pwd - ebook - seguros big data- 9 estrategias - final v1
TRANSCRIPT
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 1/10
9 estrategias definitivasde Big Data para elsector SegurosCuando la aseguradora va más allá del Business Intelligence
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 2/10
Síguenos en:
Especialistas en Gestión de Datos
Big data y el sector de los seguros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Tecnología big data aplicada al sector seguros . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Las 9 estrategias big data más efectivas para el sector seguros . . . . . . . . . . . 4
1. Los modelos analíticos y las reclamaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. Análisis de la severidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3. Algoritmos de detección de fraude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4. Costes y externalización de los litigios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5. Modelos de respuesta ecaz y marketing mix . . . . . . . . . . . . . . . . . . . . . . . . 7
6. Gestión de campañas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77. Análisis Cross-y Up-selling, gestión de la delidad y ciclos de vida . . . . . 8
8. Análisis de cobro y modelado de morosidad . . . . . . . . . . . . . . . . . . . . . . . . . . 9
9. Renovaciones, propensión al abandono y retención de clientes . . . . . . . . 9
2
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 3/10
3
Síguenos en:
Especialistas en Gestión de Datos
Big data y el sector de los seguros
Problemas de integración, dicultades para la detección del fraude, falta de optimización de los procesos... loscaballos de batalla tradicionales del sector seguros hace tiempo que tienen los días contados. Las aseguradorasvan más allá del business intelligence, de la mano de big data. Su objetivo: alcanzar la capacidad necesaria paralograr que sus deseos se hagan realidad. En otras palabras, conseguir a los clientes que quieren, no sólo a los queson capaces de captar; retener a los mejores y poder expandirse a otros mercados, cuando se considere oportunoy en condiciones de riesgo mínimo.
Lograrlo depende de:
La solución debe ser impulsada usando métodoscientícos, que tamicen estos ingentes volúmenes dedatos para identicar patrones, aislar el ruido, crear
modelos, probar hipótesis y nalmente integrar elmodelo con la solución de front-end. De esta forma,se accede al universo del análisis predictivo, que dejade orbitar en torno al pasado, ya no se centra en darsentido a lo que ha pasado; y ja su vista en el futuro,ayudando a anticipar lo que está por acontecer.
Estos principios de diseño no son imposibles de al-canzar, si bien es necesario seguir trabajando, lascompañías aseguradoras ya pueden dar un primerpaso hacia su nueva forma de trabajar, la que lespermitirá:
• Contar con la base de conocimiento necesaria para garantizar una óptima toma de decisiones en todos
los diferentes departamentos de la compañía.• Encontrar medios más fáciles de integrar los diferentes sistemas transaccionales, data warehouse,
data marts, datos sociales o datos telemáticos, para garantizar condiciones óptimas de análisis.
• Disponer de técnicas que vayan más allá del análisis descriptivo y permitan alcanzar una visión 360º declientes, sistemas y eventos.
• Reducir costes de riesgos y abandono.
• Escoger y retener a los mejores clientes,en función de los perles idóneos.
• Detectar el fraude de forma prematura.
• Aumentar su capacidad de innovación para la creación de nuevos productosy servicios, que desde la transparencia,garanticen la satisfacción del cliente.
© ”Cartoon Businessman With Umbrella Under Rain” by iosphere
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 4/10
4
Síguenos en:
Especialistas en Gestión de Datos
Tecnología big data aplicada al sector segurosLa unión de big data y Hadoop hace posible que las empresas del sector seguros puedan superar las barreras decoste y límite de almacenamiento, logrando una interacción con los grandes datos mucho más dinámica y asequi-ble, en línea con las necesidades del negocio.
El almacenamiento modular basado en commodity hardware que propicia Hadoop, se plantea como la opción másinteresante para las aseguradoras, que pueden escalar sus almacenes de datos de forma completamente adaptadaal volumen de su crecimiento sin perder granularidad y ganando en agilidad.
La exibilidad es un atributo muy valorado, sobre todo entre las empresas del ramo, que requieren de un soportetecnológico capaz de combinar datos antiguos con datos recogidos en tiempo real, lo que signica variedad de tiposy formatos de datos y tablas y heterogeneidad de fuentes.
Hacer frente a esta situación desde una alternativa open source ahorra costes, garantiza la capacidad de almace-namiento sin la preocupación de las licencias y su mantenimiento y resulta en un rendimiento a la medida de lasexigencias del mercado hoy día.
