19 September 2024

Di mana posisi perusahaan asuransi pada analitik dan kecerdasan data?

Beberapa tahun terakhir sangat menantang bagi perusahaan asuransi properti dan kecelakaan. 2017 mencetak rekor baru untuk jumlah bencana alam miliaran dolar di AS, menurut data dari Administrasi Kelautan dan Atmosfer Nasional. 2020 juga merupakan salah satu tahun termahal yang tercatat dalam hal bencana alam. Selain itu, investasi asuransi P&C menderita pada bulan-bulan awal COVID-19, seperti yang dicatat oleh Chris Bradley dan Peter Stumpner dari McKinsey.

Saat ini, perusahaan asuransi berebut untuk mendukung bisnis inti mereka di era penurunan pengeluaran asuransi mobil, meningkatnya kerusakan properti dan bencana, dan ambivalensi dari investor. Analitik dan kecerdasan data menawarkan cara bagi perusahaan asuransi untuk meningkatkan proses bisnis mereka dan mempertahankan keunggulan kompetitif.

Analitik dan Intelijen Data pada tahun 2022

Istilah “analitik data” dan “kecerdasan data” sering digunakan dalam hubungan yang erat satu sama lain. Dalam beberapa konteks, mereka bahkan digunakan secara bergantian.

Analitik dan kecerdasan data terkait satu sama lain, tetapi tidak dapat dipertukarkan. Secara garis besar, kecerdasan data adalah kategori payung yang mencakup semua cara di mana data dapat dieksplorasi dan diperiksa untuk mendapatkan wawasan. Analitik data adalah salah satu proses dalam payung kecerdasan data.

Analitik data mengumpulkan dan memproses data mentah untuk mengungkapkan tren atau pola apa pun yang muncul dalam data tersebut, tulis Jagreet Kaur Gill di platform AI Akira.ai. Fungsi pengumpulan dan pemrosesan dirancang dengan mempertimbangkan pertanyaan atau tujuan utama. Analitik data yang berusaha memahami perubahan pola iklim dan cuaca, misalnya, akan bekerja secara berbeda dari analitik data yang berusaha memahami mengapa pelanggan asuransi meninggalkan proses aplikasi di tengah proses pengisian formulir penawaran untuk asuransi mobil.

Analitik dan kecerdasan data adalah kategori yang luas. Fungsi dan penerapannya bisa tampak samar-samar. Namun alat-alat ini dapat diterapkan pada sejumlah bidang konkret dalam asuransi, tulis Yannick Even dan Jonathan Anchen di Swiss Re.

Misalnya, analitik data berkemampuan AI dapat digunakan untuk memproses teks dengan cepat dalam dokumen (termasuk kontrak), email, dan log obrolan. Hasilnya adalah pemahaman yang lebih baik tentang pelanggan individu dan ketentuan kontrak, yang memungkinkan agen, broker, dan perwakilan layanan pelanggan untuk memberikan layanan yang lebih baik.

Meskipun tertinggal pada tahap awal analitik dan adopsi kecerdasan data, asuransi mengejar ketinggalan dengan cepat — dan bahkan mendorong inovasi. “Perubahan ini terjadi begitu cepat sehingga industri asuransi saat ini menunjukkan kematangan yang lebih tinggi dalam analitik data daripada beberapa industri lain,” tulis Suhas Sethi dan Yogendra Goyal di perusahaan manajemen proses bisnis WNS Global Services.

Asuransi dan Intelijen Data

Analitik dan kecerdasan data tidak lagi hanya menyenangkan untuk dimiliki. “Karyawan dengan kinerja terbaik di kelasnya menempatkan jarak antara mereka dan pesaing dengan membangun kemampuan underwriting data dan analitik canggih yang dapat memberikan nilai substansial,” tulis Kia Javanmardian dan rekan-rekan peneliti di McKinsey.

Penelitian McKinsey telah menemukan bahwa ketika analitik dan kecerdasan data digunakan untuk underwriting, perusahaan asuransi melihat peningkatan di beberapa bidang:

Peningkatan 3 hingga 5 poin dalam rasio kerugian.
10 hingga 15 persen peningkatan premi bisnis baru.
5 hingga 10 persen retensi pelanggan dalam kategori asuransi yang paling menguntungkan.

Kecerdasan data juga dapat digunakan untuk melihat tren yang meningkat dan peluang pasar baru, kata para penulis.

Kecerdasan buatan adalah pendorong kuat untuk meningkatkan analitik dan kecerdasan data. Sebuah studi WNS/Forrester melaporkan bahwa:

72 persen bisnis yang menanggapi menggunakan alat yang disempurnakan AI untuk meningkatkan kecerdasan bisnis.
67 persen menggunakan analitik teks dan 65 persen menggunakan analitik ucapan untuk lebih memahami data, termasuk interaksi pelanggan.
54 persen mengandalkan pemrosesan bahasa alami, yang sering disematkan dalam chatbot dan alat serupa, untuk wawasan data yang lebih baik.
45 persen menggunakan platform pembelajaran mesin untuk meningkatkan analitik dan kecerdasan data.

