Страховой скоринг: новые горизонты страхования залогового имущества предприятий01.03.2016 . Скоринг на службе страховых компаний Что значит не прошел скоринг осаго

Когда речь заходит о понятии риска применительно к финансовой сфере, в первую очередь, многим приходит в голову сегмент розничного кредитования. И речь, соответственно, о кредитном риске. При этом в кредитовании риск уже давно научились не только оценивать, но и управлять им. Кредитный риск рассчитывается с помощью предиктивных методик оценки вероятности дефолта заемщика в будущем. С этим уже на протяжении многих лет успешно справляются специально разработанные скоринговые модели.

Что же касается страхования, то даже для некоторых игроков на этом рынке до сих пор является сюрпризом возможность определения риска убыточности полиса по аналогии с расчетом кредитного риска. То есть при помощи все того же скоринга. Убыточность полиса, то есть отношение выплат по страховым событиям к собранной премии, является целевой переменной риска в страховании и, на первый взгляд, ничего общего с дефолтом по кредиту не имеет. Но на самом деле, у обоих этих события общая природа - не аккуратность и пренебрежение собственными обязательствами со стороны субъекта.

С внесением полтора года назад поправок в закон «О кредитных историях», у страховых компаний появилась возможность получать кредитные истории своих клиентов. Поскольку для страховщиков, как и для кредиторов, кредитные истории представляют наибольший интерес именно с точки зрения возможности оценки риска, перед страховой индустрией и, соответственно, перед НБКИ (в котором хранятся кредитные истории 74-х миллионов россиян), встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй - страхового скоринга.

Такую зависимость уже достаточно давно обнаружили и активно используют страховщики разных стран. В России о такой корреляции знали и раньше, но до 2014 года на практике использовать не могли: закон «О кредитных историях» не позволял предоставлять кредитную историю не кредиторам. Практически сразу же после вступления в силу поправок начались работы по формализации упомянутой зависимости. В работе приняли участие эксперты НБКИ, актуарии крупнейших страховых компаний и специалисты FICO - автора самого популярного и эффективного страхового скоринга в мире.

К середине 2015 года было обработано более 5 миллионов страховых полисов и совпадение с базой кредитных историй составило порядка 80%. Рассчитанный на базе кредитных историй страховой скоринг, также как и в розничном кредитовании, учитывает качество обслуживания кредитных обязательств, типы кредитов и историю пользования заемными средствами. Для простоты использования НБКИ и FICO сохранили шкалу скоринговой модели - от 350 до 850 баллов. При этом низкий балл означает высокий риск убыточности полиса, а высокий балл - наоборот.

Результаты тестирования модели на реальных полисах в автостраховании оказались сопоставимы с кредитным скорингом: КАСКО, для которых модель рассчитывала низкий скоринговый балл (менее 625) оказались на 20% убыточнее полисов с высоким баллом (более 725). Этот результат был подтвержден как для московских полисов, так и для региональных. Еще более наглядные результаты были получены при анализе убыточности от конкретных страховых событий. Например, по ущербу от угона автомобилей убыточность полисов в низких диапазонах скоринга в 5 раз выше, чем для верхнего диапазона. Очевидно, что это связано с тем, что страховой скоринг НБКИ смог выявить недобросовестных граждан, которым банки уже перестали давать в долг из-за их плохой платежной дисциплины и высокой закредитованности, и они пошли в страховые компании, надеясь с помощью страховых выплат и обмана решить свои финансовые проблемы. Другими словами, страховой скоринг НБКИ оказался полезен для предотвращения страхового мошенничества.

И, наконец, успешность проделанной работы в автостраховании позволяет надеяться на то, что и в других видах страхования применимы аналогичные технологии. По мнению НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов - дело ближайшего будущего.

