保險業使用大數據分析的潛在監理議題

圖/美聯社
圖/美聯社

陳豐年/執業律師、前財團法人金融消費評議中心評議處處長

台灣保險業目前已逐漸採用大數據分析技術(Big Data Analytics, BDA),保險產業價值鏈也因此造成重大衝擊與重組。該技術固然可令保險業獲得遠勝傳統分析技術下可取得資訊,但也潛藏下列諸多缺點與風險,值得保險監理機關與消費者注意:

一、保險保障的適當性、可獲得性與可負擔性考量

大數據分析技術可以輔助保險人在核保風險分類、行銷、定價、理賠等階段,獲得更加精確分類與資訊,進而打造客製化保險商品,滿足保險商品「適當性」、「可獲得性」需求。

但是,更精確的分析結果同時也意味著將導致「保險孤兒」(insurance orphans)的出現,也就是保險業者不願意對某種高風險曝險者提供保險保障,抑或對此種潛在保險需求者索取其等無法負擔之保險費。如此一來,恐會導致廣大社會大眾對保險服務喪失信心。

另外,隨著大數據分析技術而來的,可能產生少數保險公司寡占保險市場的疑慮。理由是,大數據分析前提是進行分析的保險人手上須擁有大量要保人相關資料,並且必須對大數據分析技術進行高額投資。一般而言,符合上開條件的保險人往往是大型保險公司,因為其等保戶數量龐大、資金充沛。長期以往,有能力、資力進行大數據分析的少數保險公司將自保險競爭市場中脫穎而出,進而擁有極高的市場占有率。如此,將可能引發國際保險監理關協會(International Association of Insurance Supervisors, IAIS)與學者所擔心的保險市場是否還能進行公平競爭問題。

二、對演算法(algorithm)的治理與監督

隨著發展時間的經過,演算法日趨複雜且欠缺透明。因此,IAIS建議適用現存對演算法風險管理以及公平待客的要求,包含:與客戶溝通與揭露將使用來分析的演算法、個資如何被使用以及相關風險等等。

對於演算法監督部分,IAIS建議保險監理機關能儘速制定有關使用演算法的妥適準則-諸如最佳實務準則、使用道德指引等;要求保險人採取相關措施,以確保盡可能剔除錯誤與偏見;確保演算法可信賴性,以及特定資料群組的精準性與相關性。例如,應聘請專家過濾各個變數間相關性,以確保不需要或可能孳生偏見的資料進入分析中。

三、第三方風險管理

大數據分析涉及的不僅僅是保險人,同時還有保險人以外的第三人,所以保險監理機關亦須一併考量,如何要求保險人有效控管收受要保人個資的第三方。舉例而言,於提供雲端運算(cloud computing)的第三方、協助設計演算法的程式設計公司等外部第三人,都有可能直接或間接獲得保險人手中保管的個人資料或隱私。所以,監理機關如何要求保險人控管前述相關資訊安全,將成為未來監理機關重要議題。

此外,由於有能力提供大數據分析技術相關服務的提供者數量不多,如何確保有此等能力之服務提供者持續提供服務,避免未來客戶無法獲得穩定服務,也是監理機關須多加考慮的重要課題。

又大數據分析所需資訊經常須跨境取得,各國的保險監理機關如何透過資訊交換協定與合作,俾以取得監理上所須資訊,也是可預見未來國際保險監理的焦點。

四、所有權與資料來源

在涉及外部提供資料給保險人進行大數據分析時,例如汽車製造商提供汽車駕駛人駕駛行為或習慣資料給車險公司,抑或穿戴式裝置資訊所有人將相關生理資訊提供給健康險保險人時,經過分析的成果歸屬於何人?理由是,汽車所有人與穿戴裝置所有人是原始資料所有人,但透過保險人以演算法加以分析後所得資料應歸屬何人?恐有疑義。

更甚者,如果保險人進而以分析之後資料作為拒絕承保或調高保險費之依據時,更是無法認為原始資料所有人於資料移轉予保險人時有默示同意。從而,IAIS建議在未來監理機關宜與其他個人資料保護機構、主管機關或產業公會等,共同積極研商如何減少此種損及保險消費者權益之資料利用行為。

綜上所述,BDA的使用為保險業者提供質量遠甚過往的資訊,甚至有助於普惠金融(financial inclusion)政策之達成。但該技術的引進猶如打開潘朵拉盒子一般,保險孤兒的產生、演算法的透明與監督、資訊隱私與所有權歸屬等等,都將是伴隨而來的潛在議題。筆者期望能藉由本文提醒保險業者與監理機關,及早關注並因應上開問題。

>>訂閱名家評論周報,關心全球財經大小事

延伸閱讀