Nederland heeft zich de afgelopen jaren ontwikkeld tot een van de meest dynamische en concurrerende markten voor motorrijtuigenverzekeringen in Europa. Deze periode kenmerkt zich door marktconsolidatie, maar ook door meer internationale spelers en nieuwkomers, zoals insuretech-bedrijven, die de markt betraden. De hoge concurrentie in de markt en nieuwe digitale verzekeringsaanbieders maken het noodzakelijk de efficiëntie te verhogen en nieuwe winstgevende groeimogelijkheden te benutten.
Hiervoor is het absoluut cruciaal de winst- en verliesfactoren van de verzekeringsmarkt te kennen. Dit vraagt om maatregelen die de efficiëntie verhogen en om innovatieve oplossingen die alle beschikbare gegevens verzamelen en analyseren. Diegenen die dit op de juiste wijze kunnen toepassen, zullen tot de winnaars van morgen behoren.
Voorspellende analyse als start
Het uitgebreide onderzoek dat eind 2019 door Swiss Re werd gedaan met betrekking tot lichamelijk letsel in Europa (waarbij we u uitnodigen contact met ons op te nemen indien u deze publicatie wenst te ontvangen), schetste enkele ontwikkelingen in de Nederlandse motorrijtuigenmarkt die niet alleen de industrie zouden moeten waarschuwen maar tevens de waarde van de voorspellende analyse benadrukken.
We sommen hierna enkele van de relevante bevindingen op:
- Het aantal gemelde ongevallen en dodelijke verkeersongevallen is sinds 2013 toegenomen. Volgens het CBS steeg het aantal verkeersdoden in 2018 met 10,6% tot 678 (vergeleken met 613 in 2017), de grootste stijging sinds 1989.
- Elektronische systemen in auto's en vrachtwagens leiden tot stijgende reparatiekosten.
- Hogere vergoedingen voor immateriële schade en whiplashclaims.
- Hogere buitengerechtelijke kosten, waaronder bijvoorbeeld advocaatkosten en kosten voor medische expertise.
- Hogere kosten voor medische zorg.
Om een aantal van de bovengenoemde problemen op te lossen, werken in Nederland de Landelijke Politie, het Verbond van Verzekeraars en Via (verkeerskundig ICT-bureau) sinds 2012 samen om data van verkeersongevallen te verzamelen in het zogeheten STAR-initiatief (waarbij STAR staat voor Smart Traffic Accident Reporting). Het doel van STAR is het ondersteunen van het Nederlandse verkeersveiligheidsbeleid op basis van betrouwbare en actuele ongevalsgegevens. Volgens STAR is het aantal ongevallen met e-bikes met 26.3% gestegen in de periode van 2017 (270) tot 2018 (341). Sinds 2014 zijn er meer dan 102 e-bikers overleden. Van de ongeveer 23 miljoen fietsen in Nederland zijn er rond 2 miljoen e-bikes.
Dit laat zien dat Nederland een zeer transparante motorrijtuigenmarkt heeft, die wordt gedreven door een geïntegreerde verkeersveiligheidsaanpak. Ongevalsgegevens van zowel burgers (via verzekeraars) als van de politie, worden verzameld in een landelijke database met als resultaat dat betrouwbare ongevalsgegevens met slechts één druk op de knop beschikbaar zijn (bijvoorbeeld SMART).
Niettemin vormt het hebben van betrouwbare gegevens slechts het startpunt. De vraag die nog beantwoord moet worden is hoe de spelers op de Nederlandse verzekeringsmarkt deze inzichten kunnen verkrijgen en op basis hiervan de passende maatregelen kunnen nemen in de huidige zeer competitieve marktomstandigheden.
State-of-the-art voorspellende modellering voor motorrijtuigenportefeuille? Ja, dat is mogelijk!
Wij combineren state-of-the-art voorspellende modellering, diepgaande risicokennis en zeer gedetailleerde data-analyse voor uw motor-
rijtuigenportefeuille met als doel de performance hiervan te verhogen. Data Analytics voorziet verzekeringsmaatschappijen van snelle en nauwkeurige inzichten in hun motorrijtuigenportefeuilles. Met behulp van de juiste instrumenten worden verliesgevende portefeuilles en winstgevende klantsegmenten beter in kaart gebracht, waardoor marketingactiviteiten beter afgestemd kunnen worden.
We hebben waargenomen dat veel verzekeraars moeite hebben om back- en front-enddata samen te voegen. Vooral legacy-systemen kunnen een enorme uitdaging vormen met betrekking tot de vereiste data-integratie. Het niet op 'realtime' basis kunnen volgen van de portefeuilleprestaties, belemmert managers om problemen op te sporen en adequate beslissingen te nemen.
