This is my presentation (in Finnish) about the use of Big Data and Predictive Underwriting in Insurance that I gave in the annual Financial Services' ICT-day.

1. Finanssiala Big Datan hyödyntäjänä
Esitelmä vakuutustoimialan tietojenkäsittelypäivänä
25.11.2013 Finlandia-talo
Professori Olli-Pekka Ruuskanen
Vakuutustiede, Johtamiskorkeakoulu
Tampereen yliopisto

2. Virtualisoitu vakuutusyhtiö
• Mitä maksaa vakuutusyhtiön järjestelmä
halvimmillaan?
• Mitä maksaa vakuutusyhtiön tietojenkäsittely
pilvessä?
• Miten halvalla saadaan toimiva vakuutusyhtiö
aikaiseksi? Skaalautuvuus?
• Tietojenkäsittelyn halpeneminen haittaa eniten
vanhoja tiedon käsittelijöitä kuten
vakuutusyhtiöitä.

3. Keskeinen haaste
• Vakuutusala pitää itseään toimialana, joka
kulkee tietojenkäsittelyn eturintamassa.
• Mitä jos yhtiöiden ’tieto’ ei olekaan enää
kilpailutekijä?
• Murrostavat innovaatiot (Disruptive innovations)

4. Sisältö
1. Mitä on ’Big Data’ ja miksi se on vakuutusalalle
tärkeää?
2. Mitä vaatimuksia ’Predictive underwriting’
tietohallinnolle asettaa?
3. Miten parantaa asiakaskokemusta?
4. Johtopäätökset

5. Big Data

6. Mitä on ’Big Data’
• Strukturoitu, semistrukturoitu ja strukturoimaton
data.
• Väestöön, yksilöön, ruumiillisuuteen, tilaan ja
esineeseen liittyvä data.
• Data, jonka synnyttää sensorit, mobiililaitteet ja
sähköiset viestit.
• 3 V:tä: Velocity, Volume, Variety.

7. ”Big Data”:n aika on alkanut

8. Big data ei ole teknologinen ongelma
vaan liiketoimintauhka
• Finanssipalvelut perustuvat strukturoituun
dataan.
• Haasteena hyödyntää strukturoimaton data.
• Big datan vaatima analytiikka tekee yrityksistä
tutkimuksellisia.
• Startupit puhuvat hypoteesien todentamisesta.

9. Reaaliaikainen, kokonaisvaltainen,
henkilökohtainen data.
•
•
•
•
Facebook, Twitter, LinkedIn
RFID
GPS ja GIS
Digitaaliset kuvat
• Tietosuoja

10. Paluu menneisyyteen
• Geneettinen tieto riskinvalinnassa
• Ratkaisu: kielto
• Henkilökohtainen valinta vai ei?

11. Mitä vaatimuksia ’Predictive
underwriting’ tietohallinnolle asettaa?

12. Mitä uutta tässä on?
• ”Predictive analytics is the process of analyzing
historic and current data and generating a
statistical model to help predict future outcomes.
At the heart of the approach is the concept of
predictors: one or more variable factors that are
likely to influence an outcome and can be
measured or scored to predict probable results.”

13. Predictive underwriting on enemmän
• Predictive underwriting määritellään dataanalytiikan kehityksen mahdollistamaksi
tarkemmaksi riskinvalinnaksi.
• Ei pelkästään kekseliäiden muuttujien käyttöä,
vaan uusien mittarien luomista.
• Big Data mahdollistaa ennustavan analytiikan
käytön.

14. Telematiikka
• Telematiikan vaatimat laitteet ovat saavuttaneet
tarvittavan tietojenkäsittely- ja
kustannustehokkuuden.
• VTT:n yhteistyöprojekti; Ollilan ryhmä.
• Yksin vai yhdessä?

