Riskinkannon haasteet ja yhteiskunnan ja teknologian murroksessa. Esko Kivisaari,

Transkriptio

1 Riskinkannon haasteet ja yhteiskunnan ja teknologian murroksessa Esko Kivisaari,

2 Tietyn riskin alaiset yksiköt, vakuutuksenottajat, sopivat vahinkojen tasaamiseen erikoistuneen laitoksen, vakuutuslaitoksen eli vakuutuksenantajan, kanssa siitä, että riskin toteutuessa vakuutuksenantaja korvaa siitä aiheutuneen vahingon. Korvauksensaantioikeuden vastikkeeksi vakuutuksenottajat suorittavat vakuutusmaksun vakuutuksenantajalle.

3

4 Suomalainen vakuutustoiminta 200 vuotta vuonna 2016 Alkoi Turun palovakuutuskonttorista, joka perustettiin 1816 Erilaista riskin jakamista oli jo aiemmin, laissakin säädettynä paloapuna tms., sekä myös ammattikuntien piirissä kuoleman ym. varalta.

5 Helene Schjerfbeck, Naamiaiskuva, Vaasan taidemuseossa

6

7

8 Parempi virsta väärään kuin vaaksa vaaraan? virsta = 1068,80 metriä vaaksa = peukalon ja keskisormen pään välinen etäisyys, cm Vakuutus on vähitellen läpäissyt koko suomalaisen yhteiskunnan, jota on vaikea edes kuvitella ilman vakuutusta

9 Yhteiskunnan ja teknologian murroksessa

10 Suomen ikäpyramidi

11 Ikärakenteen muutos: Ikä, jossa elinajan odote oli yhtä monta vuotta kuin mitä se oli 60-vuotiaalla vuonna ,0 70,0 68,0 66,0 64,0 miehet naiset 62,0 60,0 58,

12 Ilmastonmuutos

13

14 Tämän takia sitkeät helteet ja tulvasateet yleistyivät: pohjoisten alueiden lämpeneminen saa suihkuvirtaukset jämähtämään Suihkuvirtauksiin tuo eloa vaihtelu kylmän pohjoisen ja lämpimän etelän välillä. (HS ) Eri puolilla maailmaa on koettu entistä useammin rankkasateita, metsäpaloja, helteitä, tulvia ja kuivuutta. Niiden yleistyminen ei ole lyhyen ihmismuistin luoma harha eikä sattuma. Kansainvälinen tutkimusryhmä havaitsi, että monet äärisäät ovat seurausta ilmaston lämpenemisen aiheuttamista muutoksista suihkuvirtauksissa. Suihkuvirtaukset ovat alailmakehän yläosissa puhaltavia, hyvin nopeita tuulialueita, jotka vaikuttavat kulloisenkin suursäätilan syntyyn. Niiden aaltoilusta ja sijainnista voidaan päätellä, onko maanosaan luvassa esimerkiksi usean viikon lämpöjakso. Pystyimme osoittamaan niin hyvin kuin suinkin vain voi, että ilmastonmuutos on suoraan yhteydessä suureen joukkoon viimeaikaisia, äärimmäisiä sääilmiöitä, sanoo tiedotteessahttps:// tutkimusryhmään kuulunut ilmakehätieteen professori Michael Mannhttp:// Pennsylvanian yliopistosta.

15 The Actuaries Climate Index Komponentit: - Lämpimät jaksot - Kylmät jaksot - Sateet - Kuivat jaksot - Tuulet - merenpinta

16 Teknologian muutos Mooren laki

17 Mitä teknologian muutos merkitsee? jakelu, backoffice, tuotteet, vai koko vakuuttamisen disruptio: Spotify + Netflix AirBnB Uber

18

19 Big Data: määrän räjähdysmäinen kasvu

20 Economist : Tricky Business

21 Mitä mahdollisuuksia big data pitää sisällään? Datan määrä kasvaa eksponentiaalisesti: nykyisin noin kahdessa päivässä kertyy sama määrä kuin koko vuoteen 2003 kuluneena aikana Datan käsittelyn nopeutuminen ainakin jos Mooren laki säilyttää ennustevoimansa Datan laatu ja strukturointi paranee digitalisoituminen Datan suuret volyymit hyödyllisiä vain jos sen pohjalta voidaan tehdä oikeat johtopäätökset ja näihin pohjautuen valitaan oikeat toimenpiteet: paineet kehittää yhä parempaa analytiikkaa (eikä vain vakuuttamisen vaan esimerkiksi myös petosten torjunnan puolella)

22 Mahdollista? Mihin tarvitaan ikää ja sukupuolta jos tiedämme henkilön ostoskorin sisällön marketissa, kuntosalikäyntien määrän ja apteekkiostokset? Mihin tarvitaan auton merkkiä ja omistajan asuinpaikkaa jos tiedämme, missä autolla on ajettu kilometrimäärineen ja vauhteineen? Mitä mahdollisuuksia kehittyvä genetiikka tuo terveyteen liittyvään vakuuttamiseen? Voidaanko aktuaarien laskelmissa esimerkiksi vastuuvelassa siirtyä aikaisemmista tilastollisista menetelmistä datan parempaan käyttöön Perinteisesti data ja sen käsittely on ollut kallista. Lisäksi tarkemman datan luotettavuus (esimerkiksi tupakoimattomuus) on ollut epävarmaa Big Datan myötä laajat datamassat edullisesti käytettävissä ja analysoitavissa: sovelletaanko yksilövakuutuksessa suurvakuutusten tekniikoita?

23 Big Datan käytön haasteet Tarvitaan uutta analytiikkaa syy-/seuraussuhteen ymmärtämistä Big Data lupaa paljon paremmat tariffitekijät käyttöön Haasteita: Miten löydetään datasta syy-/seuraussuhteet? Onko malleilla ennustevoimaa vai onko malli ainoastaan sovitettu käytettävissä olevaan dataan?

24 Vakuutettu ja big data Vakuutettu ja vakuuttaja tietävät käytettävän datan sisällön (telematiikka) voi olla molemmin puolin hyödyllistä, mutta jääkö osa ihmisistä vakuutusturvan ulkopuolelle vakuutuskelvottomina? Miten käsitellään vakuutetut, jotka kieltäytyvät telemonitoroinnista? Vain vakuuttaja tietää (esimerkiksi asiakastottumuksiin liittyvä data) mihin saakka (mm. tietosuojakysymykset) datan käyttäminen on hyväksyttävää ja sallittua? Kääntyykö aiempi tilanne päälaelleen ennen asiakas tyypillisesti tiesi itsestään enemmän kuin vakuuttaja? Edelleen asymmetrinen informaatio, mutta aikaisempaan verrattuna toisinpäin? Big Datalla iso merkitys ilmiössä nimeltä Premium Optimisation

25

26

27

28

29 Finanssiala ihmisen arjessa! Esko Kivisaari Varatoimitusjohtaja