Kui rääkida riski mõistest seoses finantssektoris, esiteks meenub paljudele eraisikute laenude segment. Ja me räägime vastavalt krediidiriskist. Samas on laenu andmisel juba ammu õpitud riski mitte ainult hindama, vaid ka seda juhtima. Krediidirisk arvutatakse prognoosimeetodite abil, et hinnata laenuvõtja maksejõuetuse tõenäosust tulevikus. Spetsiaalselt välja töötatud punktimudelid on sellega edukalt toime tulnud juba aastaid.

Mis puutub kindlustusse, siis isegi mõnede selle turu tegijate jaoks on endiselt üllatus, et analoogiliselt krediidiriski arvutamisega on võimalik määrata poliisi kahjumlikkuse riski. See tähendab, et kasutatakse sama punktiarvestust. Poliisi kahjusuhe ehk kindlustusjuhtumite väljamaksete suhe kogutavasse kindlustusmaksesse on kindlustuses sihtriskimuutuja ning esmapilgul ei ole laenu maksejõuetusega seotud. Kuid tegelikult on mõlemal sündmusel ühine iseloom – täpsuse puudumine ja oma kohustuste eiramine subjekti poolt.

„Krediidiajaloo seaduse“ muudatuste kehtestamisega poolteist aastat tagasi on kindlustusseltsidel nüüd võimalus hankida oma klientide krediidiajalugu. Kuna nii kindlustusandjate kui ka laenuandjate jaoks pakuvad krediidiajalood suurimat huvi just riskide hindamise võimaluse seisukohalt, siis kindlustussektor ja vastavalt ka NBKI (mis talletab 74 miljoni venelase krediidiajalugu) seisis silmitsi matemaatilise mudeli konstrueerimise küsimusega, ennustades kahjumlikkust krediidiajaloo andmete põhjal – kindlustusskoorimine.

Seda sõltuvust on kindlustusandjad juba ammu avastanud ja aktiivselt kasutanud. erinevad riigid. Venemaal oli selline korrelatsioon teada juba varem, kuid seda sai praktikas kasutada alles 2014. aastal: krediidiajaloo seadus ei lubanud krediidiajalugu anda mittekrediidiandjatele. Peaaegu kohe pärast muudatuste jõustumist hakati nimetatud sõltuvust vormistama. Tööl osalesid NBKI eksperdid, suuremate kindlustusseltside aktuaarid ja maailma populaarseima ja tõhusaima kindlustusskoorimise autori FICO spetsialistid.

2015. aasta keskpaigaks oli töödeldud üle 5 miljoni kindlustuspoliisi ning vastavus krediidiajaloo andmebaasiga oli umbes 80%. Krediidilugude põhjal arvutatud kindlustusskooring, nagu ka eraisiku laenude puhul, võtab arvesse laenukohustuste teenindamise kvaliteeti, laenuliike ja laenatud vahendite kasutamise ajalugu. Kasutamise hõlbustamiseks säilitasid NBCH ja FICO hindamismudeli skaala - 350–850 punkti. Madal skoor tähendab poliitika kahjumlikkuse suurt riski, kõrge aga vastupidist.

Mudeli testimise tulemused tõelistel autokindlustuspoliisidel osutusid võrreldavaks krediidiskooriga: KASKO, mille jaoks mudel arvutas madala skoori (alla 625), osutus 20% kahjumlikuks kui kõrge skooriga poliisid. (rohkem kui 725). See tulemus leidis kinnitust nii Moskva kui ka piirkondliku poliitika puhul. Veelgi selgemad tulemused saadi konkreetsete kindlustusjuhtumite kahjumäärade analüüsimisel. Näiteks autovargustest põhjustatud kahju korral on madalate punktide vahemiku poliiside kahjumäär 5 korda kõrgem kui ülemise vahemiku puhul. Ilmselgelt on see tingitud asjaolust, et NBKI kindlustusskoorimisel suudeti tuvastada hoolimatute kodanikke, kellele pangad olid kehva maksedistsipliini ja suure võlakoormuse tõttu raha laenamise juba lõpetanud ning pöördusid kindlustusseltside poole, lootes probleemi lahendada. kindlustusmaksete ja nende petmise abil rahalised probleemid. Teisisõnu, NBKI kindlustusskoorimine on osutunud kasulikuks kindlustuspettuste ärahoidmisel.

