Страховой скоринг: новые горизонты страхования залогового имущества предприятий01.03.2016 . Скоринг на службе страховых компаний Кому в кризис нужен страховой скоринг

Посвященная возможностям скоринга в финансовой сфере. Банкиры и МФО делились успешными кейсами, а ИТ-компании и сотовые операторы рассказывали про новые возможности. К сожалению, на конференции среди спикеров не было ни одного представителя страховой отрасли.

Неужели скоринг, как инструмент анализа, не интересен страховому сообществу? Скорее наоборот. Но если банки уже давно освоили эту технологию анализа клиентской базы и повсеместно используют ее при кредитовании, то страховой рынок еще не так избалован этим методом селекции клиентов. Тем не менее, в той или иной степени страховые компании все же обращаются к этому инструменту для формирования более адекватного андеррайтинга.

Если лет пять назад страховщики вообще не применяли инструменты скоринга. Три года назад они стали робко пробовать использовать кредитный скоринг в привязке к «мотору». Сегодня кредитный скоринг уже может служить одной из ключевых метрик в андерайтинге автострахования и постепенно использоваться в работе с другими видами страхования.

Мы абсолютно так же, как и банки, хотим знать своих клиентов «в лицо». Чтобы правильно сформировать резерв и назначить тариф, очень важно понимать, что за человек перед тобой, чего от него можно ожидать, насколько может быть убыточен тот или иной клиент. Многочисленные исследования, проводимые на рынке финансовых институтов, уже доказали, что если человек недисциплинирован в какой-то одной сфере жизни, то он с большой долей вероятности будет недисциплинирован и в других областях. Финансовая дисциплина, поведенческие модели и привычки – вот что уже давно интересует банки, а теперь вполне заслуженно должно интересовать и страховщиков.

Источников данных для сбора информации очень много: от бюро кредитных историй до соцсетей, которые могут рассказать о клиенте очень многое. Выбор этих источников определяется конкретными потребностями компании, бюджетом и функционалом ИТ-систем.

Но самый важный вопрос не в том, какие данные анализировать (сейчас действительно множество вариантов и источников), а в том, как это делать. Именно правильная интерпретация данных, расстановка акцентов и весов позволяет выстроить работающую систему скоринг-оценки, которая не только поможет понять потенциальную убыточность конкретного клиента, но и позволит выявлять мошенников, которые могут привести компанию к серьезным финансовым потерям.

По данным FICO и НБКИ, которые активно завоевывают нишу страхового скоринга, основанного на данных кредитных историй, клиенты с полисом каско с низким скоринг-баллом показывают убыточность на несколько десятков процентов выше, чем обладатели высокого скоринг-балла. Имея такие данные, на сколько страховая компания сможет снизить убыточность портфеля? Дать однозначный ответ на это сложно.

Данный показатель во многом зависит от сегмента страхования и особенно от того, как именно использовать результат скоринга (отказывать в страховании совсем, предлагать повышающий коэффициент или что-то другое). В маржинальных видах он может достигать нескольких процентов, и если в компании портфель исчисляется миллиардами рублей, то выгода может составить несколько десятков миллионов.

Вторая сложность – это стоимость. Несмотря на то, что за последние несколько лет цена анализа одного клиента снизилась практически втрое (у разных операторов данных разные цены), скоринг пока применяется в основном лишь в автостраховании. Благодаря высокой маржинальности именно здесь оправдываются дополнительные затраты на анализ клиентской базы. Для других видов (страхование имущества или от несчастных случаев) скоринг пока применяется скорее в рамках экспериментов, а не для реальной экономии.

Оправданность затрат на скоринг также связана с объемом анализируемого портфеля. У нас в стране довольно высокий уровень закредитованности населения, объемы займов продолжают расти, даже несмотря на падение реальных доходов. В то же время проникновение страховых услуг крайне низкое. Только в этом году мы стали постепенно увеличивать долю проникновения в страховании имущества граждан и в страховании жизни. Но этого, конечно, недостаточно.

