Con i sistemi avanzati di analisi delle frodi gli assicuratori possono risparmiare 200 milioni di Euro

Big data - Analisi - Data analytics Imc

Big data - Analisi - Data analytics Imc

(di Davide Consiglio, Principal presso Boston Consulting Group – Milano Finanza)

La frode in campo assicurativo rappresenta un problema enorme in Italia, il cui costo annuo è stimato superare 1 miliardo di euro (le cosiddette frodi non rilevate). Il fenomeno coinvolge tutte le linee di business, sia nel ramo Danni che del Vita; il tema è caldo soprattutto nel ramo della responsabilità civile auto, al quale fa capo un terzo del totale dei tentativi di frode.

I sistemi di gestione delle frodi basati su strumenti avanzati di analisi dei dati (advanced analytics) sono in grado di generare un valore significativo per gli assicuratori e clienti, riducendo i costi e aumentando efficienza ed l’efficacia. Secondo l’esperienza del Boston Consulting Group, i migliori sistemi di reazione alle frodi sono in grado di migliorarne il rilevamento di oltre l’1%. Questo si traduce nell’opportunità per gli assicuratori Italiani di risparmiare più di 200 milioni di euro, di cui circa 120 sulle sole frodi nel ramo Auto. Inoltre, in Italia i cosiddetti falsi positivi sono stimati intorno al 60-80%. Controllarli meglio grazie agli advanced analytics si traduce sia in un risparmio di costo — grazie al minor numero di frodi sospette processate — che in una migliore relazione con i clienti.

Infatti gli attuali modelli antifrode sono soggetti a diverse limitazioni e si basano solo su poche fonti di dati, la maggior parte delle quali sono in grado di utilizzare solo le informazioni interne; inoltre gli algoritmi del tipo «black box» non riescono a sfruttare pienamente il know-how di settore e le caratteristiche specifiche del mercato. Tali modelli si focalizzano solo sull’analisi delle singole richieste, non offrendo dunque una chiara fotografia delle dinamiche in essere su tutto il portafoglio di rischi. La tecnologia è inoltre limitata dai vincoli delle infrastrutture interne e dei magazzini di dati, strutturati secondo il modello a silos. Le competenze «interne» sono in genere molto eterogenee tra i player di settore, con processi non ottimizzati per l’alimentazione del modello, l’assunzione di decisioni in base ai risultati e l’attivazione dei processi di feedback.

Le unità anti-frode si trovano spesso a corto di personale, soprattutto per quanto riguarda l’aggiornamento continuo delle regole di rilevamento. Spesso, inoltre, è possibile riscontrare un gap di preparazione presso gli operatori a contatto con gli utenti e una generale mancanza di competenze nell’analisi dei dati. Gli Advanced Analytics sono in grado di migliorare radicalmente l’efficacia dei modelli di rilevamento delle frodi, grazie all’utilizzo di nuove e maggiori quantità di informazioni non-strutturate, l’adozione di algoritmi più sofisticati, con capacità di auto-apprendimento (per esempio di machine learning) e l’accesso a tecnologie più potenti in grado di ridurre i tempi di risposta.

Contestualmente, gli assicuratori possono raccogliere pienamente questa opportunità ottimizzando le proprie capacità, che consentirebbero loro di:

  • affrontare i gap di processo, migliorando costantemente la performance dell’organizzazione;
  • migliorare la stessa specializzando le risorse, introducendo indicatori di performance e incentivi;
  • sviluppare un know-how diffuso nell’organizzazione insieme a competenze verticali per gli specialisti nell’analisi avanzata delle frodi.

I migliori risultati si ottengono combinando l’utilizzo degli Advanced Analytics insieme alla revisione delle capacità interne e alla formazione di ampie competenze, attraverso la segmentazione degli allarmi generati dal modello, al fine di ottimizzare l’utilizzo delle risorse, e l’impegno continuo dell’organizzazione sulle frodi, con aggiornamento continuo del modello e dei processi.

Related posts

Top