Pay as you drive

Start / Blog / Pay as you drive

Czy zgodziłbyś się na zamontowanie w swoim samochodzie czujnika, który zbierałby dane o Twoim położeniu, prędkości i obrotach silnika? A co jeżeli Twój ubezpieczyciel zaoferowałby w zamian duże zniżki? 

Montowanie w samochodach czujników zbierających dane stało się w ostatnich latach coraz bardziej popularne. Jest to oczywiście związane z rozwojem branży IT. Najstarsze znane mi przypadki łączenia branży samochodowej z branżą IT dotyczą produkcji samochodów. Już przed kilkoma laty niemiecki koncern BMW zdecydował się na wykorzystanie modeli predykcyjnych w procesie produkcji samochodów celem szybszego i bardziej precyzyjnego wykrywania usterek. Sukces projektu spowodował, że współpraca firm BMW i IBM coraz bardziej się zacieśnia: IBM Analytics Improve BMW Auto Quality.

Tropem BMW zaczeli podążać kolejni producenci aut, już nie tylko z Europy, ale także z Japonii. Analityka stosowana jest już nie tylko w procesie produkcji, ale także w fazie eksploatacji samochodów. Skoro producenici samochodów zdecydowali się montować urządzenia śledzące pracę samochodu w pojazdach, to czemu nie mogą tego zrobić inne firmy?

Możliwość taką zauważyły firmy ubezpieczeniowe wprowadzające zniżki na zasadzie pay as you drive, zgodnie z którą, o wielkości zniżki decyduje sposób prowadzenia auta przez kierowcę. Najprostszy sposób wyliczenia takiej opłaty, to po prostu iloczyn przejechanych kilometrów i stawki kilometrowej. Dalszym rozszerzeniem tej metody może być budowanie bardziej zaawansowanych profili użytkowania pojazdów. Do tego jednak potrzebne jest zamontowanie w samochodach specjalnych urządzeń zbierających dane, co najmniej o położeniu i prędkości pojazdu.

Wracając do pytania postawionego na początku artukułu, zgodnie z raportem insuranceQuotes.com 51% amerykanów odpowiada, że zdecydowanie nie zgodziłaby się na zamontowanie rzeczonych czujników. Amerykanie obawiają się przede wszystkim, że owe urządzenia mogą być wykorzystane przez policję do namierzania np. pijanych kierowców. Istotną obawą jest także ochrona zbieranych informacji. Firmy ubezpieczenowe przekonują, że dane klientów są całkowicie bezpieczne, nie mogą być współdzielone z podmiotami trzecimi oraz nie mogą stać się podstawą zwiększania składki dla poszczegółnych kierowców. W zamian za zgodę na zamontowanie czujników oferują zniżki rosnące w kolejnych latach do 20%, a nawet do 50%. Niektóre z firm oferują od razu 5%-10% zniżki za samą zgodę na zamontowanie urządzenia. Dodam jeszcze, że krótki wywiad pozwolił mi stwierdzić, że oferty pay as you drive dostępne są już w co najmniej następujących krajach: Wielka Brytania, Stany Zjednoczone, Hiszpania i Włochy. Rozszerzenie pomysłu na kolejne kraje wydaje się nieuchronne.

Przejdźmy teraz do meritum, czyli do analizy danych. W ostatnim czasie miałem okazję zapoznać się z danymi pewnej firmy z USA. Dane te dotyczyły prawie 3500 pojazdów i zbierane były przez 15 dni. Czytniki zamontowane w pojazdach zbierały następujące informacje: Data i godzina, Długość geograficzna, Szerokość geograficzna, Kierunek jazdy, Prędkość, Przyspieszenie, Obroty silnika.

Dane te wczytalem do narzędzia IBM SPSS Modeler. Następnie, korzystając głownie z dostępnych w narzędziu węzłów Wyliczanie, Filtrowanie, Agregacja oraz Flagowanie, wyliczyłem prawie 430 nowych predyktorów. Predyktory te posłużyły mi do sworzenia następująych czynników ryzyka: prowadzenie w godzinach nocnych w weekendy, jazda w godzinach szczytu, przekraczanie dozwolonej prędkości. wysoka średnia prędkość, odbywanie długich podróży, gwałtowne przyspieszanie, korzystanie z pojazdu głównie od poniedziałku do piatku. Zdefiniowane czynniki ryzyka zostały przeze mnie wykorzystane do zbudowania modelu segmentacyjnego. W tym przypadku najlepsze rezultaty otrzymałem korzystając z modelu Sieci Kohonena.

Wielką zaletą narzędzia IBM SPSS Modeler jest sposób prezentacji wyników modeli analizy skupień i ich automatyczna  interpretacja. Jak widać na zamieszczonym wykresie, zbudowany model podzielił klientów firmy ubezpieczeniowej na 8 grup, gdzie wielkość największej grupy wynosi 35,5%, a najmniejszej 1,5%.

 

Następnie skorzystałem z wizualizacji, która w mojej ocenie stanowi najlepszą formę podsumowania modelu segmentacyjnego i znacząco ułatwia jego interpretację. Zaprezentowane zestawienie dla każdej cechy o charatkerze ciągłym automatycznie wylicza średnią wartość w poszczególnych segmentach, a dla zmiennych nominalnych dominantę.  Segmenty zaprezentowane są w kolejnych kolumnach, a zmienne posortowane są względem istotności w modelu.

Kluczowym czynnikiem ryzyka jest gwałtowne przyspieszanie. Czynnik ten występuje aż w 4 grupach. Najwięcej czynników ryzyka występuje w grupie szóstej, a najmniej w grupie pierwszej. Przeprowadzona analiza pozwala mi określić, że klienci z grupy pierwszej, która stanowi 35,5% wszystkich klientów, dostaną największą dodatkową zniżkę. Najwięcej za ubezpieczenie płacić będzie, licząca 2,8% ubezpieczonych, grupa klientów z segmentu szóstego.

To oczywiście tylko jednen z przykładów analiz, które można wykonać w oparciu o zebrane dane. Alternatywą dla takiego podejści może być np. zastosowanie dedykowanej procedury wykrywania anomalii.

i dokonywanie podziału klientów na grupy w zależności od tego jak mocno odstają od „normy”. Warto zaznaczyć, że norma ta wyznaczana jest analitycznie i nie musi być definiowana a-priori.

Idąc krok dalej oczywistym jest, że oprócz narzędzia stricte analitycznego jakim jest SPSS Modeler firmy chcące wdrożyć opisywane rozwiązanie będą potrzebowały także narzędzia do strumieniowej analizy danych w czasie rzeczywistym oraz składnicy danych, która będzie jednocześnie silnikiem dla zaawansowanych analiz. Składniaca taka umożliwi analizę danych historyczych o dowolnym wolumenie. Przykładem takich narzędzi są odpowiednio: IBM Streams oraz IBM PureData for Analytics.

Podsumowując, wprowadzenie ubezpieczeń pay as you drive wydaje się być nieuniknione. Firmy ubezpieczeniowe mogą zostać wyposażone w technologię, która umożliwi bardzo szczegółową analizę zachowań kierowców. Dla dużej części klientów taka forma ubezpieczenia może oznaczać dodatkowe zniżki. Na koniec jednak chciałbym zadać pytanie, czy w wyniku wzrostu powszechności zniżki, fakt braku prawa do niej, nie staje się de facto zwyżką..