Как развитие Big Data улучшит страховые продукты для населения

Представьте, что утром на работу вас отвозит автомобиль, который прибывает точно ко времени вашего выхода из подъезда. В кафе вам сразу же приносят персональный завтрак. Вы открываете гаджет — и видите только те новости и сообщения, что вам интересны. Вечером нет необходимости смотреть сайт «Афиши», выбирая из сотен фильмов и концертов, — вам предлагается на выбор три мероприятия, на которые к тому же идут ваши друзья. В общем, все ваши желания с высокой точностью предугадываются и исполняются словно автоматически.

При этом вы сами решаете, где довериться рекомендациям компьютера, а где разобраться самому: может быть, все, что вам нужно, просто чтобы во всех кофейнях по всему миру вам всегда предлагали один и тот же кофе, сваренный так, как нравится именно вам. Выглядит как утопия, но мы не заметим, как через пару-тройку лет все это станет реальностью. Очередная информационная революция произойдет незаметно благодаря масштабному внедрению технологии Big Data (больших данных).

Сейчас об этом много говорят, но никто до конца не понимает, что такое Big Data и в чем огромная польза этого изобретения. Между тем тут нет ничего сложного. По сути, это набор технологий и алгоритмов по работе с огромными массивами данных. Big Data — естественное развитие приемов математической статистики и усовершенствованный метод обработки информации. То, что сейчас происходит, примерно похоже на то, что случилось в середине XV века, когда Гуттенберг изобрел способ книгопечатания подвижными литерами. Фактически немецкий изобретатель создал уменьшенную версию Big Data: человечество научилось сохранять большие массивы данных в виде книг, что дало не только огромный толчок развитию науки, но и значительно изменило жизнь обычных людей.

С тех пор объем накопленной информации вырос в сотни тысяч раз. Это произошло в связи с развитием технологий и увеличением уровня проникновения интернета. Все каналы, через которые поступает информация, можно разделить на диджитальные — это различные датчики и софтверные — это различные программы. Приборы, установленные в домах, автомобилях или у вас на руке (фитнес-браслет), а также множество программ (от Facebook до Google Maps), которые собирают о вас информацию, генерируют в последние годы огромные массивы данных. В конце концов, информации стало поступать такое количество, что хранить ее в привычном виде уже невозможно.

Возник вопрос, как упорядочить эти данные. И вот недавно были созданы новые способы хранения и обработки метаданных — это, например, технология HDFS. Пока эти технологии не получили большого распространения. Их внедрение повсеместно — дело ближайших трех—пяти лет. Но заметить работу Big Data можно уже сейчас. Контекстная реклама, персонализированное общение с клиентами в разных организациях и сайты, которые вдруг «узнают» своего бывшего клиента, только начало. Года через три мы увидим, на что способна инфраструктура Big Data. В мире Big Data вы не будете сообщать одну и ту же информацию о своих обычных действиях. И насколько же легче и комфортнее станет наша жизнь!

Возьмем, например, страховую сферу. Для каждого продукта мы просто обязаны построить модель среднестатистического клиента — в противном случае просто не сможем рассчитать страховой тариф. Поэтому на основании собранной информации делаем предположение, что большинство наших клиентов, покупающих какой-либо полис страхования, это люди со средним достатком, около 30–50 лет, с семьей, двумя детьми и автомобилем. Получается, что те, кто не вписывается в эту схему, чувствуют себя уже некомфортно.

Клиент покупает, например, туристическую страховку. Компания учитывает некую генеральную совокупность рисков, и на основании этого устанавливается тариф. Однако турист туристу рознь: кто-то едет кататься на лыжах по «красной» трассе, а кто-то предпочитает провести отпуск с книжкой на пляже. Получается, что разным людям нужно разное: любителю спокойного отдыха больше подойдет помощь в случае солнечного удара, а экстремалу не помешало бы иметь в пакете страховку от непредвиденных ситуаций на склоне. Однако чтобы предложить клиенту то, что ему действительно подходит, нужна информация.