• Услуги и продукты для кредитных организаций

Кредитные отчеты

Формирование, обработка и хранение кредитных историй

Организация, выдавшая кредит, обязана по закону «о кредитных историях» предоставить в аккредитованное бюро кредитных историй, сведения о заемщике, а также о размере полученного им займа, причем согласия заемщика на осуществление такой процедуры получать не требуется. Благодаря этому правилу, формирование кредитных историй осуществляется в предельно сжатые сроки и позволяет создать наиболее полную базу данных, в которой хранятся сведения обо всех кредитах и займах, полученных заемщиком. Предоставление кредитором информации БКИ осуществляется на основании договора об оказании информационных услуг. На передачу данных от кредитора в бюро отводится пять рабочих дней.

* Передачу информации в НБКИ также можно осуществлять без дорогостоящей автоматизации собственных процессов, существенных материальных затрат и найма специального персонала. Достаточно установить специальное приложение «Передача в один клик».

Предоставление кредитных отчетов

On-line: Интерактивный интерфейс (для кредитных организаций с небольшим объемом выдаваемых кредитов, решение о выдаче которых принимается не сразу, рассматривающих 300-500 заявок в месяц) - применяя этот способ, оператор регистрируется в системе, заполняет форму, направляет запрос, получает кредитный отчет в режиме on-line в формате PDF, изучает кредитный отчет и принимает решение о выдаче или отказе в выдаче кредита

On-line - B2B (для кредитных организаций с большим объемом выдаваемых кредитов, принимающих решение о выдаче кредита в короткие сроки) - данный способ позволяет банку автоматически запрашивать и получать кредитные отчеты в формате хml-файла. Воспользовавшись им, можно интегрировать информацию из кредитного отчета в автоматизированный процесс принятия решения банком.

Пакетный запрос (для кредитных организаций, принимающих решение о выдаче кредитов в течение одного или нескольких дней) - пакетный запрос формируется банками в виде хml-файла и передается в бюро по электронной почте. Ответ формируется бюро в течение суток и передается в банк в виде хml-файла, содержащего все кредитные отчеты.

НБКИ Online

Оптимальное решение для организаций, начинающих кредитную деятельность, или ведущих умеренную кредитную активность. Функционал «НБКИ Online» обеспечивает полноценное взаимодействие с Бюро, при этом не требует инвестиций в создание и поддержку аппаратного и программного IT обеспечения.
«НБКИ Online» позволит получать данные о заемщиках из НБКИ по оптимальной цене; передавать данные в НБКИ-данные, полученные от пользователей «НБКИ Online», обрабатываются в максимально приоритетном порядке; вести учет обмена данных с бюро.

СКОРИНГИ

Скоринг бюро

Инструмент для измерения риска, который оценивает возможность исполнения заемщиком своих обязательств по выплате кредита на основании данных, содержащихся в бюро кредитных историй и отражающих его поведение в прошлом. Скоринговая модель оценки позволяет: прогнозировать несоблюдение платежных обязательств заемщика; ранжировать заемщиков в соответствии с вероятностью их выхода на просрочки..

Значение скоринга заемщика рассчитывается исключительно на основе информации, содержащейся в кредитной истории, которая преобразуется в скоринговый балл, находящийся в интервале от 300 до 850, так, что добросовестным плательщикам присваивается наивысший балл, а недобросовестным – низший. Скоринговый балл предоставляется с четырьмя причинами, оказавшими наибольшее влияние на его снижение.

Расширенный скоринг

Позволяет оценивать риск дефолта заемщиков, не имеющих кредитной истории, на основе их социо-демографических данных. При расчете расширенного скорингового балла принимаются во внимание такие характеристики как возраст, семейное положение, место жительства, место работы, стаж, заработная плата и другие характеристики.

Fraud score

Уникальная скоринговая модель, позволяющая оценить вероятность повышенного риска выдачи займа на основе анкетных данных и кредитной истории потенциального заемщика. Модель разработана лидером в области предиктивной аналитики – компанией FICO® на основе обработки миллионов конкретных кредитных заявок и кредитных историй. Модель характеризуется высокой прогнозной точностью, простотой интеграции в существующие у кредитора системы андеррайтинга заемщиков и возможностью управления на стороне кредитора.

