Este estudio examina cómo variables de telemática como porcentaje anual conducido, millas totales conducidas y patrones de conducción influyen en el comportamiento de distribución de factores de calificación convencionales cuando se incorporan en modelos predictivos para capturar el riesgo de seguros de auto en la regulación de tarifas. Para gestionar efectivamente la complejidad inherente en los datos de telemática, abogamos por la adopción de análisis de componentes principales dispersos no negativos (NSPCA) como un enfoque estructurado para la reducción de dimensionalidad de datos. Al enfatizar la dispersión y las restricciones de no negatividad, NSPCA mejora la interpretabilidad y el poder predictivo de los modelos en relación tanto a la gravedad de pérdidas como al número de reclamaciones. Esta innovación metodológica tiene como objetivo avanzar en los análisis estadísticos dentro de los marcos de fijación de precios de seguros, asegurando la solidez de los modelos predictivos y proporcionando ideas cruciales para estrategias de regulación de tarifas específicas para el sector de seguros de auto. Los resultados muestran que, para mejorar los modelos de fijación de precios de riesgos de seguros de auto, es esencial abordar los desafíos de reducción de dimensionalidad de datos al integrar variables de datos de telemática. Nuestros hallazgos subrayan que la integración de variables de telemática en modelos predictivos mantiene la integridad de las estimaciones de relatividad de riesgo asociadas con variables de póliza tradicionales.