Если рынку удастся преодолеть хотя бы одно из этих препятствий, то скоринг в страховании, скорее всего, перестанет быть почти фантастикой, став действенным этапом качественного андеррайтинга. Ведь потенциал у этого инструмента действительно очень высокий.

Российские страховщики, которые сотрудничают с финансово-кредитным сектором, оказались в сложной ситуации. С одной стороны, на фоне сокращения продаж добровольной корпоративной страховки им на руку рост реализации полиса для оформления залога. А он обоснован растущим спросом на кредиты.

С другой стороны, в кризис растет количество неблагонадежных клиентов, которые, закредитовавшись более допустимого уровня, пытаются поправить финансовую ситуацию за счет выплаты по ложным страховым событиям. В итоге страхование залога юридических лиц только за 2015 год заметно «набрало» в показателях убыточности. Но отказываться от потока клиентов, готовых покупать полис, страховщики не готовы.

Страховой скоринг: первые шаги в России

Выход из ситуации предложил посредник – НБКИ (бюро кредитных историй). Его директор Алексей Волков рассказал в конце февраля, чем его организация может помочь страховому рынку в сфере страхования передаваемого в залог имущества предприятий.

По словам эксперта, в Европе наблюдалась схожая ситуация 12 лет назад. Тогда в развитых западных странах (Россия в 2014 году последовала их примеру) законодатель вынужденно открыл СК доступ к историям кредитов по гражданам и что важнее, предприятиям.

Одна из крупнейших аналитических компаний FICO разработала для крупных страховщиков специфический продукт – модель страхового скоринга по аналогии с кредитным скорингом. Что это?

Скоринг – технология для определения вероятности наступления дефолтного состояния кредитора (страхователя). Но в отличие от классической методики оценки страховых рисков она учитывает поведенческие факторы – уровень ответственности субъекта и его готовность отвечать по обязательствам при любых обстоятельствах.

В 2014 году в России был принят закон, который позволяет страховщикам пойти тем же путем,

• получить доступ к историям обслуживания кредитов предприятиями;
• проанализировать качество поведения в отношении контракта с кредитором;
• сделать вывод о добросовестности страхователя, чтобы предложить ему тарифы по страхованию залогов на основе полученных данных (или отказать в оформлении полиса).

Алексей Волков рассказал, что в 2014 году потребность в подобной технологии скоринга для РФ была не так высока, как сейчас. Заметного сокращения потока страхователей (в том числе, корпоративных) еще не замечалось, СК покрывали свои риски за счет потоковых сборов.

Но сегодня, когда каждый контракт нужно проверять, страховой скоринг снова набирает актуальность. И НБКИ при содействии специалистов FICO уже разработали модель его расчета. Принцип ее работы прост:

• на основании данных по кредитам юридического лица система определяет уровень его лояльности;
• результат получается в баллах, диапазон – от 350 до 850;
• чем ниже балл, тем выше будет стоимость страхования предмета залога для предприятия и наоборот.

Кому в кризис нужен страховой скоринг?

Страховщику такой подход выгоден по двум причинам, – уверен Волков. Во-первых, СК получает точные данные для расчета своих рисков. Во-вторых, она может отсечь нелояльных (ненадежных) клиентов и сократить для себя вероятность мошенничества со стороны страхователя.

Последнему нововведение тоже будет интересным, – считает руководитель НБКИ.

1. Компания-заемщик (в прошлом или настоящем) сможет рассчитывать на скидку по страхованию имущества организаций при условии исправного погашения прошлых займов.
2. Наличие прозрачной методики оценки перспективности страхователя упростит процесс утверждения страхового бюджета.

Будущее страхового скоринга

Алексей Волков уверен, что именно по этим причинам уже в 2017-2018 годах страховой скоринг будет применяться на всех уровнях корпоративного страхования, не только для страховки залога по кредиту предприятия. Эксперт также рассказал, что эффективность данных по скорингу уже была опробована в 10 городах страны, включая Москву.

