De verzekerde is geen dataset: ethische kernwaarden van persoonsgebonden locatiedata in de praktijk

Passend binnen de ontwikkeling richting informed datadriven insurance vindt de besluitvorming in de verzekeringsbranche steeds meer datagedreven plaats. Zo worden bij veel verzekeringsprocessen ook regelmatig persoonsgebonden locatiedata gebruikt in de besluitvorming, zoals bij marketing, relatiebeheer, acceptatie, taxatie, waardering, risico-inschatting en schadeafhandeling. Persoonsgebonden locatiedata geven informatie over de persoonlijke levenssfeer van iemand en vragen om een zorgvuldige omgang en gebruik ervan. Juist omdat de ethiek van persoonsgebonden locatiedata verder gaat dan de wetgeving is het waardevol nader in te gaan op deze ethische kernwaarden.

Aan de hand van het praktijkvoorbeeld ‘De verzekerde is geen dataset’ wordt in dit artikel inzichtelijk gemaakt hoe verzekeringsadviseurs bij hun dagelijkse activiteiten rekening kunnen houden met deze kernwaarden.

Praktijkvoorbeeld: de verzekerde is geen dataset

De verzekeringsadviseur is altijd actief met het relatiebeheer van de klanten in de verzekeringsportefeuille. Op social media leest hij/zij dat een verzekerde een bericht heeft geplaatst dat hij een nieuw bedrijfspand met woonruimte heeft gekocht. Het bericht is voorzien van foto’s en locatie-aanduiding en vermeldt welke activiteiten hij in het bedrijfspand gaat uitvoeren.

Gebaseerd op het dossier van de verzekerde en de via social media en andere databronnen verkregen informatie over de verzekerde, zijn bedrijfsmatige activiteiten en de locatie van het bedrijfspand met woonruimte, stelt de verzekeringsadviseur een advies op voor de verzekerde. Dit advies behelst een risico-inschatting en een voorlopige modelmatige waardebepaling. Aansluitend gaat de adviseur in gesprek met de verzekerde om zijn verzekeringsportefeuille te actualiseren op basis van de nieuw ontstane situatie.

Tijdens het gesprek spreekt de verzekerde zich positief uit over de proactieve dienstverlening van de verzekeringsadviseur en de kwaliteit van het advies. Hij wil dan ook graag gebruikmaken van de aanbieding om zijn verzekeringsportefeuille te actualiseren. Echter, hij heeft nog wel een aantal vragen over waar de adviseur al ‘zijn persoonsgebonden locatiedata’ vandaan heeft gehaald en hoe …

Persoonsgeboden locatiedata

Persoonsgeboden locatiedata zijn alle data die laten zien waar personen zich bevinden, hoe zij zich bewegen en wat ze daar doen. Al dan niet herleidbaar en combineerbaar met andere data, kunnen persoonsgebonden locatiedata waardevol zijn voor vele verzekeringsprocessen.

Persoonsgebonden locatiedata staan in de top-5 van Big Data. Ze worden op grote schaal verzameld door platforms als Google, Facebook, Über en Snapchat. Zij gebruiken deze data vaak voor marketingdoeleinden, maar inmiddels neemt de vraag naar deze locatiedata ook toe ten behoeve van maatschappelijke doeleinden, zoals verkeersmanagement, aanpak van criminaliteit, crowd control en ‘smart city’-toepassingen.

Met toepassing van alle kernwaarden is de verzekeringsprofessional zich bewust van ethiek

Het gaat hierbij dus om data afkomstig van mobiele apps, social­mediaplatforms, publieke en private sensoren, drones, dashcams, camera’s, et cetera. die veelal gebruikt worden met als doel het gedrag van mensen te beïnvloeden (zie figuur 1). Echter, deze data kunnen als ondersteunende informatie ook waardevol zijn bij de uitvoering van verschillende informed datadriven processen in de verzekeringsbranche.

Persoonsgebonden locatiedata geven dus informatie over de persoonlijke levenssfeer van iemand en kunnen vragen beantwoorden als waar ben je, wat is daar en wat doe je daar? Dit vraagt om een zorgvuldige omgang en gebruik ervan. Juist omdat de ethiek van persoonsgebonden locatiedata verder gaat dan de wetgeving (denk aan de privacywetgeving als GDPR en AVG) is het waardevol nader in te gaan op deze ethische kernwaarden.

Ethische kernwaarden voor persoonsgebonden locatiedata

Gebaseerd op een internationale en nationale verkenning, inclusief documenten van De Nederlandsche Bank (DNB) en het Verbond van Verzekeraars, is in de Beursbengel, nr. 896 van juli-augustus 2020, een raamwerk van vijf ethische principes voor insured datadriven insurance gepresenteerd, zie figuur 2.

Dit raamwerk vormt een prima vertrekpunt voor de verzekeringsbranche om de ethische principes toe te gaan passen bij de waardevolle ontwikkeling richting informed datadriven insurance. Dit raamwerk wordt in dit artikel verder uitgewerkt en concreter gemaakt. Deze uitwerking biedt de verzekeringsadviseur een tiental kernwaarden hoe hij/zij ethiek kan toepassen bij het gebruik van persoonsgebonden locatiedata.

