¿Cuál es la posición de las aseguradoras sobre el análisis y la inteligencia de datos?
Los últimos años han sido inusualmente desafiantes para las aseguradoras de propiedad y accidentes. 2017 estableció nuevos récords para el número de desastres naturales de miles de millones de dólares en los EE. UU., según datos de la Administración Nacional Oceánica y Atmosférica. 2020 también fue uno de los años más caros registrados en términos de desastres naturales. Además, las inversiones en seguros generales sufrieron en los primeros meses de COVID-19, como señalan Chris Bradley y Peter Stumpner de McKinsey.
Hoy en día, las aseguradoras se esfuerzan por respaldar su negocio principal en una era de disminución del gasto en seguros de automóviles, aumento de daños a la propiedad y desastres, y ambivalencia de los inversores. La analítica y la inteligencia de datos ofrecen una forma para que las aseguradoras mejoren sus procesos comerciales y mantengan una ventaja competitiva.
Analítica e inteligencia de datos en 2022
Los términos «análisis de datos» e «inteligencia de datos» se utilizan a menudo en estrecha relación entre sí. En algunos contextos, incluso se usan indistintamente.
La analítica y la inteligencia de datos están relacionadas entre sí, pero no son intercambiables. En términos generales, la inteligencia de datos es una categoría general que abarca todas las formas en que los datos pueden explorarse y examinarse para obtener información. El análisis de datos es un proceso dentro del paraguas de la inteligencia de datos.
El análisis de datos recopila y procesa datos sin procesar para revelar cualquier tendencia o patrón que aparezca en esos datos, escribe Jagreet Kaur Gill en la plataforma de IA Akira.ai. Las funciones de recopilación y procesamiento están diseñadas teniendo en cuenta preguntas u objetivos clave. El análisis de datos que busca comprender los cambios en el clima y los patrones meteorológicos, por ejemplo, funcionará de manera diferente al análisis de datos que busca comprender por qué los clientes de seguros abandonan el proceso de solicitud a la mitad de completar un formulario de cotización para el seguro de automóvil.
La analítica y la inteligencia de datos son categorías amplias. Su función y aplicación pueden parecer nebulosas. Sin embargo, estas herramientas se pueden aplicar a una serie de áreas concretas en los seguros, escriben Yannick Even y Jonathan Anchen en Swiss Re.
Por ejemplo, el análisis de datos habilitado por IA se puede utilizar para procesar texto rápidamente en documentos (incluidos contratos), correo electrónico y registros de chat. El resultado es una mejor comprensión de los clientes individuales y los términos del contrato, lo que permite a los agentes, corredores y representantes de servicio al cliente brindar un mejor servicio.
A pesar de estar rezagados en las primeras etapas de la adopción de análisis e inteligencia de datos, los seguros se están poniendo al día rápidamente, e incluso impulsando la innovación. «Este cambio está ocurriendo tan rápidamente que la industria de seguros hoy exhibe una mayor madurez en el análisis de datos que varias otras industrias», escriben Suhas Sethi y Yogendra Goyal de la empresa de gestión de procesos comerciales WNS Global Services.
Seguros e inteligencia de datos
La analítica y la inteligencia de datos ya no son simplemente agradables. «Los mejores de su clase están poniendo distancia entre ellos y sus competidores mediante la creación de capacidades avanzadas de suscripción de datos y análisis que pueden ofrecer un valor sustancial», escriben Kia Javanmardian y sus colegas investigadores de McKinsey.
La investigación de McKinsey ha encontrado que cuando se utilizan análisis e inteligencia de datos para la suscripción, las aseguradoras ven mejoras en varias áreas:
- Mejora de 3 a 5 puntos en los índices de siniestralidad.
- Aumento del 10 al 15 por ciento en las primas de nuevos negocios.
- Retención de clientes del 5 al 10 por ciento en las categorías de seguros más rentables.
La inteligencia de datos también se puede utilizar para detectar tendencias crecientes y nuevas oportunidades de mercado, señalan los autores.
La inteligencia artificial es un fuerte impulsor de la mejora de la analítica y la inteligencia de datos. Un estudio de WNS/Forrester informa que:
- El 72 por ciento de las empresas que respondieron utilizaron herramientas mejoradas con IA para mejorar la inteligencia empresarial.
- El 67 por ciento utilizó análisis de texto y el 65 por ciento utilizó análisis de voz para comprender mejor los datos, incluidas las interacciones con los clientes.
- El 54 por ciento confió en el procesamiento del lenguaje natural, a menudo integrado en chatbots y herramientas similares, para obtener mejores conocimientos de datos.
