Motor: fino a che punto i dati della Black Box possono

migliorare la tariffazione RCA?

Il mercato RCA sta attraversando un periodo di profondo cambiamento che porterà a rivedere il

concetto di copertura ed il modo in cui viene costruita una tariffa. Grazie alle black box è ora possibile

fare molteplici studi, ad esempio sul comportamento alla guida dell’assicurato o sulla dinamica di un

sinistro. Tuttavia solo le Compagnie assicuratrici possono utilizzare questi dati in quanto occorre

integrarli con i dati di portafoglio se si vuole evitare conclusioni errate.

(Source: Analisi interna)

Ma come questi devices possono essere utilizzati? La maggior parte delle Compagnie assicuratrici

presenti nel mercato non utilizzano i dati raccolti da questi devices o li utilizza solo in parte. La

motivazione principale di questo è che purtroppo non tutte possiedono un campione abbastanza

significativo di polizze nel proprio portafoglio per poter introdurre queste variabili all’interno dei

modelli di pricing. In questo contesto si potrebbe creare un vantaggio competitivo per i device

producer che grazie alle molteplici partnership con le Compagnie sono riusciti negli anni a raccogliere

una quantità di informazioni molto elevata.

Ma qualora si riuscisse ad utilizzare questi dati, questi sarebbero sufficienti da soli a migliorare la

qualità del pricing? In realtà i dati raccolti dalle black box permetterebbero di migliorare il pricing se

uniti ai dati di portafoglio delle Compagnie. Variabili come l’età del conducente, gli anni di esperienza

alla guida o il numero di incidenti presenti nel suo attestato di rischio sono solo alcuni esempi di

informazioni che una black box non può raccogliere ma comunque indispensabili per una corretta

profilazione dell’assicurato.

Negli anni le Compagnie hanno cercato di introdurre gradualmente queste nuove variabili. Una delle

prime forme di utilizzo dei device è sicuramente l’analisi dei km/anno percorsi durante il periodo di

copertura secondo la formula “più guidi, più paghi!”. L’idea di fondo è che la frequenza sinistri cresca

all’aumentare dei km percorsi in quanto aumenterebbe la probabilità di incidente. Tuttavia la relazione

non è così lineare. Infatti è possibile che chi registra più km/anno lo faccia perché magari utilizza

maggiormente le autostrade che secondo l’Istat registrano meno incidenti (5%) rispetto ad una strada

urbana (76%). Oppure è intuitivo pensare che un guidatore sia più propenso alla guida di lunghe

distanze qualora possegga un veicolo nuovo oppure maggiori abilità nella guida (Boucher et al, 2013).

Per questo l’integrazione di altre variabili è considerato fondamentale per migliorare l’accuratezza dei

risultati e non è detto che queste informazioni possano essere raccolte tutte con la black box.

Un importante ricerca condotta dall’Università di Barcellona (Ayuso, Guillén & Marìn, 2016) ha

indagato sulle relazioni che possono esistere tra diverse variabili collezionate dalle black box. Lo studio,

condotto dal 2009 al 2011 su 8.198 polizze di assicurati spagnoli under 30, ha prodotto interessanti

risultati dimostrando come molte delle distinzioni che esistono tra guidatori uomo / donna sono in

realtà imputabili ad altre variabili che identificano uno stile di guida differente tra i due sessi. Nello

specifico gli uomini sono considerati più rischiosi delle donne perché superano i limiti di velocità più

spesso ed i percorsi utilizzati dagli stessi sono molto più rischiosi.

In conclusione l’utilizzo dei dati sulle black box può migliorare il processo di profilazione degli assicurati,

ma per fare questo occorre fare attenzione a non giungere a conclusioni poco significative.

L’esperienza raccolta dalle Compagnie assicuratrici nel corso degli anni rappresenterà quindi

sicuramente un vantaggio anche per il futuro.

Source:

ISTAT, Incidenti stradali in Italia nel 2014, http://www.istat.it/it/files/2015/11/ISTAT_incidenti_stradali_2014.pdf

AYUSO, Mercedes; GUILLÉN, Montserrat; MARÍN, Ana María Pérez. Using GPS data to analyse the distance travelled to the first accident at

fault in pay-as-you-drive insurance. Transportation Research Part C: Emerging Technologies, 2016, 68: 160-167.

BOUCHER, Jean-Philippe; PÉREZ-MARÍN, Ana M.; SANTOLINO, Miguel. Pay-as-you-drive insurance: the effect of the kilometers on the risk of

accident. In: Anales del Instituto de Actuarios Españoles. Instituto de Actuarios Españoles, 2013. p. 135-154.