Análisis de datos en una industria de seguros posterior a la disrupción

Los seguros siempre han sido un negocio basado en datos. Cuanta más información tenga una aseguradora sobre el riesgo en cuestión, con mayor precisión podrá suscribir ese riesgo.
En el pasado, el acceso de las aseguradoras a los datos estaba limitado en gran medida por las capacidades humanas. Las aseguradoras podrían comprender y suscribir el riesgo en función de las capacidades de sus propios expertos para analizar y comprender los datos. Los datos utilizados estaban limitados por las habilidades de otros humanos para recopilar y registrar información.
Hoy en día, esos límites todavía se aplican, pero de una manera nueva. La disrupción digital permite crear, almacenar, acceder y analizar grandes conjuntos de datos. El análisis puede ocurrir en un instante y los resultados están disponibles en el siguiente.
El análisis de datos proporciona un nuevo y emocionante mundo para los seguros. Sin embargo, este nuevo mundo también plantea desafíos.
Es un mundo basado en datos
La información siempre ha sido valiosa. Los datos sobre eventos climáticos ayudan a las aseguradoras a comprender y predecir mejor los riesgos. La información sobre el comportamiento del cliente ayuda a los minoristas a decidir si, cuándo y cuánto inventario pedir y cómo mostrarlo. Los registros de circulación brindan a los bibliotecarios la información que necesitan para curar colecciones de medios de manera efectiva.
Sin embargo, la explosión de dispositivos basados en datos en los últimos años ha generado su propio baby boom en forma de datos. Se espera que aproximadamente un billón de dispositivos conectados estén en uso para 2025, generando una «avalancha de nuevos datos», escriben Ramnath Balasubramanian, Ari Libarikian y Doug McElhaney en McKinsey.
Las aseguradoras ven la escritura (digital) en la pared. En una encuesta de EY Data Science in Insurance, todas las aseguradoras que respondieron dijeron que el análisis de datos será muy importante para el éxito continuo de las aseguradoras, escriben Corina Gruenenfelder y Sabine Betz de EY. Sin embargo, no todas las aseguradoras han dado pasos para adaptarse a este futuro digital. Solo el 25 por ciento de los encuestados tiene métodos avanzados de análisis de datos en uso para su negocio principal. El otro 75 por ciento esperaba mejorar y ampliar sus métodos de análisis existentes con un mejor uso de las herramientas de análisis digital.
La mayoría de las aseguradoras han comenzado la transición hacia un análisis de datos digital sólido centrándose en herramientas analíticas para aplicar a sus propias colecciones de datos. Las aseguradoras se han centrado en obtener información de sus propios datos almacenados de clientes, información sobre sus procesos internos y datos recopilados de agentes y corredores. Sin embargo, las aseguradoras también tienen acceso a un conjunto de datos de fuentes externas en rápido crecimiento, incluidos conjuntos de datos públicos y agregadores de terceros, escribe Kirill Pankratov, jefe de transformación del grupo UW en seguros comerciales en Zurich Insurance.
Las herramientas que permiten a las aseguradoras analizar estos datos en busca de información y patrones proporcionarán información a la que las compañías de seguros históricamente no han podido acceder, y eso cambiará profundamente la forma en que las aseguradoras suscriben el riesgo y distribuyen la cobertura.

