La maggior parte degli operatori assicurativi già utilizza l’analisi dei Big Data in alcune fasi del processo di gestione dei sinistri e molti altri pianificano di farlo entro il prossimo triennio, stando alla ricerca. Come si può vedere dalla Figura n. 17, attualmente le BDA sono soprattutto utilizzate nell’intercettazione delle frodi, seguite dai processi di pagamento automatizzati, la segmentazione dei sinistri e la verifica delle fatture. Comunque, nessuna delle aziende intervistate al momento utilizza l’analisi dei Big Data durante tutta la gestione delle denunce, soprattutto a causa dell’utilizzo ancora scarso dei dati derivanti dai sensori IoT per prevedere i sinistri.
Molti operatori (il 55%) hanno fatto leva sulle loro risorse interne e sulla loro esperienza storica nella gestione dei sinistri per sviluppare propri strumenti BDA. Una minoranza (il 25%) ha acquistato soluzioni preconfezionate da terze parti, mentre il 20% ha affidato la realizzazione dei tool per l’analisi dei Big Data in outsourcing.
I servizi di prevenzione sinistri come le avvertenze di sicurezza tramite notifiche push o il coaching per il conducente si riferiscono a quei servizi tipicamente forniti tramite le app installate sui dispositivi mobile o altri dispositivi telematici che sono già stati commentati in precedenza nel report.
Per quanto riguarda il primo avviso di Perdita (First Notice of Loss – FNOL), le aziende hanno spiegato come le reti neurali artificiali potrebbero essere utilizzate per predire i percorsi di gestione del sinistro includendo gli appostamenti per le riserve, risultati clinici, tempi di elaborazione, definizione di standard qualitativi e distribuzione automatica.
Gli operatori che usano le chatbot per guidare i consumatori durante l’apertura del sinistro hanno sottolineato che questi strumenti sono coinvolti unicamente in uno scambio di dati non sensibili. In merito all’autenticazione biometrica, che è una speciale categoria di dati personali di ambito del GDPR, alcune realtà hanno spiegato come utilizzino le impronte digitali (per esempio usando la tecnologia disponibile negli smartphone) ed i sistemi di autenticazione vocale per identificare i consumatori.
Le reti neurali artificiali vengono usate anche per prevedere le caratteristiche dei sinistri ed ottimizzarne il trattamento, ad esempio identificando i sinistri ad alto rischio e ad alta probabilità per semplificare l’analisi dei conti ospedalieri o stabilire controlli quantitativi. I sinistri possono essere anche clusterizzati a seconda della loro complessità o rischio frode, per determinare automaticamente quale settore sia competente per la fase successiva di gestione dell’evento.
Gli operatori del settore usano le BDA anche per analizzare le informazioni raccolte tramite i dispositivi telematici (velocità o forza di accelerazione) per stimare la gravità di un incidente e predire le caratteristiche dei sinistri nell’assicurazione Motor.
In base alla gravità, i sinistri vengono veicolati all’area competente o viene inoltrata automaticamente una chiamata di emergenza. Secondo alcuni tra i soggetti intervistati la segmentazione dei sinistri così come la stima del danno possono essere effettuate con strumenti BDA elaborando le fotografie e i video inoltrati dai clienti.
Relativamente alla liquidazione sinistri, molti operatori usano strumenti di analisi dei Big Data per analizzare le fatture emesse dalle officine convenzionate o dai partner sanitari per valutare automaticamente se i prezzi rientrano nel range di valori predefiniti.
Questo ed altri tipi di controlli vengono in automatico effettuati dagli strumenti BDA e di conseguenza le transazioni di pagamento.
Comunque, nell’assicurazione Motor alcuni operatori limitano l’automatizzazione della fatturazione automatica e dei pagamenti ai sinistri cristalli e altri semplici e di piccola entità. In alcuni casi, sebbene il processo sia automatizzato, un impiegato controlla la fattura prima che il pagamento venga effettuato.