- El 45 por ciento utilizaba plataformas de aprendizaje automático para mejorar el análisis y la inteligencia de datos.
En general, el estudio encuentra que el 97 por ciento de las empresas reportan beneficios operativos derivados de sus prácticas avanzadas de inteligencia y análisis de datos.
Al igual que con todas las tecnologías, el análisis basado en IA y la inteligencia de datos generaron escepticismo en sus primeros días. Al principio, las aseguradoras carecían de la información que necesitaban para determinar si la IA era un destello en la tendencia o una herramienta comercial duradera.
Hoy en día, la IA cae firmemente en la última categoría, gracias a su capacidad para transformar el negocio de los seguros en cada etapa, escribe Thomas Löchte en IKOR. Los ecosistemas de datos ayudan a las aseguradoras a suscribir y distribuir pólizas de seguro en respuesta a eventos en tiempo real. Por ejemplo, la inteligencia de datos permite a las aseguradoras proporcionar cobertura integrada o en el punto de venta adaptada a las necesidades específicas de cada cliente.
La inteligencia de datos no puede hacer su trabajo sola. «La idea de que las soluciones de IA se pueden comprar, conectar y dejar que se ejecuten en sus propios dispositivos es, francamente, ciencia ficción», dice Zhiwei Jiang, CEO de insights and data en Capgemini. Las aseguradoras necesitarán personal con las habilidades necesarias para guiar y desarrollar inteligencia y análisis de datos. También se requiere la capacidad de interpretar y aplicar los resultados de esos análisis.
Mejores prácticas para análisis e inteligencia de datos sólidos
El análisis y la inteligencia de datos habilitados por IA no son una panacea. Si bien la tecnología puede revolucionar la suscripción y la distribución, su implementación plantea desafíos para las aseguradoras.
Un estudio de EIOPA de 2019 encontró que las compañías de seguros enfrentaban desafíos comunes para implementar inteligencia de datos actualizada. Estos desafíos incluyen:
- Cumplir con los requisitos reglamentarios y mantenerse informado de los cambios normativos.
- Abordar la confianza del consumidor en torno a la IA y la seguridad de los datos.
- Garantizar que los datos sean precisos y que el análisis y el uso de los datos sigan estándares éticos.
- Protección contra riesgos cibernéticos, como piratería y robo de datos.
- Contratar y capacitar al personal ante la inminente escasez de habilidades relacionadas con la inteligencia de datos.
El mero acceso a los datos no es suficiente. Mantener la capacidad de recopilar, almacenar y analizar datos es necesario para las aseguradoras. Sin esta capacidad, las aseguradoras pierden la oportunidad de obtener información de los datos y poner esa información en uso para ellos y sus clientes.
Otro desafío que se avecina para las aseguradoras es la brecha de habilidades entre lo que pueden hacer sus equipos existentes y lo que exigen análisis y análisis de datos sólidos.
La combinación de capacidad, herramientas, procesos y habilidades llevará a las aseguradoras a un futuro de inteligencia de datos. Actualmente, las aseguradoras tienen mucho trabajo por hacer para hacer realidad esa visión. Un estudio de Capgemini encuentra que «solo el 18% de las organizaciones de seguros tenían las herramientas, tecnologías, personas, procesos, habilidades y cultura para obtener el valor total del creciente volumen de datos a los que tenían acceso», escriben Seth Rachlin y otros autores del estudio.
Según el estudio, el 18 por ciento superior de las organizaciones compartió varias características comunes que impulsan su éxito en la inteligencia de datos. Más del 80 por ciento se aseguró de que la alfabetización de datos fuera una habilidad básica compartida entre los equipos, no limitada a los expertos en la materia, y el 84 por ciento tenía «programas de mejora de habilidades de datos basados en roles» para la mayoría de sus empleados. El setenta y ocho por ciento dijo que sus programas de mejora de habilidades incluían no solo temas estándar de inteligencia artificial y aprendizaje automático, sino también habilidades de inteligencia de datos como entrenamiento de modelos, corrección de rumbo y mantenimiento.
El camino por delante en análisis e inteligencia de datos para las aseguradoras exige atención a la capacidad de los datos, la seguridad y las herramientas analíticas. También requiere atención al desarrollo de habilidades entre los profesionales de seguros. Cuando los equipos tienen las habilidades y herramientas adecuadas, pueden aprovechar al máximo la inteligencia de datos y el análisis profundo para mejorar la suscripción y la distribución.
Imágenes de: dolgachov/©123RF.com, andreypopov/©123RF.com, adiruch/©123RF.com
1 septiembre 2025
1 septiembre 2025
1 septiembre 2025