VALUTARE IL RISCHIO METEO IN BASE AL CONTESTO

La scienza dei dati può supportare le compagnie, offrendo informazioni più precise che aiutino a comprendere meglio il rischio che si assumono. Elaborazioni più sofisticate e basate su fonti in numero maggiore e di migliore qualità, possono portare informazioni aggiuntive, in particolare in un contesto in mutamento come quello dell’impatto degli eventi climatici, per il quale le serie tradizionalmente utilizzate non sono più applicabili con sicurezza. Un esempio di score innovativo, applicato al rischio auto connesso ai cambiamenti climatici, è l’indicatore Crif Climate Risk, realizzato da Crif, che ha recentemente vinto il G20 Tex Print, sfida promossa dalla presidenza italiana del G20 per innovazioni disruptive in materia di finanza sostenibile. Al convegno di Insurance Connect sull’Rc auto, Filippo Sirotti, senior director – offering development – insurance market di Crif, ha spiegato che “i data scientist hanno creato uno strumento analitico a servizio del pricing osservando la realtà del territorio. Il loro scopo è stato di sviluppare uno strumento che permetta una maggiore conoscenza sull’esposizione di un bene, così da aiutare nella definizione di un prezzo di polizza più accurato in fase di sottoscrizione”. 

Un esempio di applicazione dello score realizzato riguarda le garanzie Cvt sugli eventi naturali, esposte a dati importanti di sinistri soprattutto per i casi di grandine.

“Lo scopo dell’indicatore di Crif è di migliorare la previsione di un evento meteo e delle sue conseguenze in relazione all’area in cui si manifesta”, ha illustrato Sirotti. Per questo vengono considerati i tre ambiti del rischio meteo, del rischio legato alla protezione del veicolo e del rischio cliente, inteso come correlato ai comportamenti attesi di tutela del bene e definito in funzione delle caratteristiche socio-economiche di una microzona.

A partire dall’indirizzo di residenza dell’assicurato, il modello esamina più di 80 variabili raccolte da una pluralità di fonti, a partire dai dati meteo storici degli ultimi dieci anni relativi alla zona. In un periodo di evoluzione del rischio meteo come è l’attuale, è però necessario supportare le informazioni storiche con altre che possano testimoniare l’andamento recente degli eventi naturali. A questo scopo, l’indicatore di Crif effettua l’analisi semantica dei testi delle cronache locali, che riportano dell’intensità degli eventi e dei danni provocati, in supporto alla valutazione previsionale dell’intensità. Vengono inoltre analizzati i dati urbanistici e sociali, ad esempio la tipologia di abitazioni, per considerare la presenza o meno di ricoveri per le auto. 

L’esito della complessa analisi è una mappa del rischio che può sottolineare differenze micro-territoriali significative. “In fase di test, lo score ha mostrato di saper ordinare i cluster di rischio distinguendo le situazioni di alta e bassa esposizione, confermando il potenziale miglioramento previsionale per gli utilizzatori”, ha concluso Sirotti.