Underwriting
Definisi Singkat
Pemanfaatan analisis data besar untuk pricing, underwriting, dan deteksi fraud.
Penjelasan Lengkap
Data analytics insurance adalah penggunaan teknik analisis data — statistik, machine learning, big data — untuk meningkatkan pengambilan keputusan di seluruh value chain asuransi.
Penerapan:
- Pricing & underwriting: segmentasi risiko lebih granular, prediksi klaim
- Claims management: deteksi fraud, prediksi severity, triage otomatis
- Customer analytics: prediksi churn, customer segmentation, personalisasi
- Distribution: optimasi channel, lead scoring, next-best-action
- Reserving: prediksi IBNR lebih akurat
- Risk management: catastrophe modeling, portfolio optimization
Jenis analytics:
- Descriptive: apa yang terjadi (dashboard, laporan)
- Diagnostic: mengapa terjadi (root cause analysis)
- Predictive: apa yang akan terjadi (machine learning models)
- Prescriptive: apa yang harus dilakukan (optimization)
Sumber data:
- Data internal (polis, klaim, nasabah)
- Data eksternal (cuaca, demografi, ekonomi, IoT, social media)
- Third-party data providers
CONTOH PENGGUNAAN
Perusahaan asuransi kendaraan menerapkan predictive analytics untuk fraud detection. Model menganalisis 50+ variabel per klaim. Hasil: 5% klaim ditandai sebagai suspicious, 60% dari flagged claims terbukti fraud setelah investigasi. Penghematan Rp 50 miliar/tahun dari pencegahan fraud. False positive rate hanya 2% — tidak mengganggu klaim legitimate.
Istilah Terkait