Увеличение объема премий и снижение рисков страховых компаний с использованием Data Mining

Цой Е.В.
Выпускник группы ITM-013
Школа IT-менеджмента
РАНХиГС при Президенте РФ

Последние два года на страховом рынке наблюдаются ухудшение по всем показателям: снижаются темпы роста, растет убыточность, снижается финансовая устойчивость, падает рентабельность. Все это началось еще до санкций, стагнации в экономике, девальвации рубля и кризиса на банковском рынке.

Со стороны государственных регуляторов нет понимания, что страховой рынок не является менее важным относительно других и что нельзя игнорировать и принимать решения, ухудшающие положение страховых компаний в пользу других сегментов.

В последние несколько лет наблюдаются активные действия иностранных инвесторов по приобретению и созданию дочерних страховых компаний, создавая конкуренцию на отечественном рынке страхования.

Доля страховых премий у компаний с участием иностранного капитала по сбору страховых премий сопоставима с долей российских компаний, так как они обладают значительным опытом работы, налаженными технологиями и бизнес-процессами, иностранные страховщики имеют хорошие возможности нарастить рыночную долю в кратчайшие сроки.

Помимо внешнеполитических и экономических проблем, конкуренции на рынке главной проблемой всех страховщиков являются убытки, в том числе связанные с мошенничеством. Компании тратят большие средства для уменьшения рисков возникновения убытков и для борьбы с мошенниками.

В мировой практике существует множество примеров удачного внедрения и применения современной технологии Data Mining, использование которой помогает страховым компаниям существенно сэкономить на убыточных договорах, не теряя при этом в сборе страховых премий.

Целью данной дипломной работы является исследование возможностей технологии Data Mining в страховых компаниях для увеличения объемов премий и снижения рисков возникновения страховых случаев.

Data Mining - совокупность методов обнаружения в данных ранее неизвестных, не очевидных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

В данной работе мы более подробно рассмотрим: понятие Data Mining, отличия от других методов анализа данных, задачи Data Mining, процесс извлечения знаний из баз данных.

Также рассмотрим примеры успешного внедрения данной технологии в зарубежных страховых компаниях.

Далее на примере выборки из договоров автострахования:

В работе используем методы Data Mining: ассоциативные правила и деревья решений.

Согласно результатам эксперимента нам удалось с помощью глубинного анализа данных и специализированной программы выявить закономерности между некоторыми входными параметрами, такими как, портрет клиента (образование, возраст/стаж), объект страхования – автомобиль (тип противоугонной системы), условия договора страхования (размер страховой суммы, размер франшизы, период заключения договора) и свершением страхового случая.

С помощью найденных знаний удалось скорректировать тарифное руководство: добавили ранее не участвующие в расчете премии коэффициенты, по существующим коэффициентам дополнили варианты ответов и скорректировали значения коэффициентов по другим.

Пересчитав размер собранной премии за год, но уже по новому тарифному руководству, нам удалось рассчитать дополнительную премию, возникшую за счет нового тарифного руководства, тем самым страховая компания может обезопасить себя от рисков возникновения расходов в связи с выплатой убытка клиенту.

Рассмотренный подробно пример позволил наглядно продемонстрировать, что успешно реализуемая за рубежом современная технология Data Mining может и должна быть внедрена в России.

Дипломная работа будет полезна любой компании, предоставляющей услуги по страхованию и перестрахованию.