Negli anni recenti, in Europa, il settore delle assicurazioni non-Vita ha sperimentato un contesto sempre più concorrenziale, nel quale gli operatori non solo competono sull’offerta di coperture e servizi ma anche – e in maniera crescente – sul prezzo.
Questo è determinato da un’ampia gamma di fattori, come l’entrata sul mercato di nuovi competitor o l’aumentata attenzione dei consumatori verso la componente prezzo (vedi per esempio il diffuso utilizzo dei comparatori web).
In questo contesto, le aziende hanno iniziato a adottare modelli di tariffazione più sofisticati e basati sull’analisi dei Big Data, per ottimizzare i profitti con l’aiuto delle nuove possibilità offerte dallo sviluppo tecnologico e dalle nuove fonti di dati. Ciò ha reso possibile una segmentazione dei rischi più granulare, implementandone l’efficacia della selezione e consentendo un pricing mirato. Tale tendenza ha anche influenzato il numero ed il tipo di fattori di rating usati dagli operatori assicurativi nei modelli di tariffazione e assunzione dei rischi, sia durante il processo di preventivazione che di rinnovo della polizza.
Inclusione ed esclusione finanziaria dal settore assicurativo
Secondo la legge dei grandi numeri, maggiore è il numero di soggetti individualmente esposti ad un evento, maggiore la probabilità che i risultati oggettivi di quella esposizione corrispondano ai risultati attesi. Questo principio si applica nell’ambito assicurativo per spiegare il meccanismo di mutualizzazione; più ampio è il numero di individui considerato, maggiore la predicibilità delle perdite, registrando meno scostamenti rispetto alla media.
Nell’assicurazione i consumatori con profili di rischio similari vengono raggruppati in pool e i premi sono basati sul rischio medio di quel gruppo. Ciò consente di definire un premio adeguato per ogni rischio, stabilendo un meccanismo di sussidio incrociato/bilanciamento del rischio (cross-subsidies/risk balancing) tra coloro che, in quel dato gruppo, non hanno sinistri e coloro che ne hanno. Comunque, diversamente da ciò che accade con l’assicurazione obbligatoria o la previdenza sociale, l’ambito assicurativo nelle sue forme volontarie non punta al sussidio incrociato tra i membri del pool; il raggruppamento dei consumatori ed il bilanciamento del rischio tra loro sono necessari ai fini della gestione e predicibilità del rischio.
I risk pool possono variare in termini di dimensioni: la capacità di crearne di minori o maggiori dipende dall’abilità delle Compagnie di distinguere la rischiosità di differenti gruppi di consumatori.
Se ne deduce che gli strumenti di analisi dei Big Data aumentino la capacità delle Imprese di realizzare una segmentazione più granulare dei rischi, migliorino l’efficacia della selezione dei rischi e permettano una tariffazione più risk-based. Tale micro-segmentazione risulterebbe efficace nei risk pool più piccoli, riflettendo con maggiore accuratezza i rischi cui sono esposti i soggetti inclusi. Ciò potrebbe potenzialmente influire negativamente sulla possibilità per I consumatori ad alto rischio di accedere alle coperture assicurative a prezzi ragionevoli.
EIOPA ha raccolto un numero di indicatori quantitativi e qualitativi cercando di monitorare l’impatto della BDA nell’inclusione/esclusione finanziaria dei consumatori nel settore assicurativo. questi indicatori e la loro ipotetica evoluzione in un contesto di analisi dei Big Data sono presentati nella tabella di seguito riportata.
È importante sottolineare che i possibili trend identificati da questi indicatori potrebbero essere spiegati da fattori non direttamente collegati alla BDA. Per esempio, le modifiche nella deviazione standard potrebbero essere influenzate dalle dinamiche competitive o dall’inflazione. Non è possibile provare l’inclusione/esclusione finanziaria in base a questi indicatori; solo se tutti o un numero significativo di essi puntassero nella stessa direzione potrebbero potenzialmente rivelare segni (ma non prove) dell’impatto della BDA.
Comunque, attualmente ciò non risulta ad EIOPA sulla base delle informazioni pervenute, sebbene gli operatori assicurativi si aspettino che l’impatto dell’analisi dei Big Data sarà più pronunciato negli anni a venire.
La deviazione standard
La deviazione standard rispetto al premio medio misura lo spread tra i premi più bassi e quelli più alti considerando il livello di rischio (alto o basso) di pool o consumatori ad alto o basso rischio. L’ipotesi è che la deviazione standard aumenterà nel tempo a causa della BDA. EIOPA ha raccolto dai soggetti intervistati i dati sulla deviazione standard nelle linee di business Auto e Salute per gli anni 2016, 2017 e prima metà del 2018. I risultati sono mostrati nella Figura 20 (Auto a sinistra e Salute a destra) ed evidenziano che sono più gli operatori che non mostrano un aumento della deviazione standard in entrambi gli anni consecutivi considerati. Comunque, nel comparto Auto il gruppo di aziende che hanno sperimentato un incremento della deviazione standard in entrambi gli anni consecutivi è piuttosto significativo. Sulla base di questa informazione e tenendo conto del fatto che altri fattori come le dinamiche inflattive o competitive possono influenzare il dato, non è possibile concludere che l’aumento della deviazione standard sia riconducibile alla BDA.
To be continued…