De tien kernwaarden zijn:

1. Doelbinding, doeltreffendheid en focus op maatschappelijke waarde
   Data verzamelen is nooit het startpunt, maar altijd een afgeleide van een concrete inhoudelijke vraag of behoefte binnen een helder doel. Dit doel kan van maatschappelijk waarde zijn, maar ook persoonlijk gemak dienen of proactieve dienstverlening zijn richting de verzekerde.
2. Actieve transparantie
   Transparantie is zilver, mensen betrekken is goud! Actieve transparantie over het dataproces richting alle betrokken stakeholders leidt tot betere datagedreven besluitvorming. Het vertrouwen in en de dienstverlening van de verzekeringsprofessional neemt daarmee toe.
3. Verantwoording en verantwoordelijkheid voor datahouders en -gebruikers
   Vakmanschap is meesterschap. Om te voorkomen dat bij een bepaalde uitwerking te snel naar data en technologie wordt gegrepen, worden betrokkenen gestimuleerd om kritisch te zijn op het waarom, de herkomst, het doel en de (eventueel impliciete) aannames. Iedere schakel in het dataproces is verantwoordelijk voor wat er in het totale dataproces plaatsvindt, en daarmee dus ook voor het uiteindelijke eindresultaat. Ook de verzekeringsadviseur zal zich hiervan bewust moeten zijn.
4. Betrokkenheid van relevante stakeholders
   Verzamel de data niet over, maar mét mensen! De mens, en dus ook de verzekerde, is geen dataset. De meest belangrijke stakeholders bij datagedreven besluitvorming zijn de mensen over wie persoonsgebonden locatiedata worden verzameld en gebruikt. De ethiek dient hén.
5. Bescherming van privacy en veiligheid
   Alle ethische kernwaarden dragen bij aan de bescherming van de privacy en veiligheid van de mensen die hun data delen en van wie persoonlijke data worden verwerkt. Evenals van ieder ander die op welke manier dan ook geraakt wordt door toepassing van persoonsgebonden data.
6. Naleving van minimum ethische standaardenAlle betrokkenen moet zich bewust worden en zijn van geldende standaarden, principes en kernwaarden. Het is daarbij van belang aandacht te schenken aan zowel de naleving ervan alsmede gezamenlijk het gesprek te blijven voeren over de algemeen geaccepteerde minimumstandaarden.
7. Naleving van de wet
   Privacy is een grondrecht en verwoord in artikel 10 van onze Grondwet. Naast de AVG zijn er nog vele andere wetten die het gebruik van data reguleren, zoals bijvoorbeeld de Wob. Zoals eerder beschreven gaat ethiek verder dat de wet, maar het minimum is bepaald door wet- en regelgeving.
8. Waarborging van de data-kwaliteit
   ‘Fitness for use’ is het credo! Als de data ook gebruikt gaan worden voor andere doeleinden, neemt het risico toe dat de toepasbaarheid van de data afneemt en dat ook de privacy van mensen geschonden wordt. Zeker als gebruik gemaakt gaat worden van ongestructureerde data afkomstig van onder meer social media en transactionele procesdata, kan dit risico opspelen.
9. Weerspiegeling van de werkelijkheid en inclusiviteit in de data
   Wees alert op de risico’s die er zijn als persoonlijke data worden gebruikt om tot ‘maatschappelijke inzichten’ te komen en als op basis daarvan ook datagedreven beslissingen worden genomen.
10. Bescherming van de menselijke waardigheid
    Technologie heeft vaak de neiging om op autonome wijze te worden toegepast. Om de menselijke waardigheid te beschermen moet de toegepaste technologie in het dataproces en bij AI-algoritmen altijd worden gezien als gereedschap van de mens. Zo hanteert men steeds vaker een hybride werkwijze, waarbij modelmatig bepaalde uitkomsten ondersteuning krijgen van menselijke kennis in het datagedreven proces. Mede daarom is de trend van informed datadriven insurance zo belangrijk, dit in tegenstelling tot automated datadriven insurance, waarbij de menselijke toets minimaal is.

De verzekeringsadviseur en de verzekerde

Terug naar het praktijkvoorbeeld. Ook in deze praktijksituatie maakt de verzekeringsadviseur voor zijn/haar advies gebruik van allerlei beschikbare persoonsgebonden locatiedata en AI-algoritmen om tot een goede modelmatige waardebepaling van het bedrijfspand met woonruimte te komen.

Verzamel de data niet over, maar mét mensen!

Dit zijn allemaal goede en begrijpelijke stappen in het datagedreven proces om een inhoudelijk goed en waardevol advies op te stellen. De verzekerde is dan ook positief over het advies. Zijn vragen gaan hier dan ook helemaal niet over. Het gaat immers om het gebruik van de tien kernwaarden door de verzekerings-professional richting de verzekerde. De verzekerde is geen dataset, wil dat ook zeker niet worden. Hij wil transparant en proactief geïnformeerd worden en betrokken zijn bij dit informed datadriven vraagstuk..

Meer weten?
Volg dan bij NIBE-SVV de opleiding Post HBO Informed Data-driven Insurance. Deze opleiding wordt verzorgd in samenwerking met Infofolio. Met deze opleiding vergroot je je data-awareness en leer je hoe je die awareness om kunt zetten in bewuste besluitvorming in de verzekeringsbranche. Samen met andere deelnemers ontdek je op interactieve wijze wat het gebruik van data betekent voor de strategie van je organisatie. Na deze opleiding heb je een goede basis voor het ontwikkelen en uitvoeren van succesvolle datastrategieën.

Meer informatie over de opleiding vind je op de site van NIBE-SVV.