МОНИТОРИНГ КЛИЕНТСКОЙ БАЗЫ БАНКА (АНАЛИТИЧЕСКИЕ ОТЧЕТЫ)

Аналитические отчеты формируются на основе информации из баз данных НБКИ и обеспечивают мониторинг основных параметров, характеризующих состояние кредитного портфеля и поведение клиентов банка.

Предоставление аналитических отчетов осуществляется ежемесячно в течение периода, определенного кредитором. По выбору клиента могут быть предложены следующие периоды предоставления отчетов: квартал, полгода, год.

Отчеты нужны для: прогнозирования рисков; определения доли «рисковых заёмщиков»; оценки лояльности и поведения заёмщиков в других банках.

НБКИ-AFS (ПРОТИВОДЕЙСТВИЕ НЕДОБРОСОВЕСТНЫМ ЗАЕМЩИКАМ)

Уникальная система противодействию недобросовестным заемщикам «НБКИ-AFS» - самый современный, инновационный и эффективный инструмент защиты кредитора от действий недобросовестных заемщиков различных типов.

Сервис «НБКИ – AFS» создавался при непосредственном участии банков-лидеров розничного кредитования и учитывает огромные практические знания о противодействии недобросовестным заемщикам. Его интеграция в банковские автоматизированные системы обработки заявок максимально упрощена, а это означает, что любой банк может подключиться к сервису быстро и с минимальными затратами. «НБКИ – AFS» может быть настроен по специфическим требованиям и особенностям банка-пользователя.

Сервис «умеет» проводить последовательное и рекурсивное сопоставление атрибутов кредитных заявок и их анализ с использованием «фрод» правил, выявляя подозрительных потенциальных заемщиков. Данные проходят уникальную логическую проверку по более чем 160-ти правилам, эффективность которых подтверждена анализом, проведенным на базах заявок крупнейших розничных банков. «НБКИ – AFS» позволяет обрабатывать более 200 заявок в секунду.

ВЕРИФИКАЦИЯ ПАСПОРТНЫХ ДАННЫХ КЛИЕНТА

Услуга, обеспечивающую проверку паспорта заемщика в режиме реального времени.

Используя услугу, вы определяете статус проверяемого документа, а также получаете дополнительную информацию, доступную в базах данных источника.

АНАЛИТИКА

Национальное бюро кредитных историй (НБКИ) предлагает широкий спектр риск-аналитики, позволяющей кредиторам принимать взвешенные стратегические и тактические решения:

Отчеты Бенчмаркинг и Бенчмаркинг МФО

Дают объективную картину положения кредитора относительно деперсонализированного пула кредиторов конкурентной группы. Группа формируется заказчиком Отчета самостоятельно, но требует обязательного согласования с НБКИ. Количество кредиторов в группе – от 3-х до 5-и. Кредиторы должны быть сопоставимы по размеру бизнеса.

В отчете представлены 230 показателей: размер портфеля; качество портфеля; качество входящей популяции, уровни одобрения; просрочки: выход из просрочек (recovery) и качество возврата (collection); портрет заемщика в разрезе по видам и размерам кредитов, возрастам заемщиков, регионам России, диапазонам (бакетам) скоринга FICO и т.д.

Данные представлены в целом по кредитам физическим лицам и в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России.

Каждый параметр представлен в динамике за последний год.

Отчет Бенчмаркинг.Взыскание

Отчеты «Бенчмаркинг.Взыскание» дают объективную картину эффективности процедур взыскания на основе сравнительного анализа с референтной группой и позволяют находить сегменты, требующие корректировки работы соответствующих подразделений кредитора/коллектора. Группы банков для сравнения могут быть разные для каждого кредитного продукта; Перечень сравниваемых банков определяется путем согласования с НБКИ и должен соответствовать требованиям к их однородности по объемам на рынке и продуктовым нишам. Таким образом, не нарушаются их коммерческая тайна и правила бизнес-этики. Количество сравниваемых банков не должно быть менее 3-х и более 5-ти.