Las 9 estrategias big data más efectivas para elsector seguros
1. Los modelos analíticos y las reclamacionesCuando es necesaria la intervención de abogados en una reclamación a una compañía de seguros para alcanzar unacuerdo, su participación deriva en costes para ambas partes, reclamante y aseguradora. Los modelos predictivos
pueden detectar la propensión de un asegurado a contratar a un abogado a la hora de litigiar tras un siniestro. Dis-poner de esta información ayuda a las compañías de seguros a manejar el porcentaje de casos que podrían acabargestionados por juristas, con las ventajas que ello conlleva:
• Ahorro de costes.
• Disminución del tiempo de operación.
• Aumento del grado de satisfacción del cliente.
• Datos operacionales, procedentes de las transacciones.
• Atributos estáticos, de corte demográco o relaciona-
dos con los perles de los clientes.
Se pueden implementar soluciones big data que aportenuna per spectiva muy útil a las compañías del sector segu-ros, si se basan en:
© ”Insurance Signpost Mean Claim Excess Contract And
Policy” by Stuart Miles
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 5/10
5
Síguenos en:
Especialistas en Gestión de Datos
2. Análisis de la severidad
Big data, aplicado a las prácticas del sector seguros,permite conocer el riesgo de cada cliente. La situa-ción actual, donde el concepto seguro ha irrumpidoen todos los ámbitos aumentando el mercado enor-memente, puede derivar en graves consecuenciaspara las aseguradoras, cuando, provocadas por elcreciente costo de la vida el número de reclamacio-nes aumenta. En esta situación, las compañías deseguros deben priorizar la gestión de reclamacionesen términos de impacto, maximizando así la satisfac-ción del cliente y por ende su delidad.
Para conseguirlo es necesario apoyarse en solucio-nes predictivas, que clasiquen las reclamacionesen base al impacto nanciero y servicio al cliente. De esta forma, es posible reducir el índice de severi-dad relativa promedio, que indica el costo promediode los siniestros producidos en un año.
Por ejemplos, utilizando este tipo de soluciones, sepuede dar prioridad a las reclamaciones tan prontocomo están registrados en el sistema, si el grado decriticidad es el más elevado. La ayuda de los datos yel valor que en ellos se encierra contribuye a:
Del estudio de ambos se estará en disposición de predecir la propensión de la reclamante a contratar a un aboga-do. Esta información se convierte en un conocimiento muy valioso al contrastarse con los resultados procedentes
del análisis de subrogaciones, que evalúan la petición de reembolso realizada por una compañía de seguros a unapersona o entidad, a n de poder recuperar la cantidad por la que civilmente deberían responder a consecuenciade los daños producidos; cuya indemnización, en virtud de la póliza de seguro, ha corrido inicialmente a cargo de laaseguradora.
En esta línea, es posible utilizar modelos que ayuden a las compañías de seguros a identicar reembolsos perdidos,asociados a los pagos de estos suplementos después de una subrogación.
• Asegurar la gestión a tiempo de las reclamaciones, en especial de las prioritarias.
• Impulsar un modo de intervención proactivo.
• Optimizar el uso de los recursos disponibles.
• Reducir al mínimo los costes.
• Maximizar la satisfacción del cliente.
© ”Secure Money” by Pixomar
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 6/10
6
Síguenos en:
Especialistas en Gestión de Datos
3. Algoritmos de detección de fraude
La identicación temprana del fraude a nivel de aplicación, ayuda a las compañías de seguros a reducir el númerode denuncias por fraude y evitar grandes pérdidas.
Podemos emplear un sistema de clasicación que permita identicar a solicitantes de alto riesgo de dos formasdiferentes:
En base a esta categorización, se puede confeccionar un protocolo de actuación ante este tipo de clientes, que in-cluya un estudio mucho más riguroso y completo. Este procedimiento permite identicar de forma temprana lassolicitudes potencialmente fraudulentas a nivel a nivel operativo, teniendo como consecuencia la reducción depérdidas potenciales y reportando resultados altamente efectivos en cuanto a la:
Cualquiera que sea la estrategias que se decida aplicar, es fundamental planicar la monitorización del riesgo, tantoen base a perles, como en lo referente a solicitudes, para comprobar que se mantienen los niveles que se conside-
ran aceptables y no se pierde alineación
4. Costes y externalización de los litigios
• Aplicando modelos analíticos para construir un perl de riesgo asociado a una identidad.
• Creando una puntuación basada en el riesgo que predice la probabilidad de fraude de una solicitud y suposible pérdida ocasionada.
• Gestión del riesgo en base a pautas de la dirección.
• Gestión de solicitudes basadas en su riesgo.