Ja lõpuks lubab autokindlustuses tehtud töö edu loota, et sarnased tehnoloogiad on rakendatavad ka teistes kindlustusliikides. NBKI ja suurte kindlustusseltside hinnangul on enamiku kindlustustoodete puhul inimese vastutuse ja tema käitumise vaheliste sõltuvuste otsimine ja kinnitamine lähituleviku küsimus.

Milliste kindlustusliikide puhul on punktiarvestus asjakohane?

Seni on Venemaal - liikluskindlustuses - laialdast kasutust leidnud ainult krediidiajaloo büroo hindamine. Tuvastatud sõltuvused võimaldavad oluliselt täpsustada kaskokindlustuse kahjumlikkuse prognoosi ja isegi tõrjuda varapettuse katseid. Näiteks kaskokindlustuse tariif sõltub autoomaniku vanusest, soost, perekonnaseisust, auto margist ja kasutuspiirkonnast ning muudest parameetritest, mida kindlustusandjad nimetavad tariifiteguriks. Asetäitja sõnul peadirektor, Riskidirektor – Sberbank Insurance’i kindlustusmatemaatikaarvutuste osakonna juhataja Vladimir Novikov, see on punktiarvestus. Digitehnoloogiate arenedes ja suurte andmemahtude kuhjumisel on saanud võimalikuks lisaks klassikalistele riskihindamise teguritele kasutada ka neid, mis varem kindlustusandjate tähelepanu ei pälvinud. Hindamistehnika on kasutatav mitte ainult riskide hindamisel: see toimib hästi turunduse, müügi, kahjude lahendamise optimeerimise ja pettuste vastu võitlemise probleemide lahendamisel, usub Vladimir Novikov.

Vastavalt IC "MAKS" turundusuuringute osakonna juhataja Jevgeni Popkov, oli lähiminevikus kindlustusskoorimine väga piiratud tööriistakomplekt. Seega kasutasid müügiesinduse töötajad enamasti kindlustuskalkulaatoreid vabatahtlikud tüübid, kus kontrolli käivitasid teatud päästikud – “Vajalik on kindlustusandja kinnitus” või “Nõutav on turvakontroll”.

Aleksandr Morozov, nutika sõidu labori statistika ja analüüsi direktor märgib, et skoorimine on sisuliselt isiklik hinnang kindlustusriskile. See hinnang on täpsem võrreldes traditsiooniliste mudelitega, mis on arvutatud keskmiste tegurite põhjal.

Aleksei Danilov, Adaperio tegevjuht, toob järgmise näite. Traditsioonilised meetodid hinnangud on alati lähtunud tavakasutaja – teatud sotsiaaldemograafilise profiiliga abstraktse kindlustusvõtja – käitumisest, kuid tegelikult võib näiteks kahe Moskvas elava ja BMW-d kasutava 35-aastase mehe käitumine olla väga oluline. kardinaalselt erinev. Just sel juhul tulevad kasuks suurandmed, mis võimaldavad täpsemalt määrata kindlustusseltsi riske ja seeläbi mõjutada kasumi(kahjumi)näitajaid.

Kuidas õppida autokindlustuspettusi masinõppemeetodite abil tuvastama? Selle kohta skoorimismudeli näitel, mille tõus on 4. Ilja Lopatinski, tugiosakonna direktor jaekaubandus Ingosstrakh ütleb teile aadressil Punktipäevad 2018.

