вносят сумятицу в то, что раньше было стабильным и хорошо защищенным. Преобладающим подходам, использующим агрегированные и исторические данные, бросают вызов новые подходы, использующие для оценки риска данные на индивидуальном уровне и в режиме реального времени. Современные технологии позволяют осуществлять тщательный и точный мониторинг рисков отдельных субъектов в недоступных ранее формах. Например, вместо того чтобы использовать возраст и демографические параметры, выведенные из совокупности данных, для прогнозирования риска автострахования водителя, можно сделать это, непосредственно наблюдая за ним. А данные о наблюдаемых манерах вождения могут более точно предсказать риск автострахования водителя. Кроме того, с помощью этих данных можно влиять на поведение водителя, делая его более безопасным и тем самым снижая риск автострахования. Но и это еще не все: современные цифровые технологии меняют устоявшуюся практику страхового бизнеса по целому ряду других направлений.

Возьмем, к примеру, практику приема, обработки и урегулирования претензий. Автоматизация этой части цепочки создания стоимости страховой компании может снизить затраты на процесс урегулирования претензий до 30%. Например, в случае автомобильной аварии можно удаленно зафиксировать детали, где и как она произошла, а также подробную визуализацию повреждений автомобиля. Дочерняя компания Alibaba Ant Financial имеет продукт под названием Ding Sun Bao, который анализирует такие данные, используя инструменты глубокого обучения и распознавания образов на основе ИИ, что позволяет буквально реконструировать место аварии. Технология позволяет в течение нескольких секунд дать точную оценку ущерба, что дает возможность страховой компании быстро оформить и урегулировать претензию в цифровом виде, без бумажной волокиты. Кроме того, инструменты на основе ИИ позволяют выявлять и сокращать число мошеннических претензий.

Поскольку оценка рисков может производиться путем мониторинга активов и субъектов в режиме реального времени, в скором времени в этом бизнесе может возникнуть волна новых участников. Преобладающие барьеры входа в отрасль, основанные на необходимости большого количества субъектов для снижения среднего риска, могут перестать быть эффективным сдерживающим фактором. Благодаря возможности доступа к данным на индивидуальном уровне новые участники могут даже отбирать субъектов с низким уровнем риска. Некоторые секторы традиционного страхования, такие как автострахование и страхование жилья, могут столкнуться с натиском новых цифровых конкурентов.

Такие конкуренты могут войти в компанию через несколько отверстий. Компании, предлагающие датчики, предназначенные для сбора данных о погодных условиях и состоянии почвы в режиме реального времени с целью оптимизации производительности сельского хозяйства, могут также предоставлять фермерам услуги страхования урожая. Их данные не только позволяют точнее анализировать риски, но и помогают оперативно урегулировать претензии, когда датчики обнаруживают ущерб от вредителей или плохих погодных условий. Аналогичным образом компании, устанавливающие датчики в домах для мониторинга рисков утечки воды или пожара, могут предлагать страхование жилья. Операторы связи, устанавливающие телематику в автомобили, могут предлагать автострахование. Получая данные в режиме реального времени и осуществляя постоянный мониторинг, эти новые игроки могут не только прогнозировать риски, но и принимать меры по их снижению. Например, датчики, обнаруживающие прорыв водопроводной трубы в доме, могут автоматически отключить систему водоснабжения. Исследование McKinsey предсказывает, что в скором времени клиенты предпочтут платить премии не за возмещение ущерба, а за услуги по прогнозированию и предотвращению рисков. Для обслуживания таких клиентов страховым компаниям необходимо пересмотреть методы использования данных.

Страховой андеррайтинг, как и телекоммуникационный бизнес, о котором шла речь выше, традиционно является бизнесом, основанным на цепочке создания стоимости. Стандартной бизнес-моделью является андеррайтинг и продажа полисов. В рамках этой унаследованной бизнес-модели современные технологии помогают извлекать больше пользы из данных, открывая новые возможности в производственных экосистемах. Примерами повышения операционной эффективности страховых компаний могут служить оцифровка процессов урегулирования убытков или внедрение передовой аналитики для выявления и предотвращения мошенничества. Интерактивные данные индивидуального уровня, получаемые с помощью приложений, также могут помочь в создании новых сервисных функций, например, предиктивных предупреждений о надвигающемся риске для здоровья страхователя. Кроме того, данные такого рода могут использоваться для массовой настройки страховых полисов, стимулирующих индивидуальных потребителей снижением страховых взносов в случае, если они ведут себя так, чтобы снизить риск.

Более того, современные тенденции в этом бизнесе могут потребовать расширения существующих цепочек создания стоимости до платформ. Андеррайтинга и продажи полиса может быть уже недостаточно. Теперь не менее важно учитывать внешние факторы, влияющие на риск и тем самым повышающие доходность полиса. Например, страхование жизни и медицинское страхование становится более выгодным для страховой компании, если страхование влияет на более широкий образ жизни потребителя в сторону более долгой и здоровой жизни. Для оказания такого влияния страховой компании может потребоваться работа с цифровыми платформами, которые связывают потребителей с различными объектами, улучшающими здоровье, например носимыми устройствами, или организациями, например инструкторами по йоге или физическим тренировкам.

Другими словами, страховым компаниям, возможно, придется не только совершенствовать свои производственные экосистемы, но и взаимодействовать с экосистемами потребления. Мы видим, как это делают некоторые компании. Китайская страховая компания Ping An предлагает различные приложения и платформы в таких областях, как здравоохранение, продажа автомобилей и недвижимости. С помощью этих приложений и платформ Ping An участвует в экосистемах потребления, связанных с медицинским, автомобильным и домашним страхованием. WeChat, суперприложение компании Tencent, о котором говорилось в главе 8, в 2017 году вошло в пространство онлайн-страхования. Мы видели, чего добилась эта компания, используя огромные массивы интерактивных данных через свои приложения, чтобы получить преимущество в экосистемах потребления банков. Сможет ли она сделать то же самое в страховом бизнесе, покажет время.

Выбор варианта цифровой конкурентной стратегии

Из тенденций, наблюдаемых в этих различных бизнесах, можно выделить три момента. Во-первых, возможности извлечения новой ценности из данных могут исходить как из производственной, так и из потребительской экосистемы. Во-вторых, компании по-разному реагируют на эти новые возможности. То, что может быть рискованным выбором для одной компании, может показаться привлекательным вариантом для другой. В результате компании, скорее всего, будут делать разные ставки на то, какой акцент они сделают на своих цифровых инициативах. И, в-третьих, от того, как компании будут делать эти ставки, будет зависеть характер цифровой конкуренции и конкурентная динамика в различных цифровых экосистемах.

В нефтегазовой отрасли новые возможности появляются преимущественно в производственных экосистемах предприятий. Эти возможности также представляются достаточно очевидными для всех действующих компаний. Таким образом, большая часть конкуренции в нефтегазовой отрасли ограничивается производственными экосистемами компаний. И, возможно, так будет и в дальнейшем. В телекоммуникациях новые возможности появляются в экосистемах потребления операторов связи. Есть первые признаки того, что инкумбенты заинтересованы в использовании этих возможностей. Как они закрепят свое присутствие в управлении новыми IoT-приложениями, которым они способствуют, и как они будут конкурировать с собственными платформами и