© ”Scales Of Justice Button Means Court And Conviction” by Stuart Miles
Muchas veces los abogados de la propia aseguradora noson sucientes para hacer frente a la preparación de unlitigio o, por el contrario, no se considera oportuno atri-buirles esa responsabilidad por tratarse de un asuntomenos prioritario. En estas ocasiones, que son bastantefrecuentes, las compañías de seguros recurren a la con-
tratación de ayuda legal externa.La asignación de una reclamación a una rma legal in-dependiente o a los abogados de la compañía deberíaresponder a criterios objetivos, que asegurasen la opti-mización del aprovechamiento de los recursos. Sin em-bargo, no siempre es así.
Con big data, las compañías de seguros pueden dise-
ñar reglas de negocio más completas y basadas en un
estricto método cientíco para asignar un litigio a unequipo legal externo. Para ello, se pueden analizar va-rios factores como:
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 7/10
7
Síguenos en:
Especialistas en Gestión de Datos
5. Modelos de respuesta ecaz y marketing mix
En un mercado competitivo, como en el que nos encontramos hoy en día, es imprescindible contar con un Modelo deMarketing Mix (MMM) con el n de lograr maximizar el volumen de ventas mediante la aplicación de las estrategiasóptimas. Las empresas utilizan modelos de Marketing Mix para:
6. Gestión de campañas
El sector de los seguros se está convirtiendo enun mercado excesivamente competitivo.Además de las capacidades de la competencia,entra en juego la creciente sosticación de losconsumidores, aspectos que resultan en ciclosde vida de los clientes cada vez más cortos queobligan a:
• Adquirir una visión más nítida de sus ingresos.
• Conocer el retorno de la inversión de una campaña publicitaria.
• Determinar la ecacia de las acciones de marketing.
• Averiguar qué canales de comercialización obtienen mejores resultados.
• Aumentar la audacia para una captación efectiva.
• Conectar más y mejor con el cliente, favoreciendoel fortalecimiento del vínculo entre ambos, para lo-grar su retención.
• Innovar en el desarrollo de productos y servicios.
Cuando, en base al análisis de datos se consigue elaborar un modelo de marketing óptimo se logra alcanzar elequilibrio entre iniciativas de marketing, maximizando el retorno de la inversión. Un modelo de respuesta ecazpuede proporcionar un gran impulso de una campaña comercial, con el aumento del número de respuestas ola reducción de gastos, o la combinación de estos dos aspectos. El objetivo es predecir quién va a responder a laoferta de un producto o servicio.
Para la determinación del MMM el análisis a realizar puede basarse en el comportamiento pasado de una pobla-ción similar, en la respuesta obtenida ante una estrategia equivalente o en algún elemento lógico susceptible deanálisis estadístico. En cualquier caso, además de hacer una correcta selección de los datos a analizar, es fun-damental contar con la capacidad de monitorización suciente, ya que es de donde se obtendrá la perspectivanecesaria para la toma de decisiones.
• La complejidad de la reclamación.
• La complejidad legal.
• Los datos del censo.
• El tipo de riesgo.
• El rendimiento jurídico.
En función de su valoración se podrá estimar el costo delitigio global y el tiempo medio de respuesta, aspectosque resultan denitivos a la hora de determinar los térmi-nos de la atribución y que, bien gestionados garantizan lasatisfacción del cliente y la reducción de costes.
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 8/10
8
Síguenos en:
Especialistas en Gestión de Datos
• Mejorar y enriquecer sus actuales sistemas de Business Intelligence.
• Realizar un análisis de impacto de cada una de las campañas de forma pormenorizada.
• Optimizar la planicación de las campañas y sus resultados.
7. Análisis Cross-y Up-selling, gestión de la delidad y ciclos de vidaAumentar la generación de ingresos en base a la cartera de clientes es una práctica muy extendida, principalmentepor la dicultad intrínseca en la captación de nuevos clientes, que suele resultar además bastante costosa, sin apor-tar un gran rendimiento, ya que los ratios de respuesta son bajos y el nivel de competitividad del mercado es muyelevado.
Para trabajar la cartera de clientes se pueden poner en práctica distintas iniciativas, cuyos resultados mejorannotablemente con la aportación de la analítica avanzada big data:
• Cross-selling: este tipo de acciones arrojan impor-tantes tasas de éxito. Además de generar ingresosextra, tienen una inuencia muy positiva en la cons-trucción de relaciones más sólidas con los clientes,fomentando su retención. Disponer de un reposi-torio único de datos favorece la personalización deofertas tanto de venta cruzada como de up -selling
que, de otra forma, no podrían denirse con tantaprecisión por falta de visibilidad.
• Identicación de los clientes clave: utilizando losdatos maestros y transaccionales de la cartera declientes, se pueden desarrollar modelos predictivosque informen sobre el grado de lealtad de los clien-tes y sobre los valores de los más antiguos. Estas
técnicas avanzadas ayudan a las compañías deseguros a identicar a sus clientes más valiosos, para, una vez detectados, proponerles mejoresofertas y estrategias diferenciales de retención,que refuercen su función evangelizadora.
