Analýza pojištění obecné odpovědnosti Produkt budoucnosti? Pojištění odpovědnosti je šance Praha 22. listopadu 2016 Petr Jedlička vedoucí analytik, SUPIN
Agenda. 1. Popis analyzovaných dat RES (Registr Ekonomických údajů) z ČSÚ Údaje pojišťoven o pojištěných subjektech 2. Dodání dat a průběh jejich analýzy Metodika k doplnění údajů o pojištění pro všechny členy ČAP Spárování údajů pojištění se všemi evidovanými subjekty Bez evidence pojištění na konkrétní IČ 3. Výsledky Rozdílná úroveň propojištěnosti dle sledovaných kritérií Komplexní model, datamining, tj. nikoliv základní jednorozměrná dělení 4. Závěry a doporučení Kde je nízká propojištěnost objektivní a kde je naopak správné prosazovat navýšení 1
Data Registr Ekonomických subjektů od ČSÚ. Nákup datového nosiče o všech aktivních ekonomických subjektech (definovaných svým IČ). Obsahuje cenné údaje pro další segmentaci. Odstraňuje nutnost sjednotit tarifní a segmentační specifika pojišťoven. Nejen pro analýzu GTPL ale i např. pro rizikovost POV (vhodná synergie využití těchto dat v SUPIN). Jedná se o tato data (celkem 2,7 mil. subjektů). Regionální a adresní informace o subjektech. Právní forma společnosti (OSVČ, s.r.o., a.s.,k.s., ). Kategorie obratu společnosti. Počet zaměstnanců. Hlavní ekonomická činnost dle NACE (Nomenclature générale des Activités économiques). Institucionální členní pro výkaznictví ČNB. 2
Řešení analýzy s pojistiteli. Ze strany pojišťoven (Prezídium ČAP, Neživotní sekce) je poptávka po posilování pojištění odpovědnosti podnikatelů Rostoucí rizika, Nový občanský zákoník Celotržní informace o rozsahu propojištěnosti chybějí Analogie dat POV pro jiná odvětví na českém trhu neexistuje Získání informace pro odpovědnost podnikatelů umožňuje: Konkretizovat dle dostupných kritérií segmenty s nízkou propojištěností Nabídka vhodných produktů ze strany pojišťoven. Ukazatel propojištěnosti sledován v kategoriích firem ve dvou variantách 1) Počet subjektů obec. odpovědnosti ( Pojištění 1 ) ke všem aktivním subjektům 2) Počet subjektů obou typů odpovědnosti ( Pojištění 1 + Pojištění 2 (profesní odpovědnost)) ke všem aktivním subjektům Základní relativní výsledky 1) Podíl propojištěnosti 1 = 8,5% (= každý 11. subjekt je pojištěný) 2) Podíl propojištěnosti 1 + 2 = 14,4% (= každý 7. subjekt je pojištěný) Pro další výsledky podstatné dělení propojištěnosti dle segmentačních kategorií 3
Postupný vývoj dataminingu. Modře označené konečné uzly dataminingu 4
Z konečných uzlů datamingu definovány tarifní skupiny se zcela rozdílnou úrovní propojištěností. Skupiny 1A (mrtvé duše) až 3 (nejmenší OSVČ ) = propojištěnost do 5 % Očekávatelné neaktivní subjekty resp. minimální aktivita Skupina 1B (SVJ), 4 (OSVČ nad 200 tis. Kč) a 5 (firmy bez zaměstnanců) = propojištěnost 16 % až 26%, existuje potenciál pro navýšení Skupina 6 (firmy se zaměstnanci) a 7 (OSVČ se zaměstnanci) = propojištěnost 44 % až 59 %, také potenciál pro navýšení propojištěnosti Skupiny 8 (od 6 zam. a obrat 3 mil.) a 9 (zdravotnictví) = propojištěnost 100 % 5
Rozdílné dělení subjektů z pohledu RES a pojištění. Skupiny s minimálním potenciálem aktivity = 66 % všech subjektů RES (1,8 mil.), ale jen 9 % všech pojištění (35 tis.) OSVČ nad 200 tis., firmy bez zaměstnanců a SVJ = 23 % všech subjektů (630 tis.) a 33 % podíl na pojištění (132 tis.) Subjekty se zaměstnanci = 7% v RES (209 tis.) a 28% v pojištění (114 tis.) Subjekty od 6 zaměstnanců a 3 mil. Kč obratu a zdravotnictví = 4% v RES a 30% v pojištění (obojí cca 120 tis) 6
Regionální rozdíly ukazují vliv holdingových společností pojišťující i rizika dceřiné firmy než reálný potenciál. 7
Prakticky použitelné výsledky (1/2) Specifikovat počtem subjektů významné segmenty s nízkou propojištěností. např. i vůči celkově nízké úrovni u OSVČ bez zaměstnanců Vysokým počtem subjektů vysoký potenciál pro další pojištění. např. přes 10 tis. subjektů dle RES Lze vymyslet konkrétní příklady rizika při zjištěné nízké propojištěnosti. Další vlivy na propojištěnost neobsažené v datech zejména u OSVČ bez zaměstnanců. živnost vykonávaná jako vedlejší činnost, zaměstnanecká činnost vykonávaná na OSVČ 8
Prakticky použitelné výsledky (2/2) Přístup k potenciálu navýšené propojištěnosti přes tarifní skupiny bez detailu ekonomických činností a regionů (pouze částečný vliv) Scénář 1 Potenciál při navýšení propojištěnosti k sousední nejbližší vyšší tarifní skupině Potenciál 140 tis. subjektů nově pojištěných Scénář 2 Navýšení propojištěnosti o 10 p. b. průřezově Potenciál 260 tis. nových pojištění Scénář 3 Maximální nárůst propojištěnosti v segmentech společností mimo neaktivních Potenciál až cca 550 tis. nových pojištění Závěry analýzy: Provedena kvantifikace propojištěnosti ekonomických subjektů Nalezeny konkrétní neaktivní segmenty se spornými možnostmi navyšování propojištěnosti i segmenty s jasným potenciálem Data umožňují získání informace o existenci pojištění, ne o jeho dalších parametrech (limity, pojistné, škody, technické výsledky ) Námět rozšíření a další analýzy (30. 6. 2017?) 9
RNDr. Petr Jedlička, Ph.D. vedoucí oddělení pojistné matematiky a analýz SUPIN s.r.o. budova Gemini B Na Pankráci 1724/129 140 00 Praha 4 T +420 221 413 119 M +420 739 451 817 E petr.jedlicka@supin.cz Děkuji za pozornost