## Black-box та смартфон-телематика: дві архітектури даних, різні ML-задачі
UK моторна телематика страхування розділяється на дві різні архітектури даних із суттєво різними ML-характеристиками. Black-box (OBD-плагін чи професійно встановлені) пристрої надають високоточні, стійкі до підробки дані акселерометра, GPS та CAN-bus з послідовними частотами вибірки, роблячи їх добре придатними для детальної класифікації подій водіння з відносно низьким шумом. Смартфон-додаток телематика, тепер домінуюча модель для UK нових бізнес-котирувань з огляду на нижче тертя клієнта, вносить суттєво складніші ML-проблеми: розрізнення використання телефону водієм від пасажира, фільтрація дрейфу GPS та шуму акселерометра від пристрою, не жорстко закріпленого на транспортному засобі, та — критично для справедливого ціноутворення — надійне виявлення, чи дійсно страхувальник керував авто, а не був пасажиром у чужій машині.
## Моделі оцінки поведінки водіння та ціноутворення в реальному часі
Основні моделі оцінки поведінки в UK телематичному автострахуванні зазвичай комбінують частоту різкого гальмування та прискорення, g-силу поворотів, швидкість відносно встановлених лімітів, вплив часу доби та дня тижня (нічне водіння несе суттєво вищу вагу ризику з огляду на статистику дорожніх травм UK, що сильно зміщена в бік нічних годин), та нормалізацію за пробігом/експозицією, оскільки сирі підрахунки подій без нормалізації експозиції систематично карають водіїв з більшим пробігом. Перехід від статичного річного телематичного оцінювання до цінового коригування в реальному часі чи щомісяця підвищує ставки на калібрування моделі: страхувальник, чия ціна коригується щомісяця на основі ковзної оцінки поведінки, потребує, щоб ця оцінка була справді стабільною та пояснюваною.
## FCA Consumer Duty: лінза справедливого ціноутворення на телематичні моделі
FCA Consumer Duty, що діє з липня 2023 року, вимагає від фірм демонструвати, що результати ціноутворення справедливі і що клієнти не платять непропорційно за еквівалентний ризик — стандарт, що прямо застосовується до телематичних моделей ціноутворення. На практиці це означає, що UK автостраховики, що розгортають ML оцінки поведінки, повинні показати: що модель не створює нерівномірних результатів ціноутворення, корельованих із захищеними характеристиками за Equality Act 2010, навіть якщо ці характеристики не є прямими входами моделі (вік — особлива зона фокусу, оскільки програми телематики для молодих водіїв є найбільшим UBI-сегментом на UK ринку); що клієнти розуміють простою мовою, яка поведінка водіння впливає на їхню ціну; та що справді погана телематична оцінка не штовхає клієнта до непоновлення чи великого підвищення премії без адекватного повідомлення та шляху оскарження оцінки.
## UK GDPR та приватність водія: безперервне відстеження локації як ризик, суміжний зі спеціальною категорією
Безперервне GPS-відстеження локації, притаманне телематичному страхуванню, перебуває на незручному перетині зобов'язань UK GDPR, хоча дані про локацію водіння самі по собі не є спеціальною категорією за статтею 9. Основні зобов'язання, які страховики повинні виконати: чітка правова підстава (зазвичай договірна необхідність чи законний інтерес, причому останній вимагає задокументованої оцінки законних інтересів з огляду на приватність-інвазивний характер безперервного відстеження); мінімізація даних (стаття 5(1)(c)) — зберігання сирих GPS-трасувань лише стільки, скільки необхідно для цілей ціноутворення та претензій; прозорість щодо того, що саме відстежується, як довго та хто має доступ, особливо актуально коли члени сім'ї ділять транспортний засіб; та визначений процес прав суб'єкта даних, оскільки клієнти телематики часто подають запити на доступ саме щоб побачити свої власні оцінені дані водіння.
## Побудова обґрунтованої телематичної ML-програми
UK автостраховик чи MGA, що будує чи оновлює модель телематичного оцінювання, повинен ставитися до тестування справедливості, пояснюваності та мінімізації даних як до вимог моделі першого класу поряд з предиктивною точністю, а не як до шару комплаєнсу, прикрученого після побудови моделі — ретроактивне впровадження тестування справедливості на вже розгорнуту модель ціноутворення суттєво більш руйнівне, ніж проєктування з самого початку. Проєкти Codeworth з машинного навчання з UK автостраховиками та MGA у цій сфері зазвичай поєднують розробку моделі виявлення водія та оцінки поведінки з паралельним потоком роботи документації справедливості та Consumer Duty, забезпечуючи, що модель ціноутворення, яка потрапляє в продакшн, вже несе тестування нерівномірного впливу, документацію пояснюваності та дизайн мінімізації даних — окремо від ширшої роботи над моделями андеррайтингового ризику, яку Codeworth підтримує в галузі загального страхування, оскільки телематичне оцінювання несе власну специфічну архітектуру даних, ритм ціноутворення в реальному часі та міркування приватності безперервного відстеження, яких загальна модель андеррайтингу не має.
Пов'язані послуги Codeworth
Потрібна допомога з реалізацією?
Команда Codeworth готова втілити ці ідеї у вашому проєкті. Безкоштовна консультація.
Обговорити проєктСпеціаліст команди Codeworth.