Отчет состоит из двух файлов с соответствующими разделами:

1. Файл «Benchmarking Early Collection»

2. Файл «Benchmarking Late Collection»

Данные представлены в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России. Каждый параметр представлен в разрезе Сумм выдачи, Регионов выдач, Диапазонов FICO2 AM, Сроков просрочки в днях (0 – 4-й бакеты).

Национальный кредитный бюллетень

Национальный кредитный бюллетень – единственный в России ежеквартальный обзор розничного кредитования, дающий детальную картину тенденций и рисков в секторе. В обзоре представлена динамика показателей кредитования в целом по стране и по крупнейшим регионам РФ, по видам кредитов.

Предоставляется в бумажном и электронном виде (MS Excel).

Анализ долговой нагрузки российских заемщиков

В данном обзоре используются два типа индикаторов, характеризующих долговую нагрузку населения: отношение остатка долга к годовым денежным доходам заемщика и отношение.

Обзор формируется два раза в год. Возможна подписка на разовое исследование или на 2 отчета за год.

ПАРТНЕРСКИЙ ДОГОВОР. ПРЕДОСТАВЛЕНИЕ КРЕДИТНЫХ ИСТОРИЙ СУБЪЕКТАМ

Продажа кредитных историй клиентам Банка – современная услуга, обеспечивающая рост комиссионного дохода.

Большинство россиян хотели бы получать свою кредитную историю в отделении банка. Действительно, на сегодняшний день около 90% кредитных историй из базы НБКИ продаются в банковских отделениях и через систему удаленного банковского обслуживания банков-партнеров НБКИ.

В рамках партнерского договора Банк может оказывать услуги по предоставлению кредитного отчета из базы НБКИ, а также несколько дополнительных услуг: доступ к базе залогового движимого имущества, отчет из ЦККИ и т.д.

Национальное бюро кредитных историй (НБКИ) ценит работу своих партнеров по данному виду договора и оказывает всевозможную поддержку по развитию этого бизнеса.

ПРОВЕРКА АВТОМОБИЛЯ ПО ЕДИНОЙ БАЗЕ ЗАЛОГОВЫХ АВТОМОБИЛЕЙ И ДРУГОГО ДВИЖИМОГО ИМУЩЕСТВА

Источниками формирования «Базы залоговых автомобилей и другого движимого имущества» НБКИ являются банки и прочие кредиторы, сотрудничающие с НБКИ и передающие информацию о находящихся у них в залоге автотранспортных средствах.

Состав уведомления в «Базе залоговых автомобилей и другого движимого имущества» НБКИ.

Посвященная возможностям скоринга в финансовой сфере. Банкиры и МФО делились успешными кейсами, а ИТ-компании и сотовые операторы рассказывали про новые возможности. К сожалению, на конференции среди спикеров не было ни одного представителя страховой отрасли.

Неужели скоринг, как инструмент анализа, не интересен страховому сообществу? Скорее наоборот. Но если банки уже давно освоили эту технологию анализа клиентской базы и повсеместно используют ее при кредитовании, то страховой рынок еще не так избалован этим методом селекции клиентов. Тем не менее, в той или иной степени страховые компании все же обращаются к этому инструменту для формирования более адекватного андеррайтинга.

Если лет пять назад страховщики вообще не применяли инструменты скоринга. Три года назад они стали робко пробовать использовать кредитный скоринг в привязке к «мотору». Сегодня кредитный скоринг уже может служить одной из ключевых метрик в андерайтинге автострахования и постепенно использоваться в работе с другими видами страхования.