El business intelligence no resulta suciente para hacer frente a las nuevas necesidades. Estos sistemas tradicionalesse hallan limitados al pasado, y la visión que las aseguradoras requieren hoy día debe incluir también el futuro. AL BI sele debe complementar con la incorporación de modelos predictivos que permitan ganar en comprensión.
La solución big data elegida ha de permitir realizar una segmentación de la cartera usando un método cientíco queidentique los canales idóneos por los que inuir en cada cliente o cada perl. Encontrar la adecuada signica:
© “Piggybanks On Lifesavers Showing MonetaryHelp" by Stuart Miles
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 9/10
9
Síguenos en:
Especialistas en Gestión de Datos
8. Análisis de cobro y modelado de morosidad
Una de las principales preocupaciones para una compañía de seguros es asegurarse de que sus clientes no recurrande forma fraudulenta. Ésta es una de las áreas donde se suele trabajar de forma más intensa en las primeras fases deuna implantación de un sistema basado en analítica predictiva.
La creación de un modelo de análisis y predicción de la morosidad es imprescindible para prevenir las pérdidasocasionadas por reclamaciones fraudulentas. Gracias a estos modelos se pueden predecir, identicar y clasicar lascuentas más propensas a causar impagos.
Con la objetividad de los datos de parte de la aseguradora, la gestión de los clientes propensos a ser problemáticos resulta
mucho más ecaz y con ella la selección de los canales adecuados y la elección de las medidas preventivas oportunas.
9. Renovaciones, propensión al abandono y retención de clientes
Debido al alto nivel de fuga del sector, una compañía de seguros necesita optimizar sus procesos de recaudación mediante
una segmentación en base a la propensión al impago. Las técnicas de analítica avanzada big data permiten:
De esta forma, se consigue maximizar los ingresos y minimizar los costes ofrecer mejores servicios y ofertas especiales
a estos clientes volátiles. Además, se puede extraer el conocimiento de las que mejor resultados ofrecen, en base a
la experiencia adquirida, para extrapolarlas a otros casos o segmentos, debidamente adaptadas creando modelos de
estrategia de retención de clientes.
Por último, la interacción del sector seguros con big data ofrece otra importante ventaja, la puntualidad en la renovación
de pólizas vencidas. Debido a la altísima tasa de caducidad en la industria de los seguros, hay una imperiosa necesidad de
renovarlas que corresponden a clientes de buena fe. Para ello, se puede trabajar en la identicación de los clientes más
propensos a renovar sus pólizas vencidas, poniendo el foco en segmentos especícos cuya retención puede mejorar, al
mismo tiempo se consiguen optimizar los benecios.
• Identicar a los clientes con mayor propensión al abandono.
• Agruparlos en categorías.
• Diseñar estrategias de retención especícas para cada uno de los segmento de riesgo.
8/19/2019 PWD - eBook - Seguros Big Data- 9 Estrategias - FINAL v1
http://slidepdf.com/reader/full/pwd-ebook-seguros-big-data-9-estrategias-final-v1 10/10
Especialistas en Gestión de Datos
C/ Miguel Yuste, 17, 4º, C
28037 Madrid
Tel:(+34) 91 129 72 97
www.powerdata.es
Avenida Leandro N Alem 530, Piso 4
CD C100 1AAN Ciudad Autónoma de Buenos Aires
Tel: (+54) 11 4314 1370
www.powerdataam.com
C/ Pau Claris, 95
08009 Barcelona
Tel: (+34) 934 45 60 01
www.powerdata.es
Av. Presidente Errázuriz Nº 2999 - Ocina 202
Las Condes, Santiago CP 7550357
Tel: (+56) 2 29363-100
www.powerdataam.com
Homero 906, Colonia Polanco, Miguel Hidalgo
C.P. 11550, México, D.F.Tel: +52 (55) 6552-7039
www.powerdataam.com
Edicio Europa - 5º I Avda. Aragón, 30
46021 Valencia
Tel: (+34) 960916025
www.powerdata.es
Calle 100 No. 8A-55 Torre C. Of. 718
BogotáTel: (+57 1) 6167796
www.powerdataam.com
Calle Los Zorzales Nº 160, piso 9
San Isidro, Lima 27
Tel: (+51) 1 6344900
www.powerdataam.com
MADRID
ARGENTINA
BARCELONA
CHILE
MÉXICO
VALENCIA
COLOMBIA
PERÚ
ESPAÑA
LATINOAMÉRICA
Síguenos en: