Статистика РГС показывает, что цвет машины не влияет на риск аварии

Модели машинного обучения (ML), которые использует Росгосстрах для расчета технических тарифов клиентам по автострахованию, поставили точку в долгих спорах о том, насколько серебристая машина на дороге безопаснее красной, и склонны ли Скорпионы лихачить за рулем больше Дев. Аналитики данных, проанализировав с помощью ML страховую историю миллионов российских автомобилистов по нескольким сотням параметров, не нашли корреляции между цветом автомобиля, знаком зодиака его владельца или «опасными» цифрами в дате рождения водителя по матрице нумерологии с уровнем реальных рисков за рулем. И потому признали эти факторы несущественными для скоринга.

Росгосстрах уже не первый год использует искусственный интеллект для определения рисков автовладельцев и расчета тарифа по ОСАГО и каско. В ходе тестирования эксперты компании проверяли гипотезы о влиянии самых разных факторов на потенциальную убыточность договора — в том числе и довольно экзотических. Модели машинного обучения ищут и выстраивают взаимосвязи в огромной базе РГС на большом массиве данных по клиентам, договорам, страховым случаям. И применительно к астрологии и нумерологии ничего влияющего на вероятность наступления страхового случая или его тяжесть обнаружено не было.

Впрочем, более существенно, что анализ с помощью ИИ позволил отсеять более 500 не влияющих на событие признаков. В том числе разрушил очень распространенное предубеждение о связи цвета машины (кроме желтого и такси) с вероятностью угодить на ней в аварию. Сейчас этот параметр относится к эстетическим предпочтениям клиента, а не к его потенциальным рискам. По сути, анализ с помощью ИИ подтвердил, что на риски влияет не яркость или, напротив, неприметность окраски машины, а другие факторы: поведение водителя на дороге и его опыт, склонность к нарушению ПДД, специфика территории, по которой он ездит, мощность автомобиля и его пробеги и т.п.

Как рассказала директор Департамента анализа и моделирования Росгосстраха Ольга Вересова, сегодня для расчета справедливого тарифа для автомобилистов в модели оценки рисков заложено более 100 факторов. И, например, в каско помимо параметров самого водителя и автомобиля серьезную роль играет географическая локация — особенности места жительства и поездок клиентов. Использование всей доступной информации по территории (например, что рядом есть школа или на этом ближайшем перекрестке постоянно происходят ДТП), позволяет сделать объективные выводы относительно аварийности и опасности различных географических локаций с большой детализацией и учитывать это для прогноза убыточности договора автострахования. С учетом этого автоматизированный анализ данных позволяет снизить стоимость полиса в зависимости от рисков конкретного клиента до 30%.