15. Case: ’Fit for Life’ - seurantajärjestelmä
• Mobiiliseuranta yhteistyökumppanien sijainnin
pohjalta.
• Kuntosali, lenkkipolku, kävely.
• Joko mobiili tai ranneke.
• Tarjotaan edullisempia vakuutuksia kunnostaan
huolehtiville.

16. Case: Riskeistä riskittömyyden
mittaukseen
• Swiss Re kehittäjänä englantilaiselle
shopassurance yhtiölle.
• Lähestytään sairausvakuutuksen riskinvalintaa
uudesta näkökulmasta.
• Löydetään terveet ja tarjotaan heille vakuutus
ilman riskinvalintaprosessia.

17. Henkilökohtaisen datan käyttö telematiikassa

18. Mitä käy autoiluun liittyville vakuutuksille?

19. Mitä käy autoiluun liittyville vakuutuksille?
• Autoiluun liittyvät vakuutukset (lakisääteiset ja vapaa-ehtoiset) suurin
vakuutusmaksutulon lähde kaikkialla maailmassa.
• Google kehittänyt itseohjautuvan auton.
• Kalifornia salli itseohjautuvien autojen käytön liikenteessä
lokakuussa 2012.
• Miten riskit muuttuvat?
• Mikä sija vakuutuksille?

20. Miten parantaa asiakaskokemusta?

21. Vakuutusyhtiöt Facebookissa
• Tutkittu netnografisesti OP-Pohjolan, If:n, Tapiolan ja
Lähivakuutuksen facebook-sivujen kirjoittelua vuonna 2012.
• 726 kirjoitusta, 40 % If:illä.
• 50 % negatiivisia, vain 17 % positiivisia.
• Kolme neljästä negatiivisesta kirjoittajasta miehiä.
• Yleisimmät negatiiviset kirjoitukset:
1. Korvattavuus tai korvaus (26 %)
2. Palvelun saatavuus (18 %)

22. Kuluttaja ja arvonmuodostus
• Kuluttaja voi saada hyötyä markkinoilla vain jos hän
ymmärtää tarpeen tuotteelle/palvelulle.
• Jos ei ymmärrä, ei ole valmis maksamaan.
• Finanssilukutaito olennainen vakuutusalalle.
• ”Vakuutusta ei osteta, vakuutus myydään”
• Alivakuuttaminen yhdellä ajanhetkellä ja yli ajan
ongelma.
• Yksi syy sosiaalivakuutuksen olemassaololle.
• Suomen Akatemia rahoittaa ”Finanssilukutaito
Suomessa” tutkimusta.

23. Luultu vastaan koettu arvo

24. Miten olla asiakkaalle läsnä
hirvivahingon
tapahtumapaikalla?

25. Yhtiöiden mobiilistrategia on avain

26. Liiketoimintamalli-innovaatiot
• Monissa maissa arvoketjun osina erikoistuneet
yhtiöt.
• Vertikaalinen integraatio vastaan innovaatiot.
• Tilaa radikaaleille innovaatioille.
• Jakelu koekenttä maailmalla.
• Vakuutusvälittäjien torpedointi tulee
vahingoittamaan alaa.

27. Henkilökohtaiset suosikkini
•
•
•
•
•
•
Kannustava läpinäkyvyys
Asiakkaiden tekemä pisteytys
Käyttöön perustuva vakuuttaminen
Korvauskäsittelyn reaaliaikainen seuranta
Massaräätälöinti
Alhaisen riskin tunnistaminen ja niistä
palkitseminen

28. Mitä tehdä?
•
•
•
•
•
•
Data strategian keskiöön
Ulkoisen yhdistäminen sisäiseen
Datan laatu
Metadata/määritelmät/konventiot
Sisäinen startup-kulttuuri
Esineiden internet tuotekehittelyyn

29. Kiitos.
e-mail: olli-pekka.ruuskanen@uta.fi
twitter: @opruuskanen
linkedin: Olli-Pekka Ruuskanen