TEXT MINING E MACHINE LEARNING PER I DATI NON STRUTTURATI

Una delle aree di grande sviluppo dell’informazione è quella correlata all’estrazione di valore dai dati non strutturati. Quando si parla di dati aziendali è evidente che si considerano sia quelli strutturati, già depositati in data base e accessibili immediatamente alle analisi, sia quelli non strutturati, a cui afferiscono normalmente le informazioni che si possono definire testuali o che derivano da immagini: il peso di queste informazioni è notevole, tanto che nel 2018 si è stimato che l’80% del patrimonio informativo aziendale è costituito da dati non strutturati e che la loro crescita avviene con un tasso del 65% annuo; un contributo notevole alla sfera dei big data, che si prevede raggiungerà entro il 2025 il peso di 163 zettabyte. 

Nicola Biscaglia, principal di Milliman e practice leader P&C in Italia e Cee, è intervenuto all’Innovation Summit 2021 con una testimonianza sull’importanza dei dati non strutturati e su come sia possibile estrarre il valore implicito dalle fonti testuali per utilizzarle a livello statistico e computazionale: “Imprese come Microsoft, Google, Amazon, hanno già avviato questa strada – ha detto Biscaglia – e lo stesso sta avvenendo nel mondo assicurativo, in cui come Milliman abbiamo sviluppato una soluzione ad hoc per l’interpretazione dei dati testuali relativi ai sinistri”. Per chi lavora in ambito attuariale la novità non è di poco conto considerando che, ha osservato Biscaglia, “per la stima del costo atteso dei risarcimenti e le proiezioni future si utilizza ancora lo stesso set di dati degli ultimi 20-30 anni”. È cresciuta nel tempo la mole di dati disponibili presso le compagnie, ma la maggioranza delle informazioni resta a livello testuale e non viene strutturata in processi di standardizzazione che consentirebbero la loro storicizzazione, riducendo di conseguenza la possibilità di utilizzarli. 

A questa esigenza vengono incontro due specifiche branche dell’intelligenza artificiale, in grado di “leggere” e ordinare i dati non strutturati: il machine learning e il text mining. L’uso combinato dei due sistemi consente di analizzare i dati testuali (quali testi liberi, foto, appunti, questionari, email etc.) per individuare informazioni rilevanti e strutturarle a scopo di analisi e previsione, così da ampliare la disponibilità dei modelli di analisi delle compagnie.

Biscaglia ha presentato un esempio di applicazione sui sinistri Rc auto finalizzata a fornire ai dipartimenti sinistri valutazioni automatiche del costo ultimo prevedibile: “I dati sono ristrutturati in categorie che descrivono il sinistro quali la dinamica dell’evento, il meteo, lo stato dell’ambiente, le condizioni della strada, i dati raccolti dagli smartphone. A queste si possono integrare le informazioni che arrivano dalla polizia o dal soccorso medico, quelle relative ai riscontri peritali, i materiali relativi alle azioni legali e alle eventuali cure necessarie per le persone coinvolte”. Tali indicazioni contribuiscono ad arricchire i data set delle compagnie e permettono di lavorare su sistemi previsionali più accurati.