Мы абсолютно так же, как и банки, хотим знать своих клиентов «в лицо». Чтобы правильно сформировать резерв и назначить тариф, очень важно понимать, что за человек перед тобой, чего от него можно ожидать, насколько может быть убыточен тот или иной клиент. Многочисленные исследования, проводимые на рынке финансовых институтов, уже доказали, что если человек недисциплинирован в какой-то одной сфере жизни, то он с большой долей вероятности будет недисциплинирован и в других областях. Финансовая дисциплина, поведенческие модели и привычки – вот что уже давно интересует банки, а теперь вполне заслуженно должно интересовать и страховщиков.

Источников данных для сбора информации очень много: от бюро кредитных историй до соцсетей, которые могут рассказать о клиенте очень многое. Выбор этих источников определяется конкретными потребностями компании, бюджетом и функционалом ИТ-систем.

Но самый важный вопрос не в том, какие данные анализировать (сейчас действительно множество вариантов и источников), а в том, как это делать. Именно правильная интерпретация данных, расстановка акцентов и весов позволяет выстроить работающую систему скоринг-оценки, которая не только поможет понять потенциальную убыточность конкретного клиента, но и позволит выявлять мошенников, которые могут привести компанию к серьезным финансовым потерям.

По данным FICO и НБКИ, которые активно завоевывают нишу страхового скоринга, основанного на данных кредитных историй, клиенты с полисом каско с низким скоринг-баллом показывают убыточность на несколько десятков процентов выше, чем обладатели высокого скоринг-балла. Имея такие данные, на сколько страховая компания сможет снизить убыточность портфеля? Дать однозначный ответ на это сложно.

Данный показатель во многом зависит от сегмента страхования и особенно от того, как именно использовать результат скоринга (отказывать в страховании совсем, предлагать повышающий коэффициент или что-то другое). В маржинальных видах он может достигать нескольких процентов, и если в компании портфель исчисляется миллиардами рублей, то выгода может составить несколько десятков миллионов.

Вторая сложность – это стоимость. Несмотря на то, что за последние несколько лет цена анализа одного клиента снизилась практически втрое (у разных операторов данных разные цены), скоринг пока применяется в основном лишь в автостраховании. Благодаря высокой маржинальности именно здесь оправдываются дополнительные затраты на анализ клиентской базы. Для других видов (страхование имущества или от несчастных случаев) скоринг пока применяется скорее в рамках экспериментов, а не для реальной экономии.

Оправданность затрат на скоринг также связана с объемом анализируемого портфеля. У нас в стране довольно высокий уровень закредитованности населения, объемы займов продолжают расти, даже несмотря на падение реальных доходов. В то же время проникновение страховых услуг крайне низкое. Только в этом году мы стали постепенно увеличивать долю проникновения в страховании имущества граждан и в страховании жизни. Но этого, конечно, недостаточно.

Если рынку удастся преодолеть хотя бы одно из этих препятствий, то скоринг в страховании, скорее всего, перестанет быть почти фантастикой, став действенным этапом качественного андеррайтинга. Ведь потенциал у этого инструмента действительно очень высокий.

В каких видах страхования актуален скоринг

Массовое использование в России пока получил лишь скоринг бюро кредитных историй – в моторном страховании. Выявленные зависимости позволяют существенно уточнять прогноз убыточности по полису каско и даже противодействовать попыткам мошенничества с имуществом. К примеру, тариф по каско зависит от возраста, пола, семейного положения автовладельца, марки и региона эксплуатации автомобиля, а также других параметров, которые страховщики называют тарифным фактором. По мнению заместителя генерального директора, директора по рискам – руководителя управления актуарных расчетов «Сбербанк страхование» Владимира Новикова , это и есть скоринг. С развитием цифровых технологий и аккумулированием больших объемов данных стало возможным кроме классических факторов оценки рисков использовать те, которые раньше не привлекали внимание андеррайтеров. Техника скоринга применима не только к оценке рисков: она хорошо работает при решении задач маркетинга, продаж, оптимизации урегулирования убытков, борьбе с мошенничеством, полагает Владимир Новиков .

