Nieuws

Blog: Premiebedrag te vaak leidend voor verzekeraars

Blog: Wessel Sluis, Operations Manager & Product Owner SIM•CI

‘Extreem weer zorgt voor flinke stijging van premie voor woonverzekering’ kopte NU.nl kort geleden. Het trok meteen mijn aandacht. Schadelast neemt als gevolg van extreem weer toe en dat laat de premies stijgen, zo blijkt uit onderzoek van Independer. Vanuit mijn verleden in de energiesector zie ik parallellen met de verzekeringsbranche als het gaat om prijscorrecties. Een manier om het eigen risico te bufferen. Interessant om hier eens in te duiken.

Vooraf financieren van schade achteraf
In de energiebranche is het gebruikelijk dat prijzen achteraf gecorrigeerd worden naar de toekomst toe. Dus, op basis van de toegenomen kosten in het afgelopen jaar worden de prijzen in het navolgende jaar verhoogd. Bij verzekeraars werkt het eigenlijk net zo.Door vooraf al een marge in te bouwen ‘voor het geval dat’, kun je je afvragen wat je hiermee van je klanten verwacht. Neem bijvoorbeeld een schadeverzekering. Door de hoge premie voelen zij waarschijnlijk weinig motivatie om maatregelen te nemen om schade te beperken. Ze betalen tenslotte toch al genoeg voor het afdekken van dit risico? En dat terwijl de schadelast alleen maar verder toeneemt door extremer weer als gevolg van de klimaatverandering. Het is niet veel anders dan het vooraf financieren van schade achteraf.

Hoe zou het ook kunnen?
Een andere manier om premies te berekenen, is om situaties waarin schade ontstaat na te bootsen. Wat gebeurt er als die zware storm echt zou ontstaan, welke gevolgschade is er dan? En wat voor gevolgen heeft dat voor het portfolio? Door te simuleren kom je hier op een veilige en economisch verantwoorde manier achter.

Dit werkt zo. Data van vergelijkbare situaties uit het verleden wordt gebruikt om een verband te leggen met mogelijke situaties in de toekomst. Voor de berekening worden daarnaast ook aannames gebruikt om tot een goede uitkomst te komen. Dit kan met het zogenoemde deterministisch model. Het gaat er dus om dat er een dataset gebruikt wordt die gebaseerd is op een realistische situatie, waarbij aannames worden gedaan voor de toekomst.

Premie differentiëren
Er zijn meer factoren die meegenomen kunnen worden in het berekenen van een premie.
Neem bijvoorbeeld de ANWB. Zij werken al een aantal jaren met een toepassing die gebaseerd is op iemands rijgedrag, om zo het juiste premiebedrag per individu te bepalen. Met connected cars is bijvoorbeeld realtime te meten wat iemands rijgedrag is.

Zo kun je ook kijken naar het gebied waar iemand woont om de premie van een schadeverzekering te differentiëren. Als je Nederland opdeelt in stukjes door er een raster overheen te leggen, dan kun je voor ieder stukje kijken wat de spreiding van schade is die in dat gebied voorkomt. Door hierop dan verschillende simulaties los te laten, bepaal je de schade per gebiedsklasse. Stel je hebt een woning in een afgelegen gebied waarbij de kans op het overstromen van het gebied groot is. Dan is de kans dat een woning onder water komt te staan ook aanwezig. Op zich hoeft dat niet tot een hogere premie te leiden als er preventieve maatregelen genomen zijn. Bijvoorbeeld zandzakken ter voorkoming van het een overstroming in huis. Zo kun je dus een premie heel precies afstemmen op het gebied waar iemand woont en de situatie ter plaatse.

Er zijn al verzekeraars die op een dergelijke manier de premies bepalen. Vaak is dat dan nog niet gebaseerd op mogelijke toekomstige schade, maar op een combinatie van resultaten uit het verleden met daarbij opgeteld risicokaart-achtige schattingen. Als mitigerende maatrelen niet mogelijk of ontoereikend zijn, kan altijd nog worden teruggegrepen op de premieberekening op basis van gerealiseerde schades. Ik denk echter dat het werken met simulaties veel mogelijkheden biedt.

Rare verbanden
Het doel dat ik nastreef is het zoeken en vinden van ‘rare’ verbanden door verschillende datalagen met elkaar te combineren. In geval van brand zou je kunnen zeggen; hoe verder een pand van een brandweerkazerne, hoe hoger het risico om niet op tijd ter plaatse te zijn. Maar wat als het pand dichtbij een chemische fabriek staat, of in een vervuild gebied met een laag energielabel? Bij een standaard polis kom je daar helemaal niet achter, omdat je er niet naar zoekt. Maar als je dit soort systemen en datalagen opbouwt en daar cases van maakt, heb je een veel betere manier om schade of de kans op schade inzichtelijk te krijgen. Verzekeraars zouden door middel van deze data de premie op klantniveau kunnen afstemmen.

