Убийственные большие данные. Как математика превратилась в оружие массового поражения

Мы уже обсуждали, как все большая зависимость от кредитного скоринга в экономике в целом работает против бедных. Оценка водителей – еще один пример той же тенденции, причем совершенно беспредельного масштаба, учитывая, что страховка обязательна для всех, кто водит машину. Прокси здесь используется, несмотря на наличие гораздо более релевантной информации. Я не могу себе представить, что может быть важнее для автомобильных страховщиков, чем информация о том, что потенциальный клиент был в прошлом обвинен в пьяном вождении. Это прямое указание на риски именно в той части поведения клиента, которую они пытаются предсказать. И это гораздо важнее, чем любые прокси, которые они рассматривают – в том числе, например, успеваемость клиента в те годы, когда он еще был старшеклассником. И в то же время эти данные могут иметь гораздо меньшее значение в их формуле, чем результат, полученный из кредитной истории (которая к тому же, как мы уже видели, иногда бывает совершенно ошибочной).

Так почему же вообще эти модели так сосредоточены на кредитных историях? Как и в случае с другими видами ОМП, автоматические системы могут с высочайшей эффективностью и в огромных масштабах обрабатывать массивы данных – в том числе и данных из кредитных историй. Но я считаю, что основная причина связана с желанием максимизировать прибыль. Если у страховой компании имеется инструмент, который может вытянуть лишние 1552 доллара у водителя с безупречным прошлым, зачем это менять? Жертвами оружия математического поражения, как мы видели и в других местах, с большей вероятностью становятся люди более бедные и менее образованные, многие из них – иммигранты. Они с меньшей вероятностью дознаются, что их обобрали. И в районах, где контор, предлагающих микрокредиты, больше, чем страховых фирм, сложно найти более низкие ставки. Короче говоря, пусть страховой рейтинг и не коррелирует с безопасным вождением, зато он создает прибыльную группу уязвимых водителей. Многие из них отчаянно нуждаются в том, чтобы иметь возможность водить машину: от этого зависит их работа. Назначение им завышенной цены в конечном итоге оказывается выгодным для страховой компании.

С точки зрения автомобильного страховщика, это со всех сторон выигрышная ситуация. Хороший водитель с плохой кредитной историей – это маленький риск и отличное вознаграждение. Более того, компания может использовать какую-то часть собранных средств на покрытие неэффективных элементов системы – например, выплаты по страховым случаям клиентов с прекрасной кредитной историей, которые заплатили за свою страховку меньше, но тут же попали в пьяном виде в аварию.

Это может показаться слегка циничным. Но давайте рассмотрим алгоритм оптимизации цен в страховой компании Allstate. Согласно данным Федерации потребителей Америки (CFA), Allstate анализирует потребительскую и демографическую информацию, чтобы определить вероятность того, что клиент отправится искать более выгодные предложения. Если эта вероятность низка, имеет смысл взять с клиента побольше. Именно это Allstate и делает.

И это еще не все. CFA предоставила департаменту страхования штата Висконсин доклад, в котором перечислила 100 тысяч микросегментов в схемах ценообразования Allstar. Эти ценовые уровни зависят от того, сколько каждая группа готова заплатить. Соответственно, некоторые клиенты получают скидку в 90 % от среднего уровня цен, тогда как у других запрашивают 800 %. Джей Роберт Хантер, директор по страхованию CFA и бывший страховой инспектор от штата Техас, заявил, что

ценовая политика Allstate теперь не привязана ни к правилам, согласно которым величина страховых взносов должна зависеть от степени риска, ни к закону вообще.

Allstate в ответ заявила, что обвинения CFA некорректны. Однако компания признала, что «рыночные соображения, соответствующие принятой в индустрии практике, применялись в разработке цен на страхование». Другими словами, модели компании изучают множество прокси, чтобы рассчитать, сколько взять с того или иного клиента. И другие компании в этой индустрии занимаются тем же.