В рамках экспериментального запуска система оценивала перспективную убыточность заемщиков с полисом КАСКО . Результаты показали, что страхователи с количеством баллов ниже 625 являются более убыточными.

Напомним, что наши партнеры – крупнейшие страховые компании рынка, которые присутствуют в списках разрешенных страховщиков по всем банкам, – работают с нашими клиентами на условиях минимальных тарифов в корпоративном страховании. В СА «GALAXY страхование» отстаивают честные отношения сторон и интересы страхователя, а не страховщика.

• Услуги и продукты для кредитных организаций

Кредитные отчеты

Формирование, обработка и хранение кредитных историй

Организация, выдавшая кредит, обязана по закону «о кредитных историях» предоставить в аккредитованное бюро кредитных историй, сведения о заемщике, а также о размере полученного им займа, причем согласия заемщика на осуществление такой процедуры получать не требуется. Благодаря этому правилу, формирование кредитных историй осуществляется в предельно сжатые сроки и позволяет создать наиболее полную базу данных, в которой хранятся сведения обо всех кредитах и займах, полученных заемщиком. Предоставление кредитором информации БКИ осуществляется на основании договора об оказании информационных услуг. На передачу данных от кредитора в бюро отводится пять рабочих дней.

* Передачу информации в НБКИ также можно осуществлять без дорогостоящей автоматизации собственных процессов, существенных материальных затрат и найма специального персонала. Достаточно установить специальное приложение «Передача в один клик».

Предоставление кредитных отчетов

On-line: Интерактивный интерфейс (для кредитных организаций с небольшим объемом выдаваемых кредитов, решение о выдаче которых принимается не сразу, рассматривающих 300-500 заявок в месяц) - применяя этот способ, оператор регистрируется в системе, заполняет форму, направляет запрос, получает кредитный отчет в режиме on-line в формате PDF, изучает кредитный отчет и принимает решение о выдаче или отказе в выдаче кредита

On-line - B2B (для кредитных организаций с большим объемом выдаваемых кредитов, принимающих решение о выдаче кредита в короткие сроки) - данный способ позволяет банку автоматически запрашивать и получать кредитные отчеты в формате хml-файла. Воспользовавшись им, можно интегрировать информацию из кредитного отчета в автоматизированный процесс принятия решения банком.

Пакетный запрос (для кредитных организаций, принимающих решение о выдаче кредитов в течение одного или нескольких дней) - пакетный запрос формируется банками в виде хml-файла и передается в бюро по электронной почте. Ответ формируется бюро в течение суток и передается в банк в виде хml-файла, содержащего все кредитные отчеты.

НБКИ Online

Оптимальное решение для организаций, начинающих кредитную деятельность, или ведущих умеренную кредитную активность. Функционал «НБКИ Online» обеспечивает полноценное взаимодействие с Бюро, при этом не требует инвестиций в создание и поддержку аппаратного и программного IT обеспечения.
«НБКИ Online» позволит получать данные о заемщиках из НБКИ по оптимальной цене; передавать данные в НБКИ-данные, полученные от пользователей «НБКИ Online», обрабатываются в максимально приоритетном порядке; вести учет обмена данных с бюро.

СКОРИНГИ

Скоринг бюро

Инструмент для измерения риска, который оценивает возможность исполнения заемщиком своих обязательств по выплате кредита на основании данных, содержащихся в бюро кредитных историй и отражающих его поведение в прошлом. Скоринговая модель оценки позволяет: прогнозировать несоблюдение платежных обязательств заемщика; ранжировать заемщиков в соответствии с вероятностью их выхода на просрочки..

Значение скоринга заемщика рассчитывается исключительно на основе информации, содержащейся в кредитной истории, которая преобразуется в скоринговый балл, находящийся в интервале от 300 до 850, так, что добросовестным плательщикам присваивается наивысший балл, а недобросовестным – низший. Скоринговый балл предоставляется с четырьмя причинами, оказавшими наибольшее влияние на его снижение.