Secara keseluruhan, studi ini menemukan bahwa 97 persen bisnis melaporkan manfaat operasional yang berasal dari praktik analitik data dan intelijen canggih mereka.

Seperti halnya setiap teknologi, analitik berbasis AI dan kecerdasan data mengumpulkan skeptisisme pada masa-masa awalnya. Pada awalnya, perusahaan asuransi tidak memiliki informasi yang mereka butuhkan untuk menentukan apakah AI adalah kilatan dalam tren pan atau alat bisnis yang bertahan lama.

Saat ini, AI masuk ke dalam kategori terakhir, berkat kemampuannya untuk mengubah bisnis asuransi di setiap tahap, tulis Thomas Löchte di IKOR. Ekosistem data membantu perusahaan asuransi menanggung dan mendistribusikan polis asuransi sebagai respons terhadap peristiwa real-time. Misalnya, kecerdasan data memungkinkan perusahaan asuransi untuk menyediakan cakupan tertanam atau titik penjualan yang disesuaikan dengan kebutuhan spesifik setiap pelanggan.

Kecerdasan data tidak dapat melakukan tugasnya sendiri. “Gagasan bahwa solusi AI dapat dibeli, dicolokkan, dan dibiarkan berjalan di perangkat mereka sendiri, sejujurnya, adalah fiksi ilmiah,” kata Zhiwei Jiang, CEO wawasan dan data di Capgemini. Perusahaan asuransi akan membutuhkan staf dengan keterampilan yang diperlukan untuk membimbing dan mengembangkan kecerdasan dan analitik data. Kemampuan untuk menafsirkan dan menerapkan hasil analisis tersebut juga diperlukan.

Praktik Terbaik untuk Analitik dan Kecerdasan Data yang Kuat

Analitik dan kecerdasan data yang didukung AI bukanlah obat mujarab. Meskipun teknologi ini dapat merevolusi underwriting dan distribusi, implementasinya menimbulkan tantangan bagi perusahaan asuransi.

Sebuah studi EIOPA tahun 2019 menemukan bahwa perusahaan asuransi menghadapi tantangan umum dalam menerapkan intelijen data terkini. Tantangan-tantangan ini meliputi:

Memenuhi persyaratan peraturan dan tetap mendapat informasi tentang perubahan peraturan.
Mengatasi kepercayaan konsumen seputar AI dan keamanan data.
Memastikan data akurat dan analisis serta penggunaan data mengikuti standar etika.
Melindungi dari risiko dunia maya, seperti peretasan dan pencurian data.
Mempekerjakan dan melatih staf dalam menghadapi kekurangan keterampilan yang membayangi terkait dengan kecerdasan data.

Akses ke data saja tidak cukup. Mempertahankan kapasitas untuk mengumpulkan, menyimpan, dan menganalisis data diperlukan bagi perusahaan asuransi. Tanpa kapasitas ini, perusahaan asuransi kehilangan kesempatan untuk mengumpulkan wawasan dari data dan menggunakan informasi itu untuk diri mereka sendiri dan pelanggan mereka.

Tantangan lain yang membayangi bagi perusahaan asuransi adalah kesenjangan keterampilan antara apa yang dapat dilakukan tim mereka yang ada dan apa yang diminta oleh analitik dan analisis data yang kuat.

Menggabungkan kapasitas, alat, proses, dan keterampilan akan membawa perusahaan asuransi ke masa depan kecerdasan data. Saat ini, perusahaan asuransi memiliki banyak pekerjaan yang harus dilakukan untuk mewujudkan visi tersebut. Satu studi Capgemini menemukan bahwa “hanya 18% organisasi asuransi yang memiliki alat, teknologi, orang, proses, keterampilan, dan budaya untuk mendapatkan nilai penuh dari meningkatnya volume data yang dapat mereka akses,” tulis Seth Rachlin dan sesama penulis penelitian.

Menurut studi tersebut, 18 persen organisasi teratas berbagi beberapa fitur umum yang mendorong kesuksesan intelijen data mereka. Lebih dari 80 persen memastikan bahwa literasi data adalah keterampilan inti yang dibagikan di seluruh tim, tidak terbatas pada pakar materi pelajaran, dan 84 persen memiliki “program peningkatan keterampilan data berbasis peran” untuk sebagian besar karyawan mereka. Tujuh puluh delapan persen mengatakan bahwa program peningkatan keterampilan mereka tidak hanya mencakup topik kecerdasan buatan standar dan pembelajaran mesin, tetapi juga keterampilan kecerdasan data seperti pelatihan model, koreksi kursus, dan pemeliharaan.

Jalan ke depan dalam analitik dan kecerdasan data untuk perusahaan asuransi menuntut perhatian pada kapasitas data, keamanan, dan alat analitik. Ini juga membutuhkan perhatian pada pengembangan keterampilan di antara para profesional asuransi. Ketika tim memiliki keterampilan dan alat yang tepat, mereka dapat memanfaatkan kecerdasan data dan analisis mendalam sebaik-baiknya untuk meningkatkan penjaminan emisi dan distribusi.

Gambar oleh: dolgachov/©123RF.com, andreypopov/©123RF.com, adiruch/©123RF.com

Berita