По словам начальника отдела маркетинговых исследований СК «МАКС» Евгения Попкова , в недавнем прошлом страховой скоринг представлял собой весьма ограниченный инструментарий. Так, в большинстве случаев сотрудники офисов продаж пользовались страховыми калькуляторами по добровольным видам, в которых по определенным триггерам срабатывал контроль – «Требуется согласование андеррайтера» или «Необходима проверка СБ».

Александр Морозов, директор по статистике и аналитике Лаборатории Умного Вождения, утверждает, что скоринг по сути является персональной оценкой страхового риска. Эта оценка точнее в сравнении с традиционными моделями, рассчитанными на основе усредненных факторов.

Алексей Данилов, генеральный директор Adaperio , приводит следующий пример. Традиционные методы оценки всегда основывались на поведении усредненного пользователя – абстрактного страхователя определенного социально-демографического профиля, но по факту поведение, например, двух мужчин 35 лет, проживающих в Москве и пользующихся BMW, может кардинально отличаться. Именно в этом случае становятся полезны большие данные, которые позволят более точно определить риски страховой компании и, как результат, повлияют на показатели прибыли (убыточности).

Как научиться выявлять мошенничество в автостраховании, используя методы машинного обучения? Об этом на примере скоринг-модели с lift, равное 4, Илья Лопатинский , директор департамента поддержки розничного бизнеса Ингосстрах, расскажет на Scoring Days 2018 .

В мировой практике скоринговая оценка применяется во всех линиях бизнеса страховых компаний. В российской практике скоринг наиболее распространен в таких видах, как ДМС и автострахование, говорит генеральный директор БКИ «Эквифакс» Олег Лагуткин. «Самым экзотическим видом применения скоринга в нашей практике была оценка склонности к мошенничеству сотрудников страховых компаний, принимающих решения об условиях заключения договора страхования», ‒ рассказывает Олег Лагуткин . По его мнению, скоринговую оценку целесообразно внедрять в такие процессы, как антифрод, убытки и продажи.

Заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие» Андрей Ковалев видит потенциал использования скоринга во всех добровольных массовых видах страхования (в том числе автостраховании, ДМС, страховании ИФЛ). Основная сфера использования скоринга – оценка риска и антифрод, но он может найти применение и в области поддержки продаж.

Заместитель генерального директора «ВТБ Страхования» Евгений Ниссельсон полагает, что скоринг целесообразнее использовать в продажах розничных продуктов, таких как автострахование, страхование имущества, страхование от несчастных случаев и т.д. Он позволяет снизить расходы на оценку риска и существенно ускорить данный процесс. Скоринг применим к типовым продуктам, для анализа специфических рисков необходимо использовать традиционные методы.

Мария Барсова, операционный директор ‒ заместитель генерального директора по имущественным видам страхования САО ЭРГО , рассказала, что компания использует кредитный скоринг в каско и индивидуальном страховании физических лиц, в основном в андеррайтинге и для определения тарификации.

Страховщики тестируют телематику

По словам начальника управления андеррайтинга в автостраховании ООО «Зетта Страхование» Дмитрия Рыкова , полисы на основе телематики пока не получили масштабного развития, но компания продолжает аккуратно тестировать эти продукты, наблюдает за рынком и готовится сделать интересное предложение. В СК «Согласие» также подтвердили, что реализация скоринга на данных телематических устройств находится в стадии разработки и тестирования. В «ВТБ Страховании» сообщили, что скоринг по данным телематики на промышленной основе страховщик не использует в силу ограниченного присутствия на рынке автострахования. При этом компания тестировала телематические системы разных производителей и результаты показали довольно высокую эффективность. Мария Барсова, операционный директор ‒ заместитель генерального директора по имущественным видам страхования САО ЭРГО , рассказала, что компания внедряла скоринг по данным телематических устройств и продолжает это делать, но нельзя утверждать, что ожидания оправдались на 100%. Объемы пока небольшие, и в связи с этим говорить о влиянии на убыточность рано.

