okolicy tych gatunków, zwiększających ryzyko osiadania domów.
Mniej zaskakiwać mogą natomiast dane dostarczane przez Skyblu w odniesieniu do ryzyk pogodowych, takich jak pożary, powodzie czy porywiste wiatry. Chociaż i tu insurtech może się poszczycić dokładnością niespotykaną w innych modelach. Przykładowo dla Wielkiej Brytanii i Irlandii opracował mapę obrazującą ryzyko ekstremalnych porywów wiatru – uwzględnia w niej bardzo dokładne dane ze stacji obserwacyjnych z ostatnich trzydziestu lat, informacje z modelu pogodowego rekonstruującego zjawiska pogodowe godzina po godzinie, a także rzeźbę terenu i odległość lokalizacji od linii brzegowej. Jest to szczególnie ważne w regionach górskich, gdzie specyfika wiatru w dolinach może się znacząco różnić od tych na pobliskich grzbietach i szczytach wzgórz.
O podobnych mapach dotyczących ryzyk pogodowych dla Polski oraz ryzyka pożarowego dla całej Europy mogliście już wcześniej przeczytać w serwisie cashless.pl.
