L’elaborazione dei dati  (o data processing) è storicamente al centro del business delle imprese di assicurazione, un settore fortemente radicato nell’analisi statistica guidata dai dati. I dati sono sempre stati raccolti ed elaborati per informare le decisioni di sottoscrizione, le politiche dei prezzi, risolvere i reclami e prevenire le frodi. La ricerca di dataset sempre più granulari e modelli predittivi, ha reso la rilevanza della Big Data Analytics una consuetudine per il settore assicurativo.

L’EIOPA (European Insurance and Occupational Pensions Authority) ha pubblicato una revisione tematica sull’uso, sui benefici e sui rischi associati alla Big Data Analytics con un focus sulle linee di business dell’assicurazione auto e sanitaria.

“Oltre ai vantaggi derivanti dalla Big Data Analytics, gli assicuratori devono adattare la loro governance per affrontare le sfide poste da queste nuove tecnologie, in particolare i problemi legati all’equità dell’uso della Big Data Analytics, come l’accuratezza e la spiegabilità delle “black-box” degli algoritmi di Machine Learning”, ha dichiarato Gabriel Bernardino, Presidente EIOPA.

Nuove fonti di dati, IA e ML, Cloud Computing

Dalla revisione tematica condotta da EIOPA a cui hanno partecipato un totale di 222 imprese di assicurazione e intermediari da 28 giurisdizioni, emerge una forte propensione verso modelli di business sempre più guidati dai dati lungo la catena del valore dell’assicurazione auto e sanitaria. Le fonti di dati tradizionali come dati demografici o dati sull’esposizione sono sempre più combinate con nuove fonti come dati online o telematici, che forniscono maggiore granularità e frequenza delle informazioni sulle caratteristiche, sul comportamento e sugli stili di vita dei consumatori. Esiste poi un uso esteso di dati provenienti da fornitori di dati di terze parti. Ciò favorisce lo sviluppo di prodotti sempre più su misura e servizi e valutazioni del rischio più accurate.

Il 31% delle imprese utilizza attivamente strumenti di Big Data Analytics come Intelligenza Artificiale o Machine Learning e un altro 24% è nella fase di PoC. Questi strumenti abilitano il sviluppo di valutazioni più accurate, senza o con un intervento umano limitato, aumentano l’efficienza e la rapidità del processo decisionale e riducono i costi operativi.
Tuttavia, i pregiudizi inerenti ai dati utilizzati possono essere fomentati dagli algoritmi di apprendimento automatico se le imprese non dispongono di adeguati meccanismi di governance. Questo problema diventa più significativo quando determinati output raggiunti dagli algoritmi “black box” non possono essere adeguatamente spiegati.

Il 33% delle compagnie assicurative utilizza servizi di Cloud Computing, un elemento chiave per l’agilità e l’analisi dei dati, e un ulteriore 32% afferma che transiteranno verso il cloud nei prossimi 3 anni. La sicurezza dei dati e la protezione dei consumatori sono le preoccupazioni chiave di questa attività di outsourcing.

Quindi, sono molte le opportunità per l’analisi dei Big Data sia per l’industria assicurativa così come per i consumatori. Tuttavia, non mancano rischi che devono essere affrontati. Alcuni non sono nuovi, ma il loro significato è amplificato nel contesto della Big Data Analytics. Si tratta di questioni legate alla correttezza e ai principi per un comportamento responsabile nell’era digitale, nonché di accuratezza, trasparenza, verificabilità e spiegabilità di alcuni strumenti come IA e ML.

Nel 2019, la Task Force InsurTech dell’EIOPA condurrà ulteriori lavori per affrontare in particolare i rischi in collaborazione con l’industria, il mondo accademico, le associazioni dei consumatori e altri parti interessate e nel contesto del lavoro svolto dal Joint Committee of the ESAs sull’IA, altri forum internazionali e del dialogo assicurativo UE-USA.