Maailmapraktikas kasutatakse punktiarvestust kõigis kindlustusseltside tegevusvaldkondades. IN Vene praktika punktide määramine on kõige levinum sellistes liikides nagu vabatahtlik tervisekindlustus ja autokindlustus, ütleb BKI Equifaxi peadirektor Oleg Lagutkin."Kõige eksootilisem punktiarvestuse rakendusviis meie praktikas oli kindlustuslepingu sõlmimise tingimuste üle otsustavate kindlustusseltsi töötajate pettuskalduvuse hindamine," räägib Oleg Lagutkin. Tema arvates on skoorimine soovitatav juurutada sellistesse protsessidesse nagu pettustevastane võitlus, kahjud ja müük.

Kindlustusseltsi Soglasie kindlustus- ja tootejuhtimise osakonna asedirektor Andrei Kovaljov näeb punktiarvestuse kasutamise potentsiaali kõigis vabatahtlikes massikindlustusliikides (sh autokindlustus, vabatahtlik tervisekindlustus, üksikisiku tulukindlustus). Skoorimise peamiseks kasutusvaldkonnaks on riskihindamine ja pettustevastane võitlus, kuid see võib leida rakendust ka müügitoe valdkonnas.

VTB kindlustuse peadirektori asetäitja Evgeniy Nisselson usub, et punktiarvestust on sobivam kasutada jaemüügitoodete müügil, nagu autokindlustus, varakindlustus, õnnetusjuhtumikindlustus jne. See võimaldab vähendada riskihindamise kulusid ja oluliselt kiirendada seda protsessi. Skoorimine on rakendatav standardtoodetele, et analüüsida konkreetseid riske, on vaja kasutada traditsioonilisi meetodeid.

SAO ERGO tegevusdirektor - peadirektori asetäitja varakindlustusliikide alal Maria Barsova ütles, et ettevõte kasutab krediidiskoorimist kaskokindlustuses ja individuaalne kindlustus üksikisikud, peamiselt emissioonide tagamisel ja tariifide määramisel.

Kindlustusandjad testivad telemaatikat

Vastavalt Dmitri Rykov, autokindlustuse LLC Zetta Insurance kindlustusosakonna juhataja, telemaatikapõhised poliitikad pole veel ulatuslikku arendust saanud, kuid ettevõte jätkab nende toodete hoolikat testimist, turu jälgimist ja valmistub tegema huvitavat pakkumist. IN SC "Soglasie" kinnitas ka, et punktiarvestuse rakendamine nendel telemaatikaseadmetel on arendus- ja testimisjärgus. IN « VTB kindlustus» teatas, et kindlustusandja ei kasuta telemaatikaandmetel põhinevat hindamist tööstuslikult, kuna ta on autokindlustusturul piiratud. Samal ajal katsetas ettevõte erinevate tootjate telemaatikasüsteeme ja tulemused näitasid üsna kõrget efektiivsust. SAO ERGO tegevusdirektor - peadirektori asetäitja varaliikide kindlustuse alal Maria Barsova ütles, et ettevõte võttis telemaatiliste seadmete andmetel põhineva skoori kasutusele ja teeb seda ka edaspidi, kuid ei saa öelda, et ootused täitusid 100%. Mahud on veel väikesed ja seetõttu on vara kahjumlikkuse mõjust rääkida.

„Igasugused andmed on kasulikud isikukindlustusriski hindamise parandamiseks. Veelgi enam, kui need korreleeruvad hästi selle riskiga ja neil pole analooge. Otse autost saadud telemaatikaseadmete andmed ei ole kvalitatiivselt asendatavad muude teguritega ja korreleeruvad hästi kindlustusriskiga, märkis Aleksandr Morozov, nutika sõidu labori statistika ja analüüsi direktor. – Seega võime kindlalt väita, et telemaatikaandmed on punktiarvestuses kasulikud. Rakenduse tulemus sõltub kindlustusseltsi pakutavast konkreetsest mudelist, andmete enda koostisest, kvaliteedist ja maksumusest, mistõttu oleks vale nimetada ühtegi hinnangut.

