위험 손해율에 따른 언더라이팅 전략 최적화(아주 아주 IDEAL)
1. 현황 분석
- 위험손해율(A/E Ratio) 분석
- 담보/상품/채널/연령군 별 분석
- 손해율 편차의 주요 원인 식별 (연령, 성별, 담보, 채널)
- 담보/상품/채널/연령군 별 분석
- 경쟁사 및 시장 벤치마킹
- NHISS(건보공단), HIRA(심평원), KOSIS(국가통계포털) 등 데이터 활용
- 타사 동일 연령/질병 보험료 수준 비교
2. 위험도 정량화
- 상대위험도 (Relative Risk)
- 코호트에서 주요 위험 요인(연령, 성별, 과거병력 등)에 따른 상대위험도 산출
- Underwriting misclassification 영역 도출 (예: 특정 연령대 과잉 인수/제한)
- 과잉 인수: 실제로 위험도가 높은데 현재 기준에서 인수되는 그룹 → 손해율 악화 원인
- 과잉 제한: 실제로 위험도가 낮은데 현재 기준에서 거절되거나 부담보로 빠지는 그룹 → 불필요한 판매 기회 상실
- 과잉 인수: 실제로 위험도가 높은데 현재 기준에서 인수되는 그룹 → 손해율 악화 원인
- 코호트에서 주요 위험 요인(연령, 성별, 과거병력 등)에 따른 상대위험도 산출
- 위험점수 (Risk Score)
- Machine Learning을 활용한 Risk 보조 지표 개발
- 최적 판매비중 (Optimized Sales Mix)
- (예시) Loss-Sales Parity를 통해 판매 비중 조정
3. 시나리오 분석
- 추정(Prediction)
- Chain Ladder (Basic, Mack, Bootstrap)에 의한 월별 구간 추정
- 예측 시점 유의미성 판단 (CV)
- 모수에 따른 편차 유의미성 판단 (Wilson, Pearson, Agresti–Coull)
- 월별 ICIS 데이터 변화와 손해율 변화 가능성 추정
- 언더라이팅 기준 변경 시의 손해율 변화 시뮬레이션 (Virtual Underwriting)
- Chain Ladder (Basic, Mack, Bootstrap)에 의한 월별 구간 추정
- 민감도(Elasticity)
- 언더라이팅 변경 시 추가가입 가능범위 vs. 손해율 증감 비교
- 언더라이팅 변경 시 추가가입 가능범위 vs. 손해율 증감 비교
4. 언더라이팅 가이드라인 개선안
- 상대위험도 기반 가이드라인 제시
- 가입심사 기준 강화/완화 구간 정의 (예: 고고당 등 주요 질환별)
- 상대위험도가 일정 threshold 이상인 그룹 → 인수 거절/부담보/할증
- 상대위험도가 낮은데 과도하게 제한된 그룹 → 완화 가능성 제시
- 가입심사 기준 강화/완화 구간 정의 (예: 고고당 등 주요 질환별)
- 자동심사 규칙(Auto UW Rule Set) 설계
- Rule-based + Relative Risk기반
5. 실행 및 모니터링 (Implementation & Monitoring)
- 분석 패키지, 소스코드, 메뉴얼 제공
- 규격화된 데이터 입력을 통한 자동화된 결과 도출
- 활용, 해석 및 한계점 교육
- 규격화된 데이터 입력을 통한 자동화된 결과 도출
- KPI 설계
- 위험손해율 모니터링 체계 (월별/분기별)
- 자동심사율, 가입률, 거절률, 변경룰의 신계약 기여도 추적
- 위험손해율 모니터링 체계 (월별/분기별)
- Feedback Loop
- 예측 vs. 실제 경험 비교 → 언더라이팅 기준 재보정
- 코호트 DB 설계 후 업데이트 방법 제안
- 예측 vs. 실제 경험 비교 → 언더라이팅 기준 재보정
요약
- 현황 분석: 현재 위험손해율 & 시장 벤치마킹
- 위험도 정량화: 상대위험도 & Virtual Underwriting을 통한 질병평가
- 시나리오 분석: 손해율 시나리오
- 언더라이팅 가이드라인: UW 기준 조정
- 실행 및 모니터링: 지속 피드백
현재 프로젝트
(진행중) 교보생명 위험손해율 기반 언더라이팅 프로젝트 (10억) (예정) KDB생명 선심사 프로젝트 (5억)