«Любые данные полезны для улучшения оценки персонального страхового риска. Тем более если они неплохо коррелируют с этим самым риском и не имеют аналогов. Данные с телематических устройств, полученные напрямую от автомобиля, не могут быть качественно заменены другими факторами и отлично коррелируют со страховым риском, – отметил Александр Морозов, директор по статистике и аналитике Лаборатории Умного Вождения . – Поэтому можно точно сказать, что телематические данные полезны для скоринга. Результат внедрения зависит от конкретной модели, предложенной страховой компанией, состава, качества и стоимости самих данных, поэтому какую-то единую оценку называть будет некорректно».

Какие данные использовать при построении скоринга для каско? Об этом - в выступлении Фрэнка Шихалиева , руководителя отдела развития анализа данных "Ренессанс Страхование" 19 апреля на Scoring Days 2018 .

Технологии: чем пользуются страховщики

На вопрос, пользуется ли компания собственными разработками или разработками сторонних поставщиков, в компании «Согласие» заявили, что применяют оба этих подхода. «Несомненно, при внутренних разработках обеспечивается более высокая устойчивость бизнеса, но все же есть сферы, где компания не может осуществлять все разработки своими силами», – сказал Андрей Ковалев, заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие» . Компания «ВТБ Страхование» использует готовые решения поставщиков, настроенные под потребности страховщика. Работу компании «Сбербанк страхование» в рамках скоринга можно разделить на две части. Одна часть – это анализ, где используются программное обеспечение и статистические пакеты, которые разработали для компании сторонние подрядчики. Вторая часть – остальные 50% успеха в применении скоринговых данных – определяется компетентностью сотрудников, то есть зависит от наличия в компании специалистов, умеющих работать с большими данными.

Начальник управления андеррайтинга в автостраховании ООО «Зетта Страхование» Дмитрий Рыков рассказал, что кроме собственных методик компания использует инструменты, предоставленные партнерами. Один из примеров – сервис Audatex, позволяющий проверять историю аварий по автомобилю. Другой пример – КБМ по ОСАГО, который также позволяет приблизительно оценить страховую историю клиента.

Инсайты скоринга от страховщиков и разработчиков

Выбор модели автомобиля действительно несет информацию о поведении клиента на дороге. Например, клиент, выбравший марку ТС, которая подчеркивает драйверские свойства машин, стабильно чаще попадает в аварии, чем клиент, который выбирает ТС аналогичного класса, мощности, размера и стоимости, но от производителя, который подчеркивает комфорт или надежность, рассказал Андрей Ковалев, заместитель директора департамента андеррайтинга и управления продуктами СК «Согласие».

Кейсы построения скоринга в автостраховании от Ильи Лопатинского из Ингосстраха и Фрэнка Шихалиева из Ренессанс Страхование - на конференции Scoring Days 2018 .

По мнению Дмитрия Рыкова, начальника управления андеррайтинга в автостраховании ООО «Зетта Страхование» , есть много интересных зависимостей: например, частота ДТП по страхователям, находящимся в разных семейных статусах, существенно различается. Так, женатые водители имеют наименьшую частоту страховых случаев и получают скидку в компании. Другая зависимость, которую компания обнаружила непосредственно в Москве, – взаимосвязь вероятности наступления страхового случая и адреса постоянной регистрации страхователя. Скидка для автовладельца, проживающего в районе с более безопасным трафиком, может составить 20% от стоимости полиса.

Владимир Шикин, заместитель директора по маркетингу НБКИ , сообщил, что, как правило, все закономерности имеют логическое объяснение, но бывает, что они обнаруживаются уже по факту. Например, в ходе тестирования в компании заметили, что в сегменте с низкими значениями банковского скоринга высока вероятность убытка от угона. «Мы сделали предположение, что в этом диапазоне могут находиться клиенты, которым в силу низкой ответственности банки уже не дают кредиты, и эти люди могут решать свои финансовые проблемы за счет страховых компаний. То есть, по сути, мы выявили индикатор потенциального мошенничества», – рассказал Владимир Шикин.