Расширенный скоринг

Позволяет оценивать риск дефолта заемщиков, не имеющих кредитной истории, на основе их социо-демографических данных. При расчете расширенного скорингового балла принимаются во внимание такие характеристики как возраст, семейное положение, место жительства, место работы, стаж, заработная плата и другие характеристики.

Fraud score

Уникальная скоринговая модель, позволяющая оценить вероятность повышенного риска выдачи займа на основе анкетных данных и кредитной истории потенциального заемщика. Модель разработана лидером в области предиктивной аналитики – компанией FICO® на основе обработки миллионов конкретных кредитных заявок и кредитных историй. Модель характеризуется высокой прогнозной точностью, простотой интеграции в существующие у кредитора системы андеррайтинга заемщиков и возможностью управления на стороне кредитора.

МОНИТОРИНГ КЛИЕНТСКОЙ БАЗЫ БАНКА (АНАЛИТИЧЕСКИЕ ОТЧЕТЫ)

Аналитические отчеты формируются на основе информации из баз данных НБКИ и обеспечивают мониторинг основных параметров, характеризующих состояние кредитного портфеля и поведение клиентов банка.

Предоставление аналитических отчетов осуществляется ежемесячно в течение периода, определенного кредитором. По выбору клиента могут быть предложены следующие периоды предоставления отчетов: квартал, полгода, год.

Отчеты нужны для: прогнозирования рисков; определения доли «рисковых заёмщиков»; оценки лояльности и поведения заёмщиков в других банках.

НБКИ-AFS (ПРОТИВОДЕЙСТВИЕ НЕДОБРОСОВЕСТНЫМ ЗАЕМЩИКАМ)

Уникальная система противодействию недобросовестным заемщикам «НБКИ-AFS» - самый современный, инновационный и эффективный инструмент защиты кредитора от действий недобросовестных заемщиков различных типов.

Сервис «НБКИ – AFS» создавался при непосредственном участии банков-лидеров розничного кредитования и учитывает огромные практические знания о противодействии недобросовестным заемщикам. Его интеграция в банковские автоматизированные системы обработки заявок максимально упрощена, а это означает, что любой банк может подключиться к сервису быстро и с минимальными затратами. «НБКИ – AFS» может быть настроен по специфическим требованиям и особенностям банка-пользователя.

Сервис «умеет» проводить последовательное и рекурсивное сопоставление атрибутов кредитных заявок и их анализ с использованием «фрод» правил, выявляя подозрительных потенциальных заемщиков. Данные проходят уникальную логическую проверку по более чем 160-ти правилам, эффективность которых подтверждена анализом, проведенным на базах заявок крупнейших розничных банков. «НБКИ – AFS» позволяет обрабатывать более 200 заявок в секунду.

ВЕРИФИКАЦИЯ ПАСПОРТНЫХ ДАННЫХ КЛИЕНТА

Услуга, обеспечивающую проверку паспорта заемщика в режиме реального времени.

Используя услугу, вы определяете статус проверяемого документа, а также получаете дополнительную информацию, доступную в базах данных источника.

АНАЛИТИКА

Национальное бюро кредитных историй (НБКИ) предлагает широкий спектр риск-аналитики, позволяющей кредиторам принимать взвешенные стратегические и тактические решения:

Отчеты Бенчмаркинг и Бенчмаркинг МФО

Дают объективную картину положения кредитора относительно деперсонализированного пула кредиторов конкурентной группы. Группа формируется заказчиком Отчета самостоятельно, но требует обязательного согласования с НБКИ. Количество кредиторов в группе – от 3-х до 5-и. Кредиторы должны быть сопоставимы по размеру бизнеса.

В отчете представлены 230 показателей: размер портфеля; качество портфеля; качество входящей популяции, уровни одобрения; просрочки: выход из просрочек (recovery) и качество возврата (collection); портрет заемщика в разрезе по видам и размерам кредитов, возрастам заемщиков, регионам России, диапазонам (бакетам) скоринга FICO и т.д.