In ultimo, ma non meno importante, un numero ridotto di soggetti (35) ha dichiarato di utilizzare gli strumenti BDA per l’ottimizzazione delle pratiche di sinistro (per esempio quanto l’offerta di liquidazione al cliente è influenzata da tool e processi di analisi dei Big Data che stimano la probabilità o la propensione che il consumatore accetti o rifiuti la proposta tramite modelli analitici appositi basati sul comportamento del cliente). Tuttavia, basandosi sulle risposte degli operatori appare probabile che molti non abbiano effettivamente compreso la domanda e quindi non usino le BDA per questi scopi. D’altro canto, le risposte di alcuni soggetti sono state coerenti con l’adozione di queste pratiche. Sono state consegnate anche molte risposte in bianco a questa domanda. Un’azienda ha dichiarato di aver posto questo servizio in outsourcing. Comunque, il tema non riguarda la maggior parte dei soggetti, per i quali le offerte di liquidazione sono basate su fattori oggettivi (danno, costi di riparazione etc.) e dichiarano che i loro clienti da loro si attendono obiettività.
L’analisi dei Big Data nella prevenzione delle frodi
Come può vedersi dalla Figura 17, nella gestione sinistri le BDA sono usate soprattutto per prevenire le frodi assicurative finalizzate all’incasso di risarcimenti non dovuti (crimine perseguito dalle legislazioni nazionali) che rappresentano circa il 10% delle denunce effettuate.
Le spese di perizia sostenute dalla Compagnie per esaminare e processare i sinistri sono conosciute come loss adjustment expenses (LAE); alcune imprese hanno speciali unità di investigazione anti-frode, spesso composte da personale con un background legale e/o ex poliziotti. Nel caso di sospetta frode vengono eseguite valutazioni avanzate che possono includere l’impiego di detective privati.
Gli operatori usualmente collaborano alla creazione di database di frodi e denunce sinistro sia con le rispettive associazioni di categoria che con le Authority pubbliche.
Tradizionalmente, vi sono due passaggi chiave nella prevenzione delle frodi: il primo stadio è precedente alla conclusione del contratto, durante il processo di preventivazione, allorché le aziende assicurative rivedono le informazioni fornite dal consumatore e le incrociano con fonti interne ed esterne di informazione come database di frodi e sinistri o sulla solvibilità finanziaria. Durante la seconda fase, processando la denuncia, gli operatori attuano un’operazione di due diligence che include la revisione della documentazione e delle prove fornite dal consumatore in merito al sinistro onde assicurarsi che la dichiarazione di danno subito sia accurata.
Gli strumenti BDA possono supportare nel rilevamento di denunce fraudolente in differenti modi. La maggior parte delle aziende assicurative utilizzano strumenti di classificazione dei sinistri, usando algoritmi di Machine Learning in modelli finalizzati a cercare elementi ricorrenti di frode basati su centinaia di parametri differenti (luogo dell’incidente, premio di polizza, storico sinistri, etc.), che forniscono un “punteggio frode” ad ogni denuncia.
Spesso in combinazione con queste tecniche, i soggetti intervistati adottano algoritmi specifici per valutare i sinistri, ad esempio, analizzando le fatture o le immagini per determinare automaticamente se i prezzi e i danni rientrino nel range di valori predefiniti o storici o presentino anomalie. In questo modo, gli investigatori possono concentrarsi sulle denunce più probabilmente fraudolenti e ridurre il numero di falsi positivi e falsi negativi.
Le analitiche sui social media, i social network e i modelli comportamentali sono usate meno frequentemente nel settore assicurativo. A tal proposito, un soggetto ha dichiarato di monitorare i social media per analizzare i trend ma non usare strumenti BDA in questo senso.
Un’altra azienda ha parlato della generazione di diagrammi di rete nell’assicurazione Motor, che vengono esaminati dai gestori del settore frodi collateralmente rispetto ai normali processi di segnalazione delle frodi, per rilevare collegamenti nascosti tra le denunce.
Un altro soggetto ha dichiarato che i modelli comportamentali sono centrali nel settore sanitario, per valutare tramite gli strumenti BDA quali abitudini abbiano un’influenza migliore sul generale stato di salute.
