Jordbävningsmodellen använder historiska data i kombination med beräkningar och information som den geografiska dimensionen via GIS ger för att förse organisationens globala prissättningsmodell med kvalitativa beslutsunderlag.
Syftet med jordbävningsmodellen är att med precision förutsäga kostnaden för skador. Både individuella risker och hela försäkringsportföljer är av intresse för att ge förutsättningar att balansera risk och sätta priser så exakt som möjligt.
För jordbävningar finns ofta gott om historisk information att utgå från för att förutspå var och när framtida skalv sker, och hur stora de blir.
- Vi började jobba med vårt data direkt i Excel, men såg snabbt att vi tappade överblicken över helheten och saknade dessutom vissa dimensioner i materialet, berättar David Andersson på Sirius International. Eftersom vi hade tidigare erfarenhet av ArcGIS såg vi möjligheten att plattformen skulle kunna ge det kompletterande stöd vi behövde.
Intensitet viktig dimension
Det visade sig att ArcGIS kunde bidra på flera sätt. Historiska data kompletteras nu med informationslager som gör det möjligt att kalkylera effekterna av intensiteteten i ett jordskalv. Hur långt bort en jordbävning orsakar skada och hur många som därmed påverkas inom de olika graderna på intensitetsskalan ger en ny och värdefull dimension i beslutsunderlagen. Möjligheten att se var i ett län det försäkrade värdet finns, och samband mellan olika försäkrings-bolag och deras försäkringsobjekt är andra fördelar som GIS-stödet i jordbävningsmodellen ger.
Rent praktiskt arbetar Sirius International med den information som genereras från ArcGIS i en separat databas – en tabell per jordskalv. Därifrån bidrar informationen sedan till den globala prissättningsmodellen som får förutsättningar för en optimal priskalkyl.
På sikt ser man att lösningen kan komma att kompletteras med visualisering och ytterligare beslutsstöd i form av kartor i prissättningsverktyget. Man ser också att jordbävningsmodellen kan utökas till fler geografiska områden än nuvarande Rumänien, Bulgarien, Slovenien och Ungern.
- Nu vet vi hur man bygger en modell och har en metod för att införa det här stödet även för andra geografiska områden, avslutar David Andersson.