Portfolio Insights platform
We pakken deze uitdagingen aan met ons Portfolio Insights platform, dat strategische portefeuillesturing en operationele transparantie mogelijk maakt. De geavanceerde visualisatietool maakt het mogelijk inzicht te verkrijgen in risicoaccumulatie, kapitaalbeheer, fraude-detectie en schadebeheer. Het biedt de mogelijkheid tot het zelf uitvoeren van diepteanalyses; van portefeuilleoverzicht tot aan het niveau van individuele polissen. Het biedt transparantie ten aanzien van de portefeuilleprestaties, zodat alle belanghebbenden (acceptatie, schade-beheerders, portefeuillemanagers) een gezamenlijk begrip kunnen opbouwen van de bestaande portefeuille en van afwijkingen van de verwachte resultaten. Dit wordt bewerkstelligd door de uitvoering op een cloudplatform, waarbij de hoogste beveiligingsstandaarden en gegevensprivacy worden gegarandeerd.
Het vermogen om grote portefeuilles geografisch en over meerdere bedrijfsonderdelen te verwerken, met de mogelijkheid om KPI’s op maat te maken, heeft al geleid tot diverse successen voor onze klanten. Zo verslechterde de commerciële motorrijtuigenportefeuille van een van onze klanten aanzienlijk, terwijl de standaard analysetools geen specifieke patronen konden onthullen. Dezelfde Europese klant verbeterde zijn verliesratio met twee procentpunten en kon op basis van nieuwe portefeuille-inzichten de plannen om zijn distributienetwerk uit te breiden aanpassen. Deze opmerkelijke resultaten volgden op een twee maanden durend project waarin de portefeuille van de klant werd verrijkt met zowel externe data als met Swiss Re’s risicomodellen.
Het integreren van machine learning modellen
Behalve op het gebied van puur risicobeheer, hebben we ook mogelijkheden ontwikkeld om gebruik te maken van machine learning modellen waardoor de schadeafhandeling bij motorrijtuigen veel efficiënter kan worden gemaakt.
We ondersteunen onze klanten met een geautomatiseerd schadetriage proces dat het schadebeheer op drie vlakken optimaliseert:
- betere klantenservice,
- lagere schadekosten,
- lagere aanpassingskosten.
Zeer populair is het meer eenvoudige op regels gebaseerde model ter bepaling van de geschatte afwijkingen van de reparatiekosten van motorvoertuigenschade. Alle afwijkend geïdentificeerde claims moeten hierdoor handmatig worden beoordeeld, wat het proces arbeidsintensief en traag maakt. Afhankelijk van het aantal geïmplementeerde regels, worden veel reparaties afgehandeld met een lage waarschijnlijkheid van prijsaanpassing, wat resulteert in extra overhead en inefficiënties.
In tegenstelling daartoe gebruiken wij een probabilistisch model. Wij integreren meerdere databronnen, zowel extern als van klanten, om een robuust schadeclaimsysteem te ontwikkelen dat het stelselmatig mogelijk maakt om inkomende claims realtime te evalueren. Deze evaluaties zijn gebaseerd op een niet-lineair, probabilistisch claims triage model dat voortdurend wordt geobserveerd en, waar nodig, bijgesteld. Hoewel het probabilistische model een vergelijkbare informatiebasis gebruikt als het op regels gebaseerde model, legt het dynamische model de relaties tussen de verschillende variabelen veel beter vast.
Het draait niet enkel om het begin of het einde – het gaat om de reis door de value chain
Wij ondersteunen onze zakelijke partners in de gehele waardeketen: van innovatieve productontwerpen tot door machine learning gedreven optimalisatie van schadebeheer en claimtriage. Dit met als doel de problemen aan te pakken waar verzekeringsmaatschappijen tegenwoordig mee te maken hebben. Door op maat gemaakte oplossingen aan te bieden aan onze zakelijke partners die nieuwe markten betreden, een grote verandering ondergaan of ondermaats presteren, geven we een outside-in perspectief op risico's en markten maar ook op hun individuele portefeuille -exposure en -prestaties. Hiermee helpen wij onze partners te groeien, de efficiëntie te verbeteren en de winstgevendheid te vergroten.
Door dr. Arnold Löw, Market Head Zwitserland en Nederland, Swiss Re en Monica Epple, Head Digital en Smart Analytics EMEA, Swiss Re. Meer info? Mail Arnold_Loew@swissre.com of Monica_Epple@swissre.com.
Dit artikel is gesponsord door Swiss Re