Данные представлены в целом по кредитам физическим лицам и в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России.

Каждый параметр представлен в динамике за последний год.

Отчет Бенчмаркинг.Взыскание

Отчеты «Бенчмаркинг.Взыскание» дают объективную картину эффективности процедур взыскания на основе сравнительного анализа с референтной группой и позволяют находить сегменты, требующие корректировки работы соответствующих подразделений кредитора/коллектора. Группы банков для сравнения могут быть разные для каждого кредитного продукта; Перечень сравниваемых банков определяется путем согласования с НБКИ и должен соответствовать требованиям к их однородности по объемам на рынке и продуктовым нишам. Таким образом, не нарушаются их коммерческая тайна и правила бизнес-этики. Количество сравниваемых банков не должно быть менее 3-х и более 5-ти.

Отчет состоит из двух файлов с соответствующими разделами:

1. Файл «Benchmarking Early Collection»

2. Файл «Benchmarking Late Collection»

Данные представлены в разбивке по кредитным продуктам, имеющим наибольший удельный вес в структуре розничного кредитования России. Каждый параметр представлен в разрезе Сумм выдачи, Регионов выдач, Диапазонов FICO2 AM, Сроков просрочки в днях (0 – 4-й бакеты).

Национальный кредитный бюллетень

Национальный кредитный бюллетень – единственный в России ежеквартальный обзор розничного кредитования, дающий детальную картину тенденций и рисков в секторе. В обзоре представлена динамика показателей кредитования в целом по стране и по крупнейшим регионам РФ, по видам кредитов.

Предоставляется в бумажном и электронном виде (MS Excel).

Анализ долговой нагрузки российских заемщиков

В данном обзоре используются два типа индикаторов, характеризующих долговую нагрузку населения: отношение остатка долга к годовым денежным доходам заемщика и отношение.

Обзор формируется два раза в год. Возможна подписка на разовое исследование или на 2 отчета за год.

ПАРТНЕРСКИЙ ДОГОВОР. ПРЕДОСТАВЛЕНИЕ КРЕДИТНЫХ ИСТОРИЙ СУБЪЕКТАМ

Продажа кредитных историй клиентам Банка – современная услуга, обеспечивающая рост комиссионного дохода.

Большинство россиян хотели бы получать свою кредитную историю в отделении банка. Действительно, на сегодняшний день около 90% кредитных историй из базы НБКИ продаются в банковских отделениях и через систему удаленного банковского обслуживания банков-партнеров НБКИ.

В рамках партнерского договора Банк может оказывать услуги по предоставлению кредитного отчета из базы НБКИ, а также несколько дополнительных услуг: доступ к базе залогового движимого имущества, отчет из ЦККИ и т.д.

Национальное бюро кредитных историй (НБКИ) ценит работу своих партнеров по данному виду договора и оказывает всевозможную поддержку по развитию этого бизнеса.

ПРОВЕРКА АВТОМОБИЛЯ ПО ЕДИНОЙ БАЗЕ ЗАЛОГОВЫХ АВТОМОБИЛЕЙ И ДРУГОГО ДВИЖИМОГО ИМУЩЕСТВА

Источниками формирования «Базы залоговых автомобилей и другого движимого имущества» НБКИ являются банки и прочие кредиторы, сотрудничающие с НБКИ и передающие информацию о находящихся у них в залоге автотранспортных средствах.

Состав уведомления в «Базе залоговых автомобилей и другого движимого имущества» НБКИ.

Летом 2014 года в результате поправок в 218-ФЗ «О кредитных историях» страховые компании получили возможность получать кредитные истории своих клиентов. Как и для кредиторов, для страховых компаний максимальный интерес кредитные истории представляют с точки зрения возможности оценки риска. В кредитовании оценка риска необходима для прогноза дефолта, в страховании – для прогноза убыточности по полису. Таким образом, перед страховой индустрией и Национальным бюро кредитных историй (НБКИ), местом, где хранятся кредитные истории 72 млн россиян, встал вопрос построения математической модели, предсказывающей убыточность на основе данных из кредитных историй, – страхового скоринга.

