
Los datos abiertos o el ‘Open Data‘, son cualquier tipo de información que pueda ser accesible y encontrada en Internet. Corporaciones y empresas de todos los sectores utilizan este tipo de datos para conocer más y mejor a sus clientes.
La gestión de los datos abiertos permite a las corporaciones y empresas aumentar la calidad de los datos, monitorizar los eventos y los cambios de sus clientes, y automatizar los procesos. El tipo, el tamaño, la fuente y la aplicabilidad de los datos pueden ser de una variedad infinita.
¿Qué tipos de fuentes de datos abiertos son útiles para las aseguradoras de comercios y PYMEs?
Cualquier fuente que contenga datos relacionados con los clientes comerciales y sus riesgos.
Las fuentes de datos empresariales más comunes incluyen información sobre los estados financieros de la empresa, datos sobre la propiedad, niveles de criminalidad, riesgos catastróficos, noticias, opiniones de los clientes, información de los gestores, número de tiendas y comercios, etc.
Mientras que algunas de estas fuentes son útiles para actualizar nuestros datos actuales, otras fuentes pueden ser útiles para automatizar procesos y aumentar la precisión en la evaluación de riesgos.

¿Con qué finalidad podemos utilizar los datos abiertos?
1. Para mejorar los procesos actuales
La calidad de los datos es el primer aspecto que debemos mejorar. Necesitamos saber cuál es la realidad de nuestros clientes o potenciales clientes para mejorar los resultados de nuestras tareas diarias. Esto también es imprescindible antes de añadir cualquier complejidad a nuestros procesos.
Este problema es común: basado en datos de nuestros proyectos, una media del 45% de los clientes PYME de las aseguradoras tienen inexactitudes o errores en sus actividades o en sus direcciones.
Problema:

Somos un ejemplo de ello. En la imagen superior, podemos ver los datos que enviamos a la aseguradora cuando contratamos una póliza de seguro para comercios justo después de registrar nuestra empresa. Sin embargo, como cualquier otra empresa, muchas cosas han cambiado en sólo dos años. La aseguradora ha ido renovando nuestra póliza sin actualizar nuestros datos y, sin embargo, esta información se puede encontrar en fuentes de datos abiertas.
Solución:

La implementación de fuentes de datos abiertos puede ayudar a actualizar inexactitudes y datos obsoletos de forma automatizada. Debemos conocer cuál es la realidad de nuestros clientes para poder tomar buenas decisiones.
1. Para automatizar los procesos
Una vez que los datos que manejamos se ajustan a la realidad, la automatización de procesos se hace factible. Al establecer una conexión con nuestros sistemas y fuentes de datos abiertos, la automatización de procesos puede aplicarse a la suscripción y las renovaciones para reducir los tiempos y aumentar.
A continuación, se puede ver un ejemplo del antes y el después de un proceso de suscripción de un seguro de propiedad empresarial:
El proceso tradicional de suscripción (izquierda) de un seguro de propiedad empresarial requiere que el cliente potencial recopile una extensa lista de datos. Si nuestro sistema está conectado a un registro de la propiedad, podemos hacer este trabajo por ellos y ofrecer un proceso de suscripción de 2 preguntas.

¿Cómo sabemos si la calidad de las fuentes de datos abiertas es buena?
Esta es una de las principales preocupaciones, ya que las aseguradoras basan los riesgos y las primas en los datos que reciben. La información que podemos encontrar online sobre una empresa ha sido compartida por el propio negocio, sus clientes o instituciones públicas/bases de datos empresariales. La calidad debe evaluarse de forma diferente según la fuente y el tipo de datos.
Las empresas comparten información en su sitio web, en sus perfiles en las redes sociales y en su tarjeta de Google para empresas. Una de las formas de confirmar si la calidad de los datos es buena es comprobar cuándo se publicaron y si coinciden entre las distintas fuentes de datos.
Por ejemplo, si la dirección de la empresa que encontramos en Google Maps, el sitio web de la empresa y sus perfiles en las redes sociales coinciden, podemos estar seguros de que este dato es correcto y está actualizado.
Cuando los datos se encuentran en registros públicos u opiniones, normalmente tienen la fecha con la que se publicó la información, lo que nos permite entender si los datos de la aseguradora son más recientes o no.
Pero a veces la información, como las opiniones, puede ser falsa. ¿Cómo podemos asegurarnos de que sólo utilizamos opiniones verificadas para la evaluación de riesgos?
Sabemos que Internet está lleno de trolls y un cliente enfadado puede ser la peor pesadilla para una empresa. Esta puede ser la parte que más dudas genere a las aseguradoras, pero hay una forma de evitarlo que podemos ver en el siguiente ejemplo:
Podemos ver en la imagen superior que el Negocio 1 tiene una valoración más alta que el Negocio 2. Sin embargo, sólo ha recibido 7 opiniones y todas ellas han sido publicadas en un solo día. Por lo tanto, hay que tener en cuenta el número de opiniones y las fechas a la hora de dar importancia a esta información.
En este caso, las opiniones no se tendrán en cuenta para el Negocio 1, lo que significa que o bien es un negocio nuevo, o bien a los clientes no les gusta compartir opiniones sobre él. El resultado que obtendremos en esta comparación es que la Empresa 2 tiene una base de clientes consolidada, es popular y tiene una buenas opiniones.

¿Se automatizarán totalmente los procesos de las aseguradoras de comercios y PYME en el futuro?
Depende del tipo de riesgo. Creemos que los procesos de suscripción y renovación de las PYME se automatizarán totalmente en el futuro, ya que las tareas manuales no son eficientes ni rentables para primas tan pequeñas.
Hay una competición en el espacio de las aseguradoras de PYMEs y comercios: la aseguradora que consiga reducir los costes de estos procesos podrá ofrecer precios muy competitivos a sus clientes de las PYME.
En el caso de los riesgos más grandes, la situación es un poco más compleja. El tamaño de estas primas permite a la aseguradora invertir en RRHH sin que se produzca un aumento sustancial de la prima. Además, un sistema automatizado es susceptible de cometer errores que no podemos permitir en determinados tipos de riesgos.
La clave aquí es aplicar técnicas de Machine Learning y entrenar al sistema para que reduzca los errores a la vez que cuenta con la supervisión humana. Esta supervisión humana no sólo es útil para evitar estos errores, sino para encontrar nuevas formas de utilizar los datos abiertos.
Entonces, ¿por dónde debería empezar una aseguradoras de comercios y PYMEs?
En resumen, la primera tarea necesaria que tenemos que hacer respecto a los datos es mejorar aumentando su calidad. Una vez hecho esto, podemos plantearnos añadir complejidad a nuestros procesos e iniciar el camino del diseño y construcción de una compañía de seguros más automatizada y eficiente.
Si tienes alguna pregunta, no dudes en ponerte en contacto conmigo en roger@wenalyze.com