Когда страховые компании начнут использовать Big Data, каждому клиенту будут предлагать индивидуальный тариф и определенный набор услуг — ведь мы будем знать о них гораздо больше, чем сейчас. Это процесс обучения методом проб и ошибок. С каждым следующим разом получается все лучше и лучше. И такой подход будет выражаться не только в том, что человек больше не будет переплачивать за ненужные услуги. Страховщики смогут всегда быть онлайн с миллионами своих пользователей. Если спортсмен поехал кататься на лыжах, мы сможем предупредить его о снегопаде, посоветуем не выходить на трассу и провести этот день в спа-центре, на посещение которого предоставим скидку. В итоге все будут довольны: клиент перестанет платить за те услуги, что не использует, а наши убытки снизятся.

Big Data позволит обратиться к каждому человеку напрямую и действительно сделать индивидуальное предложение практически во всех сферах. Консультанты перестанут приставать к вам в магазине бытовой техники, потому что заранее будут знать, что вы скорее всего пришли покупать телевизор определенной марки или вообще зашли просто ознакомиться с ассортиментом. Вам не надо будет несколько раз предъявлять документы чиновникам для получения каких-либо госуслуг, потому что все ваши обращения будут записаны и проанализированы. Магазины не будут рассылать СМС-сообщения с рекламой — менеджеры будут звонить только тем, кому действительно нужны услуги.

Некоторые компании уже так работают. Это, например, южноафриканский страховщик Discovery, сумевший наладить партнерские отношения с каждым своим клиентом. Компания раздала всем желающим гаджеты, которые измеряют различные параметры здоровья в режиме онлайн. Кроме того, Discovery получает информацию о покупках своего клиента. Обрабатывая эти массивы данных, страховщик стал устанавливать индивидуальный тариф по медицинскому страхованию и плюс к тому давать рекомендации по улучшению здоровья.

Если клиент покупает сигареты и алкоголь, мало двигается и уже имеет повышенное давление, то для него тариф будет выше. Каждый день ему направляют рекомендации: больше ходить пешком, постепенно снижать потребление сигарет, начинать выполнять гимнастические упражнения и пр. Плюс ему показывают, как снижается риск разного рода заболеваний и, что немаловажно, стоимость страхования, если следовать этим рекомендациям. Эксперимент оказался успешным: люди постепенно стали следовать персональным подсказкам, больше уделять времени и сил заботе о своем здоровье и меньше платить за страховку. Компания также оказалась в выигрыше: расходы на оплату услуг медицинских компаний снизились.

Российские страховщики пока еще не используют возможности Big Data. Первыми шагами в этом направлении можно считать развитие «умного КАСКО» с использованием телематических устройств. Это приспособления (а порой и просто программа в мобильном телефоне), которые устанавливаются в автомобиле и собирают разные данные, связанные со стилем управления: скоростной режим, количество маневров, торможений и т.п. Многие устройства также считывают и технические данные автомобиля. Однако эта информация в настоящее время используется страховщиками только для предварительного расчета тарифа на страхование КАСКО — собранная информация позволяет определить профиль риска водителя и снизить стоимость страховки для аккуратного и дисциплинированного водителя.

Но цель применения телематических устройств должна быть гораздо обширнее. Ведь на основании анализа получаемых данных можно выявить точные потребности клиента и предлагать страхование по индивидуальному тарифу с опциями, необходимыми конкретному человеку. Кроме того, данные от телематики должны помочь страховым компаниям расширить границы стандартных страховых продуктов и облегчить взаимодействие с клиентом при наступлении страховых событий. Уверен, что «умное КАСКО» в ближайшие год-два получит большое распространение на российском рынке. И это естественно: нам всем придется научиться работать с Big Data. Те, кто этого не сделают, будут неконкурентоспособны в современном мире.