Aplicación de datos para tomar mejores decisiones sobre seguros
La aplicación de datos ofrece a las aseguradoras nuevas formas de conceptualizar, abordar y resolver viejos problemas. Aún así, el análisis de datos plantea sus propios desafíos.
Un mejor análisis de datos puede ayudar a las aseguradoras a administrar los costos, dice Tim Brockett, vicepresidente ejecutivo y jefe de líneas especializadas de Munich Re US. Brockett señala que con las herramientas adecuadas, la industria de seguros «puede mejorar nuestros precios, nuestra suscripción y nuestros análisis en torno a reclamos y segmentación de clientes para mejorar nuestra rentabilidad y comprender nuestro riesgo».
La suscripción y la distribución ofrecen un terreno fértil para el análisis de datos de seguros. «La ciencia actuarial, tal como se practica tradicionalmente, tiene muchas similitudes con el análisis de datos», escribe Rachel Hastings en Emeritus. Tanto la ciencia actuarial como el análisis de datos actual dependen de entradas de datos de alta calidad para su éxito.
Para las aseguradoras, sin embargo, el éxito con el análisis de datos dependerá de cómo se entiendan y utilicen los datos.
Los cambios en los patrones de riesgo han comenzado a crear dos categorías distintas: riesgos que son más medibles, más frecuentes y menos graves frente a riesgos que son menos medibles, menos frecuentes y más graves. Por ejemplo, el riesgo de filtración de agua en el sótano durante las fuertes lluvias de primavera cae en la primera categoría, mientras que el riesgo de una inundación catastrófica que arrase todo el sótano de la misma casa cae en la segunda.
El análisis de datos puede abordar ambos tipos de riesgo, aunque los desafíos de aplicar datos a cada tipo difieren, escriben Tanguy Catlin y otros miembros de las prácticas de seguros y organizaciones de McKinsey.
Por ejemplo, los riesgos más medibles y frecuentes implican cantidades mucho mayores de datos, especialmente cuando se trata de puntos de datos individuales en tiempo real de sensores inteligentes y dispositivos similares. Las aseguradoras necesitarán herramientas que les permitan agregar y sintetizar conjuntos de datos masivos y rastrear patrones existentes como base del análisis predictivo.
Por el contrario, los riesgos menos medibles y frecuentes vienen con conjuntos de datos más pequeños, pero la intensidad de estos riesgos ejerce una mayor presión sobre las aseguradoras para predecir y fijar precios en consecuencia. La capacidad de modelar las incertidumbres de manera confiable y proporcionar soluciones más allá de la transferencia de riesgos será esencial, explican Catlin, et al.
Los datos ofrecen nuevas formas de abordar los desafíos de los seguros. Incluso ofrece una forma de mantenerse al tanto de los patrones de riesgo que cambian rápidamente. Para aprovechar estas oportunidades, las aseguradoras deberán abordar sus herramientas de datos cuidadosamente.

Responsabilidades y desafíos en el análisis de datos
«Las capacidades de datos y análisis se están convirtiendo en apuestas de mesa en el sector de P&C en Europa y América del Norte», escriben Kia Javanmardian y sus colegas investigadores de McKinsey. Al invertir en datos y análisis, particularmente para mejorar la suscripción, las aseguradoras han visto aumentar los índices de pérdidas, las primas de nuevos negocios y la retención.
A medida que el análisis avanzado de datos se convierta en algo común en los seguros, se producirán tres cambios importantes, dice Violet Chung de McKinsey:
- Las primas y los beneficios del seguro se adaptarán según el comportamiento del cliente en el momento, como en la cobertura de automóvil de pago por conducción.
- Los cambios sísmicos en los perfiles de riesgo y el acceso a datos sin precedentes sobre esos riesgos requerirán que las aseguradoras reconsideren los riesgos y las primas asociadas.
- El análisis automatizado de datos en tiempo real permitirá a las aseguradoras suscribir automáticamente más tipos de riesgos.
Estos cambios, a su vez, reconstruirán otros fundamentos de los seguros, incluidas las relaciones con los clientes y los roles de los agentes en la distribución. Para poner los datos a trabajar, las aseguradoras deberán enfrentar ciertos desafíos y aceptar la responsabilidad que conlleva aceptar esos desafíos.
«Para aprovechar estas oportunidades, las compañías de seguros deben remodelar sus organizaciones y transformarse en empresas basadas en datos», escriben Marck Timmermans y sus colegas investigadores de Compact Magazine. La emoción de aprovechar nuevas oportunidades debe equilibrarse con la necesidad de seguridad, control del proceso y conciencia de las expectativas sociales.
Otros desafíos que se avecinan en el uso del análisis de datos incluyen:
- Afianzamiento del sesgo existente en los conjuntos de datos disponibles, especialmente cuando los conjuntos de datos son limitados.
- Creación de perfiles de clientes incompletos o engañosos a partir de datos públicos.
- El riesgo de que la toma de decisiones autónoma por parte de algoritmos conduzca a errores costosos.
Las preocupaciones éticas sobre el análisis de datos en los seguros se centran en el impacto del uso de datos en las vidas humanas. Sin embargo, la ética no es la única razón por la que las aseguradoras deben considerar cómo interactúan sus herramientas de datos con los esfuerzos humanos.
A pesar de los recientes avances tecnológicos, la industria de seguros continúa dependiendo en gran medida de la experiencia y las habilidades de su fuerza laboral humana. El análisis de datos y otras herramientas tecnológicas pueden mejorar la experiencia y las habilidades de los profesionales de seguros, pero no siempre pueden reemplazarlas. La combinación de herramientas digitales con expertos humanos puede sacar lo mejor de cada una, lo que lleva a un mayor crecimiento y más resiliencia frente a los futuros desafíos digitales.
Imágenes de: skracht/©123RF.com, woodysphotos/©123RF.com, pavelvozmischev/©123RF.com


