Czym jest digital underwriting

Digital underwriting oznacza przeniesienie czesci procesu oceny ryzyka ubezpieczeniowego z pracy manualnej analityka na systemy informatyczne, ktore przetwarzaja dane wejsciowe klienta i generuja rekomendacje dotyczace warunkow polisy. W praktyce oznacza to, ze wniosek ubezpieczeniowy przechodzi przez zestaw regul i modeli statystycznych, zanim trafi - lub nie trafi wcale - do czlowieka.

W polskich zakladach ubezpieczen proces ten najczesciej dotyczy prostszych produktow, takich jak ubezpieczenia komunikacyjne czy majatkowe dla gospodarstw domowych, gdzie liczba zmiennych wejsciowych jest ograniczona, a decyzje moga byc podejmowane w oparciu o ustandaryzowane kryteria.

Automatyzacja underwritingu dotyczy przede wszystkim produktow masowych - polisy indywidualne o zlozonej strukturze ryzyka nadal wymagaja udzialu analityka.

Zrodla danych wykorzystywane w ocenie ryzyka

Systemy digital underwriting korzystaja z danych deklarowanych przez klienta w formularzu wniosku, danych historycznych dostepnych w wewnetrznych bazach zakladu ubezpieczen, a takze - w niektorych przypadkach - z zewnetrznych rejestrow publicznych, takich jak baza szkodowosci komunikacyjnej. Zakres wykorzystywanych zrodel rozni sie w zaleznosci od produktu i polityki danego ubezpieczyciela.

Modele wykorzystywane w tym procesie opieraja sie zazwyczaj na technikach statystycznych znanych z branzy finansowej, adaptowanych do specyfiki ryzyka ubezpieczeniowego.

Stan wdrozen na polskim rynku

Wiekszosc wiekszych zakladow ubezpieczen dzialajacych w Polsce posiada juz jakas forme zautomatyzowanej oceny wnioskow, przynajmniej dla wybranych linii produktowych. Skala automatyzacji bywa jednak zroznicowana - od prostych regul warunkowych po bardziej zaawansowane modele predykcyjne.

Wdrozenia czesto realizowane sa etapowo, poczynajac od kanalow sprzedazy online, gdzie proces cyfrowy jest naturalnym rozszerzeniem calej sciezki zakupowej klienta.

Ograniczenia i wyzwania

Automatyzacja underwritingu wiaze sie z koniecznoscia zapewnienia zgodnosci z przepisami dotyczacymi ochrony danych osobowych oraz z wymogami regulacyjnymi dotyczacymi przejrzystosci procesu decyzyjnego. Dodatkowym wyzwaniem jest utrzymanie jakosci modeli w czasie, w miare zmieniajacych sie warunkow rynkowych.