Es cierto que la creación de productos aseguradores se ha basado siempre en el análisis de los datos históricos de los que disponían las entidades, por ello los departamentos de suscripción requieren de datos antiguos para realizar cambios en las coberturas o en el lanzamiento de productos nuevos 

La realidad que estamos viviendo en estos días hace que este procedimiento de analítica basado en datos pasados no sirva para ser utilizado para hacer modificaciones en los productos ni, hasta cierto punto, predecir riesgos y daños futuros. La pregunta es ¿cómo será el seguro de empresa post-covid? 

Hay quien puede decir que ya en el pasado hemos experimentado situaciones excepcionales, que no solo han tenido un impacto económico a nivel mundial, sino en el cambio de las costumbres de los consumidores o en la forma de hacer negocios, como han sido, el 11-S, el desastre nuclear de Fukushima, huracanes como Sandy, el SARS y el MERS, etc. 

Sin embargo, el impacto del COVID es mucho mayor y más homogéneo, puesto que a pesar de que los sucesos anteriores han tenido una gran repercusión, su impacto geográfico siempre ha sido limitado y nunca lo fue a nivel global con niveles de daño en la población, en las economías y en negocios similares. En definitiva, nunca se paró la economía a nivel mundial. 

Por lo tanto, la cruda realidad es que el pasado ya no es el único predictor de lo que va a suceder en el futuro por lo que tendremos que incorporar otro tipo de datos para poder seguir avanzando y mejorando la capacidad de predicción de riesgos de nuestros modelos, ser más eficientes y automatizar procesos. 

Para visualizar esto es importante poner como ejemplo casos de uso reales que harán posible poner en valor el uso de estos datos externos y que desde Wenalyze hemos ayudado a solucionar con nuestra plataforma de datos abiertos y externos. 

Para empezar el primer caso de uso es depurar los datos de clientes existentes en informaciones tan básicas como la dirección de sus clientes, tienen datos erróneos o no exactos en un 30% de su cartera. Si estos números les parecen inverosímiles les invitamos a hacer una prueba con nosotros. 

Si el nivel de dato sucio en algo tan fundamental es tan alto, no podemos dejar de pensar qué niveles puede alcanzar en la exacta determinación de los riesgos, por ejemplo, en las carteras que se renuevan. 

En este sentido solo un pequeño porcentaje de las pólizas que se renuevan de forma automática en las carteras de las aseguradoras se actualizan los datos de los riesgos o sus coberturas, exponiendo a las aseguradoras a mayores pérdidas, y a los clientes a coberturas que no están alineadas con la realidad de sus negocios. 

Otro de los casos posibles para seguro de empresa post-covid es el incrementar la eficiencia de la suscripción mediante el uso de este tipo de datos externos, automatizando la suscripción e incrementando la eficiencia en, como mínimo, un 20%. Siendo mucho más ágiles en el desarrollo de nuevos productos más adaptados al mercado y un largo etcétera.