В работе по созданию страхового скоринга на основе кредитных историй принимали участие крупные российские страховые компании, НБКИ и международный лидер в области предиктивной аналитики – компания FICO. Опыт работы FICO на американских и европейских страховых рынках был взят за основу исследовательской работы и во многом обеспечил получение быстрого и сильного с математической точки зрения результата. Именно благодаря международному опыту мы сразу стали ориентироваться на моторное страхование. Эта отрасль во всем мире показывает сильную корреляцию между убыточностью по страховым полисам и персональной ответственностью клиента.

Для начала исследовательских упражнений была сформирована гипотеза о наиболее сильных прогнозных переменных из кредитной истории. На этом этапе был использован опыт построения кредитного скоринга, предсказывающего дефолт заемщика по кредитным обязательствам. Как и в страховании, в кредитном процессе кредитор оценивает ответственность клиента – его персональную характеристику, выстраиваемую на основе истории выполнения ранее взятых обязательств. Каждая переменная проходила тщательный анализ на сформированной базе исторических страховых полисов, в результате были выбраны наиболее сильные и стабильные переменные.

Среди наиболее сильных переменных, конечно, данные о нарушении обязательств. Количество и глубина просроченных платежей оказывают понижающее влияние на скоринговый балл. С другой стороны, приветствуется опыт пользования длинными кредитами: положительный опыт ипотеки и автокредитования оказывает повышающее влияние на результат. Одним из наиболее сложных вопросов для построения скоринговой модели стал учет региональной специфики. В результате в итоговую модель вошли несколько переменных, основанных на данных о регионе.

К неосновным, но тем не менее оказывающим влияние на скоринговый балл переменным можно отнести данные о членах семьи клиента. Эта информация включена в скоринговую модель для того, чтобы учесть ситуацию, при которой, например, один из супругов берет на себя все вопросы взаимодействия с кредиторами, хотя экономика у семьи общая. То есть, условно говоря, идеальная кредитная история женщины вовсе не означает, что у нее не будет проблем, если у ее мужа – сплошные нарушения по обязательствам.

Валидация переменных и скоринговой модели в целом – сложнейшая задача. Ее успешное решение во многом зависит от репрезентативности и объема данных, доступных для ретротестирования. В этой связи необходимо отдать должное лидерам российского рынка автострахования. Все они включились в работу по созданию и валидации модели буквально с первых дней. Цифры говорят сами за себя: общее количество участвовавших в анализе полисов каско – более 6,5 млн. Историческая ретроспектива полисов – более шести лет. Это позволило создать модель отдельно для Москвы и регионов, убедиться в ее стабильности – замеры осуществлялись по пяти реперным периодам с интервалом в один год. Была не только изучена корреляция скорингового балла с общей убыточностью по полисам, но и построена зависимость от отдельных видов – например, по убыточности от угона.

В результате полученная скоринговая модель показала: убыточность по полисам в низшем скоринговом диапазоне до 600 баллов (шкала страхового скоринга приведена к большинству популярных скорингов FICO: от 350 до 850 баллов, при этом меньшие значения балла означают больший риск) в среднем на 20% выше, чем в диапазоне от 700 баллов для Москвы и на 30% – для регионов.

Интересные результаты дало изучение корреляции скорингового балла с убыточностью по отдельным видам возмещений. Например, при изучении зависимости выплат по угонам автомобиля от скоринговых баллов выявлена аномалия – резкий рост убыточности (в 4–5 раз) в диапазоне ниже 550 баллов. Консультации с коллегами позволили дать объяснение этому явлению: граждане с низкой платежной дисциплиной и чрезмерной долговой нагрузкой уже не могут получить заемные средства у кредиторов, так как им отказывают, и пытаются решать свои материальные проблемы за счет страховых компаний. То есть фактически речь идет о страховом мошенничестве. Как выяснилось, страховой скоринг на базе кредитных историй позволяет эффективно противостоять и этой угрозе.