Milliseid andmeid tuleks kaskokindlustuse skoori koostamisel kasutada? Sellest kõnes Frank Shikhaliev, Renaissance Insurance'i andmeanalüüsi arendusosakonna juhataja 19. aprillil kl Punktipäevad 2018.

Tehnoloogiad: mida kindlustusandjad kasutavad

Kui küsida, kas ettevõte kasutab enda või kolmandate osapoolte tarnijate arendusi, siis ettevõte "kokkulepe" väitsid, et nad kasutavad mõlemat lähenemisviisi. „Kahtlemata on sisemiste arendustega tagatud kõrgem ettevõtluse jätkusuutlikkus, kuid siiski on valdkondi, kus ettevõte ei jõua kõiki arendusi üksi läbi viia,“ sõnas Andrey Kovalev, kindlustusseltsi Soglasie kindlustus- ja tootejuhtimise osakonna asedirektor. VTB kindlustusselts kasutab tarnijate valmislahendusi, mis on kohandatud vastavalt kindlustusandja vajadustele. Firma töö "Sberbanki kindlustus" punktiarvestuse raames võib selle jagada kaheks osaks. Üks osa on analüüs, kus tarkvara ja statistikapaketid, mille töötasid ettevõtte jaoks välja kolmandad osapooled. Teise osa – ülejäänud 50% skooriandmete kasutamise edukusest – määrab töötajate kompetentsus ehk see sõltub suurandmetega töötada oskavate spetsialistide olemasolust ettevõttes.

Autokindlustuse osakonna juhataja Zetta Insurance Dmitri Rykovütles, et lisaks oma meetoditele kasutab ettevõte partnerite pakutavaid tööriistu. Üheks näiteks on Audatexi teenus, mis võimaldab kontrollida auto avariiajalugu. Teine näide on kohustusliku liikluskindlustuse CBM, mis võimaldab ka ligikaudselt hinnata kliendi kindlustusajalugu.

Kindlustusandjate ja arendajate arusaamade kogumine

Automudeli valik kannab tõepoolest teavet kliendi käitumise kohta teel. Näiteks klient, kes on valinud autode sõiduomadusi rõhutava margi, satub avariisse sagedamini kui klient, kes valib sama klassi, võimsuse, suuruse ja maksumusega, kuid mugavust rõhutava tootja sõiduki. või usaldusväärsus, ütles Andrey Kovalev, kindlustusseltsi Soglasie kindlustus- ja tootejuhtimise osakonna asedirektor.

Autokindlustuse punktiarvestuse juhtumid alates Ilja Lopatinski Ingosstrakhist ja Frank Shikhaliev Renaissance Insurance'ist - konverentsil Punktipäevad 2018.

Vastavalt Dmitri Rykov, autokindlustuse LLC Zetta Insurance kindlustusosakonna juhataja, on palju huvitavaid sõltuvusi: näiteks on erineva perekondliku staatusega kindlustusvõtjate õnnetuste sagedus oluliselt erinev. Seega on abielus autojuhtidel kõige väiksem kindlustusnõuete esitamise sagedus ja nad saavad ettevõttelt soodustust. Teine seos, mille ettevõte avastas otse Moskvas, on esinemise tõenäosuse seos kindlustusjuhtum ja kindlustusvõtja alalised registreerimisaadressid. Ohutuma liiklusega piirkonnas elava autoomaniku soodustus võib olla 20% poliisi maksumusest.

Vladimir Šikin, NBKI turundusdirektori asetäitja, teatas, et reeglina on kõigil mustritel loogiline seletus, kuid juhtub, et need avastatakse tagantjärele. Näiteks märkas ettevõte testimise käigus, et madalate pangaskoori väärtustega segmendis on vargusest tingitud kahju suur tõenäosus. «Eeldasime, et selles vahemikus võib olla kliente, kellele pangad vähese vastutustunde tõttu enam laenu ei anna ning need inimesed saavad oma rahaprobleeme lahendada kindlustusseltside kulul. See tähendab, et sisuliselt oleme tuvastanud võimaliku pettuse indikaatori,” ütles Vladimir Šikin.

