Esitelmä

BIG DATA – TIIKERINLOIKKIA
VAI SUDENKUOPPIA
AKTUAARILLE?
Esko Kivisaari
25.11.2015
1
2
UUSIEN TOIMIJOIDEN MAAILMA
Spotify + Netflix
AirBnB
Uber
Jne
Mikä tekniikka syrjäyttää perinteiset finanssiliiketoiminnot
3
(BITCOIN) -> BLOCKCHAIN ELI LOHKOKETJU
Julkinen tilikirja – toteutettu julkiseen avaimeen perustuvalla
salaustekniikalla
Mahdollisuus rekisteröidä finanssitransaktioita ilman, että välillä on
luotettua riippumatonta rekisterin pitäjää (esim. pankki)
Tekniikka Bitcoinin takana (double-spend –ongelman ratkaisu) –
mutta käytettävissä paljon laajemmalla alueella
4
5
BIG DATA – SUPERTYÖKALU?
6
DATAN MÄÄRÄN RÄJÄHDYSMÄINEN KASVU
7
FT 2.2.2015: INSURERS’ USE OF BIG DATA WILL
NOT EMPOWER ALL CONSUMERS
8
ECONOMIST 25.10.2014
9
ECONOMIST 14.3.2015: RISK AND REWARD
10
ECONOMIST 14.3.2015: TRICKY BUSINESS
11
DATAN KÄYTÖN MAHDOLLISUUDET
12
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)
13
BIG DATA JA AKTUAARI
14
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 vastuunlaskennassa siirtyä pro rata –tyyppisistä säännöistä tai
tuntemattomin varauksen historiaan pohjautuvasta laskennasta Big Datasta
johdettuihin arvioihin?
Voidaanko työttömyyttä ennustaa Tilastokeskuksesta saatavia lukuja
nopeammin?
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?
15
HINNOITTELUTEKIJÖIDEN ARVIOINTIA
Tilastollinen
Käytännöllinen
Yhteiskunnallisesti hyväksyttävä
Laillisesti sallittu
Auttaako Big Data haitallisen vastuunvalinnan hallinnassa ja moraalikadon
estämisessä?
16
BIG DATAN KÄYTÖN HAASTEET
17
BIG DATAN KÄYTÖN HAASTEET
Tarvitaan uutta analytiikkaa – syy-/seuraussuhteen ymmärtämistä
Big Data lupaa paljon – paremmat tariffitekijät aktuaarin käyttöön
Haasteita:
Miten löydetään datasta syy-/seuraussuhteet?
Onko aktuaarin malleilla ennustevoimaa – vai onko malli
ainoastaan sovitettu käytettävissä olevaan dataan?
18
HYÖTYYKÖ VAKUUTETTU BIG DATASTA?
19
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
20
ECONOMIST 3.10.2015
21
22