Technologie als accelerator
Als verzekeraar moet je creatief met je product omgaan. In deze realtime maatschappij wordt in vrijwel elke sector innovaties toegepast. Dat zou ook binnen de verzekeringsbranche kunnen. In een maatschappij waarin steeds meer organisaties op elkaar lijken en weinig onderscheidend vermogen hebben, is dit een kans die voorlopers in de sector moeten pakken. Zet technologie in om de concurrentiepositie te versterken.

Om nog even de schadeverzekering van een woonhuis als voorbeeld te nemen. Stel er wordt gewerkt met een simulatieplatform. Als input kan een verzekeringsnemer zelf online aangeven waar zijn woning zich bevindt en of er maatregelen genomen zijn tegen de gevolgen van extreem weer. Zo worden omgevingsfactoren meegenomen in de simulatie. Het verschil tussen deze methode en bijvoorbeeld die van een autoverzekeraar, is dat een simulatieplatform rekening houdt met de situatie op dit moment, dus de omgeving. Een autoverzekeraar houdt alleen rekening met het gedrag van de consument, en waar deze vandaan komt.

Weer is redelijk goed voorspelbaar, het is alleen niet te plannen. Weersomstandigheden, maar ook de drukte op de weg beïnvloeden de kans op ongelukken. Ook is door GPS fraude makkelijker te detecteren. Het systeem kan zien dat het niet logisch is dat een klant een schadeclaim indient voor een bepaalde hagelbui. In dat gebied was namelijk helemaal geen extreem weer op het moment van de schadeclaim. Op deze manier is het mogelijk een schadeverzekering dankzij technologie slimmer maken.

Schade inzichtelijker krijgen
Ik denk dat er genoeg aanknopingspunten zijn voor het ontwikkelen van een applicatie die gebaseerd is op simulatie. Het lijkt me mooi om dit in samenwerking met verzekeraars te ontwikkelen, waarbij we in co-creatie kunnen nadenken over basiselementen als: Wat moet de waarschijnlijkheid zijn? Wat moet de kansverdeling zijn? Hoe ziet de tool er voor jou als relatie uit?

De tijd die accountmanagers van verzekeraars voor het MKB hebben per relatie per dag is schaars. Een applicatie kan ze helpen om het uitzoekwerk te versimpelen. Het geeft snel inzicht in situaties, zodat je weet “het zit ongeveer in die hoek” en “daar en daar zijn de uitgangen” etc. Het stelt je als verzekeraar in staat om onderscheidend vermogen te bieden en klanten op maat te bedienen. Je kunt de klant hiermee echt centraal stellen.

Simuleren geeft toegevoegde waarde
Een andere manier van denken, eentje op basis van simulaties, geeft mogelijkheden om premies meer toe te spitsen op individuele situaties en zo toegevoegde waarde te bieden. Nog even de takeaways uit dit blog op een rijtje.

  • Als extreme gebeurtenissen vaker gaan voorkomen in de toekomst, dan gaan extreme schadelasten ook toenemen;
  • Achteraf de premie corrigeren (dus in de navolgende jaren terugverdienden, terwijl die jaren ook weer meer schade kunnen hebben) kan een dure zaak worden;
  • Simuleren geeft de mogelijkheid om “wat als” scenario’s door te rekenen, en zelfs tienduizenden keren, zodat je een beter besef hebt van de mogelijke gevolgen;
  • Je kan dan nog steeds achteraf premies bepalen, maar wel met de wetenschap dat je bijvoorbeeld meer reserves moet aanhouden;
  • Of je zou je simulaties aan de klant kunnen voorleggen en met hen het “wat als” gesprek aangaan. Wat als zij bepaalde risico’s zelf willen dragen of mitigerende maatregelen willen nemen?

Lijkt het je interessant om hier eens over verder te praten? Neem dan gerust contact met me op!
Wessel Sluis, SIM•CI, mobiel 06-18 29 24 66 of mail naar wessel.sluis@sim-ci.com.

Sim-CI, Wessel Sluis
Privacy voorkeuren
Wij gebruiken cookies om uw ervaring te verbeteren tijdens het gebruik van onze website. Als u onze Services via een browser gebruikt, kunt u cookies beperken, blokkeren of verwijderen via de instellingen van uw webbrowser. We gebruiken ook inhoud en scripts van derden die trackingtechnologieën kunnen gebruiken. U kunt hieronder selectief uw toestemming geven om dergelijke ingesloten derden toe te staan. Voor volledige informatie over de cookies die we gebruiken, de gegevens die we verzamelen en de manier waarop we deze verwerken, raadpleegt u ons Privacybeleid
Youtube
Toestemming om inhoud weer te geven van - Youtube
Vimeo
Toestemming om inhoud weer te geven van - Vimeo
Google Maps
Toestemming om inhoud weer te geven van - Google