Postcode data en premieberekeningen

Uit een recent onderzoek van Moneyview is gebleken dat nog altijd meer dan 50% van de schadeverzekeraars informatie op 4-cijferig postcode niveau toepassen om premieberekeningen voor hun schadeverzekeringen te optimaliseren. Alhoewel het zeker verstandig is om premies te baseren op harde data, is het de vraag of informatie op een dermate hoog aggregatieniveau de premiekeuze daadwerkelijk verbetert. Immers, een 4-positioneel postcodegebied bevat gemiddeld bijna 2000 huishoudens. Dat is in bijna alle gevallen een dermate grote groep dat per definitie binnen zo’n groep een grote diversiteit aan voor premiebepaling relevante kenmerken voorkomt. Dan is het riskant om het gemiddelde van de groep als maatstaf te nemen voor alle huishoudens binnen de postcode.

Kijken we bijvoorbeeld naar de inhoud van een woning, een bepalende metriek voor de berekening van herbouwwaarde en dus de premie van de opstalverzekering. Op 4-positioneel postcode niveau is de gemiddelde inhoud van een woning 343m3. Echter, de gemiddelde spreiding is zodanig dat tussen de hoogste en laagste waarde in iedere postcode een verschil zit van 1800m3. Bij zo’n 32% van alle woningen is de afwijking van het gemiddelde binnen die postcode 80m3 of meer. Bij gewone rijtjeshuizen waar je voor herbouwwaarde tussen de €500 en €600 per kubieke meter dient te rekenen, is dit dus een verschil in te verzekeren waarde van 50.000, met excessen van honderdduizenden euro’s. Door gebruik te maken van informatie op 6-positioneel postcode niveau verkleint de spreiding al naar 96 m3 (herbouwwaarde equivalent van €50.000) maar nog steeds een groot verschil. Op adresniveau is deze informatie echter ook beschikbaar via het kadaster. 

Ander voorbeeld: Sociaal Economische Status (SES) informatie zoals die bij het Sociaal Cultureel Planbureau beschikbaar is. Op 4-positioneel postcode niveau is slechts 0,3% van de postcodes homogeen, op 6-positioneel niveau 12,3%. Zelfs op 6-positioneel postcodeniveau is het percentage postcodes waarbinnen 3 of meer verschillende SES klassen voorkomen, 63%. Dat betekent dat ook voor een demografische variabele als sociale klasse de postcode geen goede voorspeller is.

Het is dus zonneklaar dat het gemiddelde van een 4-positionele postcode niet de juiste informatie is om de premieberekening van een opstalverzekering op te baseren.

Wat kan er misgaan?

Verzekeraars zetten demografische- en woningdata in om een inschatting te maken van de eventuele kosten bij uitkering op basis van het demografische profiel van de verzekerde. Voorbeelden van informatie die relevant zijn kenmerken van de woning en de geschatte waarde van de te verzekeren inboedel op basis van het welstandsniveau en de gezinssituatie van de verzekerde. Indien de schattingen voor een verzekerde worden gebaseerd op het gemiddelde van een postcode, zijn er drie scenario’s denkbaar:

1. Het gemiddelde komt overeen met de realiteit van de verzekerde: In dit geval is de premieberekening min of meer toevallig correct.
2. Het gemiddelde is een te lage inschatting van de realiteit van de verzekerde: De verzekerde heeft bezittingen die een hogere waarde vertegenwoordigen dan de verzekeraar vergoedt. Bijna altijd is de verzekerde welstandiger dan de berekeningen van de verzekeraar laten zien. Wat je dan veel ziet is een laag verzekerd bedrag in combinatie met een risicopremie omdat de demografische data een verhoogde kans op fraude en wanbetaling laten zien. Je hebt dan te maken met een hoog welstandige doelgroep die teveel betaalt en onderverzekerd is. Dat is een doelgroep die je graag in je klantenbestand zou hebben maar die je met je premiebeleid juist afstoot.
3. Het gemiddelde is een te hoge inschatting van de realiteit van de verzekerde: De verzekeraar vergoedt een maximaal bedrag dat aanzienlijk hoger ligt dan de waarde van de bezittingen van de verzekerde. De verzekerde is ook minder welstandig dan de 4-positionele postcode data doet vermoeden. De combinatie die hier ontstaat is er een die fraude in de hand werkt. Immers, voor een vrij laag maandbedrag wordt de gelegenheid gecreëerd om een relatief hoog bedrag vergoed te krijgen. En dan ook nog eens bij een doelgroep waarbinnen fraude en wanbetaling vaker voorkomen dan de verzekeraar op basis van postcode informatie inschat.

Feitelijk bereik je dus in veel gevallen het tegenovergestelde van wat je wil. Voor je goede waardevolle doelgroep heb je een premie strategie die vaak minder gunstig is dan die van je concurrent. En voor de wat risicovollere doelgroep zet je de deur wagenwijd open.

Hoe kan dit worden tegengegaan?

De keuze om te werken met 4-positionele postcode informatie is vaak een kosten overweging. Immers, op 4-positioneel postcode niveau is veel statistische informatie beschikbaar via het CBS en andere overheidsinstanties die bijvoorbeeld criminaliteitscijfers publiceren. Bij hen is data vaak gratis te downloaden.

In dit geval is het echter de vraag of het wel zo gratis is. Doordat je aan de voorkant bespaart door goedkope data in te zetten, ben je aan de achterkant vaak een veelvoud kwijt van de kosten die je hiermee bespaart. En dat terwijl de inzet van veel preciezere data op postcode-huisnummer-toevoeging niveau feitelijk heel eenvoudig is. Aanbieders als Whooz leveren al ruim dertig jaar een landelijk dekkende set informatie op postcode-huisnummer toevoeging niveau door verzekeraars wordt ingezet voor berekeningen rond premiebepaling, levensverwachting en de business case rond credit en fraude checks. Informatie over woningtype en m³, welstandsniveau, gezinssamenstelling en te verzekeren bezittingen behoren tot de standaard die Whooz in samenwerking met deze verzekeraars op postcode-huisnummer-toevoeging inzet in hun berekeningen. Het resultaat is een verbetering van de risico en marketing KPI’s met zo’n 30-40 %.

Meer weten?

De specialisten van Whooz hebben ruime ervaring in het optimaliseren van uw premie- en risico optimalisatie. Neem direct contact met ons op via 0850 290 300 of stuur ons een bericht.