“Alle verzekeraars gebruiken regels en richtlijnen om te beslissen of een aanvraag wordt geaccepteerd of afgewezen. Als onderdeel van interne IT-systemen of ergens in een map op de plank. Deze richtlijnen weerspiegelen het gewenste risicoprofiel van de verzekeraar en bepalen welke risico’s wel of niet acceptabel zijn of eventueel onder bepaalde voorwaarden. Richtlijnen zijn dan ook een belangrijke manier om de gewenste kwaliteit van een portefeuille te realiseren. De verzekeringspremie wordt vastgesteld op basis van verschillende parameters, gebaseerd op het te verzekeren object, het dekkingsplan en het risicoprofiel van de potentiële klant. De grootste uitdaging in het acceptatieproces is om de kwaliteit van de portefeuille te waarborgen door het vermijden van verhoogde risico’s en mogelijke fraude.  Naar mijn mening is uitgebreide dataverificatie hierbij essentieel.

Essentiële informatie

Waarom is risico inschatting nodig? De richtlijnen sluiten hoge risico’s toch al uit en de prijsparameters houden rekening met de specifieke risicoprofielen? Vanuit mijn eigen ervaring kan ik zeggen dat de acceptatierichtlijnen bij bijna elke verzekeraar vrij simpel en overkoepelend zijn.

Laat ik een voorbeeld geven: een verzekeraar besluit om geen volledige cascoverzekering aan te bieden voor voertuigen van tien jaar en ouder. Of de verzekeraar besluit om vooraf geen risico-onderzoek te doen, om de staat van de auto en de juiste verkoopwaarde vast te stellen, voor auto’s duurder dan € 30.000, -. Het merendeel van de aanvragen wordt door deze controles dus niet geraakt en wordt zonder verdere beoordeling aan de portefeuille toegevoegd. Maar wat gebeurt er als één van die auto’s al eens total loss is verklaard bij een eerder ongeval? Wat als, na een ongeval, gekozen is voor een vergoeding in geld in plaats van een reparatie? Dit soort belangrijke informatie zou automatisch meegenomen moeten worden in de risicoanalyse door verzekeringsmaatschappijen en verrekend in de premie.

Geautomatiseerde risico inschatting

Het is begrijpelijk dat verzekeraars het acceptatieproces willen vereenvoudigen en de verzekeringsagent en de klant met zo min mogelijk documentatie willen lastigvallen. Maar het laat ruimte voor het manipuleren van gegevens om een betere prijs te krijgen. Het is bekend dat veel klanten liegen over hun leeftijd, de kilometerstand of woonadres, vaak op advies van de verzekeringsagent. Geautomatiseerde risico inschatting verifieert de door klanten en agenten ingevoerde gegevens met behulp van externe en interne databases. En opvallende verschillen wordt direct gemarkeerd voor verder onderzoek.

Zo hebben bijvoorbeeld in Griekenland veel mensen een zogeheten vakantiehuisje. Niet het type luxueuze villa waar wij West-Europeanen direct aan denken bij het woord vakantiehuis. Vaak gaat het om het ouderlijk huis op een van de eilanden of in dorpjes waar de mensen zijn weggetrokken om in de hoofdstad te gaan werken. Het verschil in premie tussen de landelijke gebieden en Athene kan oplopen tot wel 40%. Als iemand zegt in een afgelegen gebied te wonen maar hij heeft een inboedelverzekering voor zijn huis in Athene dan wordt deze discrepantie gemarkeerd.

Een ander voorbeeld, met betrekking tot jaarlijkse kilometers: over het algemeen is de aanschafprijs van een auto met een dieselmotor hoger dan met een benzinemotor. Deze hogere prijs wordt gecompenseerd door lagere brandstofprijzen maar dit wordt pas interessant bij een jaarlijks aantal gereden kilometers van minstens 20.000. Dus als iemand zegt niet meer dan 10.000 kilometer per jaar te rijden maar wel een dieselauto wil verzekeren dan volgt een markering en is verder onderzoek gewenst.

Claimgedrag

Over het algemeen kijken verzekeringsmaatschappijen bij het vaststellen van de premie alleen naar het aantal claims en niet naar de hoogte. Echter, iemand die betrokken is bij twee kleine, materiële schades zou een ander risicoprofiel moeten hebben dan iemand die twee grote aanrijdingen heeft geclaimd waar ook sprake is van persoonlijk letsel.

Een objectieve risico inschatting zou ook rekening moeten houden met eerder verzekeringsgedrag. In sommige Europese landen zijn mensen niet zo goed verzekerd als in andere. Er zijn gevallen bekend waar mensen hun auto pas verzekerden voor diefstal nadat het voertuig was gestolen. Na ontvangst van de polis doen ze dan aangifte bij de politie van hun gestolen auto.

Momenteel wordt de dekking voor diefstal vaak verrekend als een percentage van de waarde van het voertuig en in sommige landen is het afhankelijk van bepaalde regio’s. Stel dat je zou weten dat een klant zijn oude auto wil verzekeren tegen diefstal, terwijl hij dat nog nooit eerder heeft gedaan?

Meer gegevens, betere beslissingen

Alles bij elkaar denk ik dat verzekeraars enorm kunnen profiteren van toegang tot meer gegevens. Gebruik maken van software die snel data kan analyseren en vergelijken helpt bij het nemen van betere beslissingen over acceptatie en premies. Bovendien ondersteunt een geautomatiseerd screeningproces een objectieve en uniforme risicoanalyse. En dat resulteert weer in gezonde portefeuilles. Op deze manier kunnen verzekeraars blijven concurreren op prijs, zonder dat hun winstmarge aangetast wordt.”

Thomas Brinkmann, Country Manager bij FRISS voor Griekenland en Cyprus, is gespecialiseerd in schade- en aansprakelijkheidsverzekeringen. Brinkmann legt uit hoe risico inschatting voor Europese verzekeraars het proces van acceptatie en prijsstelling kan verbeteren. Zorg voor een goed beeld van potentiële klanten voordat ze een portefeuille betreden. Dit verlaagt de risico’s en helpt om fraude te voorkomen.