Полученные результаты открывают перспективы использования страхового скоринга на базе кредитных историй в моторном страховании в краткосрочной перспективе. Во-первых, страховые компании уже сейчас могут использовать скоринг НБКИ для ценообразования по каско и принятия решения о продаже полиса конкретным клиентам. Например, применяя повышающие коэффициенты для высокорисковых сегментов. Во-вторых, страховой скоринг применим для прогноза убыточности по портфелю – архиважная задача, с которой регулярно сталкиваются актуарии и от точности решения которой во многом зависит финансовый результат всей компании.

И наконец, успех создания скоринговой модели в автостраховании позволяет надеяться, что и в других видах страхования применимы аналогичные технологии. По оценкам НБКИ и крупных страховых компаний, поиск и валидация зависимостей между ответственностью человека и его поведением по большинству страховых продуктов – дело ближайшего будущего.

Скоринговые технологии популярны в разных сферах. Впервые их использовали в банковском деле для оценки благонадежности заемщика, позже скоринг распространился на многие сферы деятельности. В переводе данный термин означает «получение очков».

Страховые компании с помощью системы баллов определяют степень риска при заключении договора с конкретным покупателем, но и потенциальному клиенту такой подход сулит немало преимуществ.

Как страховщики изучают потребителей: анализ кредитной истории и телематические программы

Банковские учреждения давно взвешивают все «за» и «против» перед тем, как выдавать кредит: анализируют активность человека в интернете (сайты поиска вакансий, посты в соцсетях), принимают во внимание наличие образования и т. д.

Страховые компании лишь несколько лет назад получили доступ к кредитной истории граждан, информация используется с целью создания различных скоринговых систем.
Основные факторы, интересующие разработчиков программ моделирования рисков - количество просроченных платежей, частота нарушений, оформление ипотеки, автокредита. Среди дополнительных - сведения о составе семье. На основании полученных данных формируется «портрет» каждого покупателя. Чем выше оценки, тем ниже будет страховой тариф.

Инновационные технологии позволяют составить общее представление о поведении водителя на дороге благодаря телематическим устройствам. Оборудование отслеживает и передает оператору огромный массив информации:

• среднюю скорость движения;
• склонность к резкому торможению и опасным маневрам;
• количество поездок;
• дорожные инциденты.

По итогам тестового периода автомобилисту насчитывают баллы. Позитивная оценка дает право на неплохую скидку.

Как страховщики привлекают «безаварийных» водителей

Скоринг в страховом деле появился совсем недавно, раньше для развития подобных технологий не было ни источников информации для анализа, ни оборудования.

Общероссийской базы страхователей нет и вряд ли она появится в обозримом будущем. Найти данные о количестве аварий с участием автомобилиста можно в базе РСА. Осторожных водителей ценят все страховщики, они готовы предложить им скидки в случае перехода от своих конкурентов.

Ведущие компании каждому покупателю выставляют скоринговые баллы, от которых зависит конечная стоимость продукта. Статистика подтверждает выводы экспертов: полисы КАСКО, выданные страхователям с более низкими баллами, оказываются на 20 % убыточнее договоров, обладатели которых - водители с высокими оценками.

Деление клиентов на категории по степени риска - прогрессивная модель, повышающая рентабельность деятельности страховщика. Убедившись в том, что водитель бережет свою машину и предпочитает не нарушать ПДД, компания вознаграждает его скидкой. Такое сотрудничество выгодно обеим сторонам.

Скоринг: проблемные моменты

Компании разрабатывают разные скоринговые системы, основываясь на доступных им данных, в связи с чем результаты иногда кардинально отличаются. Найти источники информации о клиенте законным путем довольно сложно, ведь персональные данные граждан защищены.

Разработать качественную систему - дорогое удовольствие, не каждая СК имеет достаточно средств, чтобы нанять профессионального подрядчика.