Durante los últimos años el uso de datos externos es la nueva tendencia en el sector asegurador, la mayoría de las aseguradoras han invertido en la construcción de departamentos y equipos de data analytics.

Estas unidades están desarrollando modelos complejos de predicción para reducir la siniestralidad, ofrecer un precio más adecuado al riesgo y reducir los índices de fraude, y lo están consiguiendo. Este tipo de inversión representa un importante retorno de la inversión para las aseguradoras y es difícil encontrar una entidad que no haya dado este paso todavía. Porque hoy en día, está claro para todos que los datos son un activo valioso.

Pero, ¿Qué es lo siguiente en el Data Analytics?

Usar e implementar datos externos en sus procesos. Cuando en Wenalyze nos reunimos con una aseguradora, una de las preguntas más frecuentes que nos hacen es “¿por qué pensamos que la aseguradora no puede hacer lo que estamos ofreciendo si ya tiene un departamento de análisis de datos?”. En este punto, es muy importante dejar muy claro cuál es la diferencia entre los datos internos y externos.

En otras palabras, hay que aclarar que las aseguradoras actualmente utilizan datos tradicionales (y lo hacen muy bien), y nuestra solución se basa en enriquecer los datos tradicionales con datos no tradicionales. Por supuesto, también debemos destacar otros aspectos como el multilenguaje, nuestra experiencia en el campo, y la rapidez y eficiencia en la implementación de nuevas fuentes de datos.

La mayoría de los departamentos de data analytics utilizan actualmente datos internos y basan sus modelos en datos históricos de siniestralidad y pérdidas. Algunos de ellos incluso recogen datos externos de fuentes específicas. Está claro que la capacidad de mezclar e implementar diferentes tipos de fuentes es el próximo hito al que los departamentos de análisis de datos deben aspirar.

¿Cómo añaden valor los datos externos a los departamentos de análisis de datos?

Hay dos aspectos principales en los que los datos externos pueden ayudar a mejorar los procesos analíticos:

1.    Actualizar los datos

El problema es mundial: por ejemplo, en seguros para negocios, el 47% de los clientes, en promedio, tienen por lo menos un dato básico que está desactualizado o es inexacto (por lo general, la actividad o la dirección). El motivo es que las aseguradoras renuevan sus pólizas todos los años, pero no actualizan los datos de sus clientes. Los datos externos son generalmente más recientes que los internos. En las líneas comerciales, por ejemplo, es la propia empresa y sus clientes los que hacen las actualizaciones en su sitio web, en Google para empresas, en los perfiles de redes sociales, en las plataformas de opinión, etc.

2.   Mejorar el control de riesgos

Tener más datos de los clientes significa conocerlos mejor. Hemos demostrado que los datos que encontramos online como las malas opiniones, los bajos niveles de ciberseguridad, la mala reputación en y el perfil profesional de los directivos, tienen una fuerte correlación con los niveles de siniestralidad. Estos datos también permiten a la aseguradora tener una mejor segmentación de los clientes, ya que pueden diferenciar entre dos clientes que anteriormente tenían un nivel de riesgo similar. O incluso utilizar estos datos para ganar eficiencia en las campañas de comercialización, por ejemplo, identificando quién de sus clientes está vendiendo ahora sus productos online para una campaña de seguros de comercio online sin tener que preguntarles si están vendiendo online o no.

¿Cómo pueden las aseguradoras utilizar los datos externos en sus procesos?

3 pasos: actualizar, verificar y enriquecer los datos.

Actualizar y verificar: el primer paso es limpiar los datos actuales. Este proceso consiste en comparar con la tecnología Wenalyze, los datos de las aseguradoras con los datos encontrados online. Verificarlos cuando coincidan y actualizarlos cuando no coincidan. Esto aumenta la calidad de los datos, lo cual es clave antes de considerar siquiera añadir más complejidad. Necesitamos tener una cocina limpia antes de preparar cualquier plato.

Enriquecer los datos: se añaden datos externos para mejorar los modelos de predicción. Estos modelos que se están aplicando actualmente durante las renovaciones y las nuevas cotizaciones comerciales verán un aumento en su precisión y niveles de predicción al añadir la información enriquecida. Es la sal y la pimienta de los datos.

La idea no es cambiar los modelos o procedimientos, sino hacerlos más precisos y aumentar la mejora económica que están teniendo actualmente. En algunos casos, hemos alcanzado una mejora del 2% en el ratio de siniestralidad al aplicar datos externos durante los procesos de renovación y nuevas cotizaciones, lo cual se traduce en ahorros relevantes.

El uso de datos externos está aquí para quedarse de la misma manera que el data analytics lo hizo en su día. Las aseguradoras que sean las primeras en aplicar el uso de datos externos estarán un paso por delante de sus competidores. En comparación, conocerán mejor a sus clientes, tendrán carteras con un mejor pricing, un mayor control del riesgo y lograrán reducir aún más sus pérdidas.

Entradas recomendadas