2014. aasta suvel said kindlustusseltsid föderaalseaduse 218 „Krediidilugude kohta” muudatuste tulemusena hankida oma klientide krediidiajalugu. Mis puudutab laenuandjaid, siis kindlustusseltside jaoks pakuvad krediidiajalugu riski hindamise võimalikkuse seisukohalt maksimaalset huvi. Laenu andmisel on riskianalüüs vajalik kindlustuse maksejõuetuse ennustamiseks, poliisi kahjusuhte ennustamiseks. Nii seisid kindlustussektor ja Riiklik Krediidilugude Büroo (NBKI), koht, kus hoitakse 72 miljoni venelase krediidiajalugu, silmitsi küsimusega luua matemaatiline mudel, mis ennustab krediidiajaloo andmete põhjal kahjumlikkust - kindlustus. skoorimine.

Krediidiajaloole põhineva kindlustusskooringu loomisel osalesid Venemaa suured kindlustusseltsid NBKI ja ennustava analüütika valdkonna rahvusvaheline liider FICO. Aluseks võeti FICO kogemused Ameerika ja Euroopa kindlustusturgudel uurimistöö ning suures osas tagas matemaatilisest seisukohast kiire ja tugeva tulemuse saamise. Tänu sellele rahvusvaheline kogemus Hakkasime kohe keskenduma liikluskindlustusele. See tööstusharu kogu maailmas näitab tugevat korrelatsiooni kindlustuspoliiside kahjude ja kliendi isikliku vastutuse vahel.

Uurimistöö alustamiseks koostati hüpotees krediidiajaloo kõige võimsamate ennustavate muutujate kohta. Selles etapis kasutati laenuvõtja maksejõuetust ennustava krediidiskoori süsteemi loomise kogemust. krediidikohustused. Nagu kindlustuses, krediidiprotsess laenuandja hindab kliendi vastutust – tema isikuomadusi, mis on üles ehitatud varasemalt võetud kohustuste täitmise ajaloo põhjal. Iga muutuja läbis loodud ajalooliste kindlustuspoliiside andmebaasi põhjalik analüüs, mille tulemusena valiti välja tugevaimad ja stabiilsemad muutujad.

Kõige võimsamate muutujate hulgas on loomulikult andmed kohustuste rikkumise kohta. Hilinenud maksete arv ja sügavus mõjutavad punktiskoori allapoole. Teisalt on teretulnud pikaajaliste laenude kasutamise kogemus: positiivne kogemus eluasemelaenu ja autolaenuga mõjutab tulemust üha enam. Üks kõige enam keerulised küsimused Hindamismudeli koostamiseks võeti arvesse piirkondlikke eripärasid. Selle tulemusena sisaldas lõplik mudel mitmeid piirkondlike andmete põhjal muutujaid.

Väiksemad muutujad, mis siiski hindamisskoori mõjutavad, sisaldavad andmeid kliendi pereliikmete kohta. See teave lisatakse hindamismudelisse, et võtta arvesse olukorda, kus näiteks üks abikaasadest võtab enda kanda kõik võlausaldajatega suhtlemise küsimused, kuigi perel on ühine majandus. See tähendab, et naise ideaalne krediidiajalugu ei tähenda suhteliselt seda, et naisel ei tekiks probleeme, kui abikaasa pidevalt rikub oma kohustusi.

Muutujate ja hindamismudeli kui terviku valideerimine on hirmuäratav ülesanne. Selle edukas lahendus sõltub suuresti retrotestimiseks saadaolevate andmete esinduslikkusest ja mahust. Sellega seoses on vaja avaldada austust juhtidele Venemaa turg autokindlustus. Kõik nad olid mudeli loomise ja valideerimisega seotud sõna otseses mõttes esimestest päevadest peale. Numbrid räägivad enda eest: analüüsis osalevate kaskokindlustuste koguarv on üle 6,5 miljoni poliiside ajalooline tagasivaade on üle kuue aasta. See võimaldas luua Moskva ja piirkondade jaoks eraldi mudeli ja tagada selle stabiilsuse - mõõtmised viidi läbi viie võrdlusperioodi jooksul aastase intervalliga. Ei uuritud mitte ainult punktiskoori korrelatsiooni poliiside üldise kahjumääraga, vaid ka üles ehitati sõltuvust üksikutest tüüpidest – näiteks vargusest tuleneva kahju määrast.

Selle tulemusena näitas saadud hindamismudel: kahjumäär poliiside puhul madalaimas punktivahemikus kuni 600 punkti (kindlustuse hindamisskaala on kohandatud kõige populaarsematele FICO hindamissüsteemidele: 350 kuni 850 punkti, madalamate punktisummadega ​​mis tähendab suuremat riski) on keskmiselt 20% kõrgem kui Moskva puhul 700 punkti ja piirkondade puhul 30%.

Huvitavaid tulemusi saadi, kui uuriti punktiskoori korrelatsiooni teatud hüvitisliikide puhul kahjusuhtega. Näiteks autovarguste eest makstavate maksete sõltuvust punktipunktidest uurides tuvastati anomaalia - kahjumlikkuse järsk kasv (4-5 korda) alla 550 punkti. Konsultatsioonid kolleegidega võimaldasid sellele nähtusele selgitada: madala maksedistsipliini ja liigse laenukoormusega kodanikud ei saa enam vastu laenatud vahendid võlausaldajatelt, sest neile keeldutakse ja nad üritavad oma rahalisi probleeme lahendada kindlustusseltside arvelt. See tähendab, et tegelikult räägime kindlustuspettusest. Nagu selgus, võib krediidiajaloole tuginev kindlustusskoor selle ohu tõhusalt tõrjuda.

Saadud tulemused avavad lühiajaliselt väljavaateid krediidiajaloole põhineva kindlustusskoori kasutamiseks liikluskindlustuses. Esiteks saavad kindlustusseltsid juba praegu kasutada NBKI skoori, et määrata kaskokindlustuse hinnakujundust ja teha otsuseid konkreetsetele klientidele poliiside müügi kohta. Näiteks suurendavate koefitsientide kasutamine kõrge riskiga segmentide jaoks. Teiseks on kindlustusskoorimine rakendatav portfelli kahjumäära ennustamiseks – see on äärmiselt oluline ülesanne, millega aktuaarid regulaarselt silmitsi seisavad ja mille täpsus sõltub suuresti finantstulemus kogu ettevõte.

Ja lõpuks, autokindlustuse hindamismudeli loomise edu võimaldab meil loota, et sarnased tehnoloogiad on rakendatavad ka teistes kindlustusliikides. NBKI ja suurte kindlustusseltside hinnangul on enamiku kindlustustoodete puhul inimese vastutuse ja tema käitumise vaheliste sõltuvuste otsimine ja kinnitamine lähituleviku küsimus.

Pühendatud skoorimisvõimalustele finantssektoris. Pankurid ja mikjagasid edukaid juhtumeid ning IT-ettevõtted ja mobiilioperaatorid rääkisid uutest võimalustest. Kahjuks ei olnud konverentsil esinejate hulgas ainsatki kindlustusvaldkonna esindajat.

Kas hindamine analüüsivahendina ei ole tõesti kindlustusringkondadele huvitav? Otse vastupidi. Kuid kui pangad on seda tehnoloogiat kliendibaasi analüüsimiseks juba ammu omandanud ja kasutavad seda laialdaselt laenu andmisel, siis kindlustusturg pole selle kliendivaliku meetodiga veel nii rikutud. Sellegipoolest kasutavad kindlustusseltsid ühel või teisel määral seda vahendit, et luua adekvaatsem kindlustus.

Viis aastat tagasi ei kasutanud kindlustusandjad punktiarvestusvahendeid üldse. Kolm aastat tagasi hakkasid nad arglikult proovima kasutada "mootoriga" seotud krediidiskoori. Tänapäeval võib krediidiskoor juba olla autokindlustuse sõlmimise üks peamisi mõõdikuid ja seda kasutatakse järk-järgult muude kindlustusliikidega töötamisel.

Meie, nagu ka pangad, tahame oma kliente isiklikult tunda. Reservi korrektseks moodustamiseks ja tariifi määramiseks on väga oluline mõista, milline inimene teie ees on, mida temalt oodata võib, kui kahjumlik võib konkreetne klient olla. Turul on läbi viidud arvukalt uuringuid finantsasutused, on juba tõestanud, et kui inimene on distsiplineerimata ühes eluvaldkonnas, siis tõenäoliselt on ta distsiplineerimatu ka teistes valdkondades. Finantsdistsipliin, käitumismustrid ja harjumused – see on pangad juba pikka aega huvi tundnud ja nüüd peaksid õigustatult huvi tundma ka kindlustusandjad.

Teabe kogumiseks on palju andmeallikaid: krediidibüroodest sotsiaalvõrgustikeni, mis võivad kliendi kohta palju öelda. Nende allikate valiku määravad ettevõtte spetsiifilised vajadused, eelarve ja IT-süsteemide funktsionaalsus.

Kuid kõige olulisem küsimus pole mitte see, milliseid andmeid analüüsida (võimalusi ja allikaid on praegu tõesti palju), vaid kuidas seda teha. Just andmete õige tõlgendamine, rõhuasetuste ja kaalude paigutamine võimaldab teil luua toimiva punktisüsteemi, mis mitte ainult ei aita teil mõista konkreetse kliendi võimalikku kahjumlikkust, vaid võimaldab teil tuvastada ka petturid, kes võivad tehingut juhtida. ettevõttele tõsist rahalist kahju.

Krediidiajaloo andmete põhjal kindlustusskoorimise nišši aktiivselt vallutavate FICO ja NBKI hinnangul näitavad madala skooriga kaskokindlustuse kliendid mitukümmend protsenti kõrgemat kahjumäära kui kõrge skooriga kliendid. Selliste andmete olemasolul kui palju kindlustusselts suudab vähendada portfelli kahjumlikkust? Sellele on raske kindlat vastust anda.

See näitaja oleneb suuresti kindlustussegmendist ja eelkõige sellest, kuidas täpselt skoori tulemust kasutada (kindlustusest üldse loobuda, koefitsienti suurendada või midagi muud). Piirvormidel võib see ulatuda mitme protsendini ja kui ettevõtte portfell ulatub miljarditesse rubladesse, siis kasu võib ulatuda mitmekümne miljonini.

Teine raskus on kulu. Vaatamata sellele, et viimastel aastatel on ühe kliendi analüüsi hind langenud ligi kolm korda (erinevatel andmehalduritel on erinevad hinnad), kasutatakse punktiarvestust siiski peamiselt vaid autokindlustuses. Tänu kõrgetele marginaalidele on siinkohal õigustatud kliendibaasi analüüsimise lisakulud. Muude liikide (vara- või õnnetusjuhtumikindlustus) puhul kasutatakse punktiarvestust siiski pigem katsete osana, mitte reaalse säästmise eesmärgil.

Kulude skoorimise põhjendatus on seotud ka analüüsitava portfelli mahuga. Meie riigis on üsna kõrgel tasemel elanikkonna laenukoormust, laenumaht jätkab kasvu, isegi vaatamata reaalsissetulekute langusele. Samas on kindlustusteenuste levik ülimadal. Alles sel aastal hakkasime varakindlustuse ja elukindlustuse hõlvamise osakaalu järk-järgult suurendama. Kuid sellest muidugi ei piisa.

Kui turul õnnestub vähemalt üks neist takistustest ületada, lakkab kindlustuse hindamine suure tõenäosusega peaaegu fantaasiast, muutudes kvaliteetse kindlustuse tagamise tõhusaks etapiks. Lõppude lõpuks on selle tööriista potentsiaal tõesti väga kõrge.