Seguro: Parte 1 - Análisis predictivo en el sector de seguros

Blog

Publicado

25 jun. 2018

Categoría

Ciencia de datos

Compartir

De: Natasha Mashanovich, Científica de datos superior en World Programming, Reino Unido

El seguro es "una promesa de proporcionar compensación en el futuro si ciertos eventos tienen lugar durante un período de tiempo específico" (fuente: www.casact.org). A diferencia de muchos otros productos cuyo coste se conoce antes de que se venda el producto, el seguro es una 'bestia' muy diferente ya que el precio de las pólizas de seguro se desconoce en el momento de la compra. Por lo tanto, vender un producto de seguro conlleva un gran riesgo financiero.

En su notación matemática más simple, el precio de un producto se define como la suma del coste y de las ganancias. El objetivo principal, y el mayor desafío, en el sector de seguros es la estimación precisa del coste del producto. Con los años, las aseguradoras han desarrollado una plétora de herramientas, metodologías y modelos matemáticos para calcular el coste. La revolución de los Big Data, junto con los avances en el procesamiento de datos, el análisis predictivo y la inteligencia artificial, han hecho que este esfuerzo sea más realizable. Sin embargo, el hecho de que en 2015 el mercado de seguros de automóviles del Reino Unido obtuviera ganancias de suscripción por primera vez desde 1994, demuestra que el seguro es un sector empresarial extremadamente desafiante (fuente: abi.org.uk).

Los hechos clave que figuran en el último informe anual del UK Insurance & Long-term Savings de la Association of British Insurers (ABI) confirman la importancia del sector de seguros para la fortaleza económica del Reino Unido. El sector de seguros del Reino Unido es el más grande de Europa y el cuarto más grande del mundo con el ingreso total de primas de £ 300 mil millones generado en 2016. Hay más de 900 aseguradoras generales autorizadas en el Reino Unido con más de 300.000 empleados. El valor de las primas escritas crece constantemente, y los seguros de automóvil y contenidos son los productos más grandes. Más del 75% de los hogares del Reino Unido tienen seguro de automóvil y/o contenido. A pesar de los ingresos totales medidos en decenas de miles de millones, los márgenes finos y las reclamaciones fraudulentas por un total de £ 800 millones llevaron a una pérdida de suscripción de £ 200 millones en el seguro de automóvil.

Figura 1. Datos clave de los seguros del Reino Unido (fuente: www.abi.org.uk, 2017)

El objetivo primordial en el mercado de seguros es, por lo tanto, establecer primas adecuadas, justas y competitivas. Con un enfoque centrado en el cliente, un sistema de fijación de precios de seguros debe ser fácil de entender, proporcionar tasas estables a lo largo del tiempo, ser flexible a los cambios económicos e incluir un control de pérdidas que en última instancia proporcione tarifas asequibles. Estos son requisitos muy desafiantes y opuestos que imponen una gran carga financiera para las aseguradoras.

Para poder proporcionar primas, las aseguradoras intentan responder a muchas incógnitas durante el customer journey (Figura 2), tales como: qué tan arriesgado es un cliente; debería recibir una oferta de descuento; cuánto descuento ofrecer; cómo adquirir más clientes; cómo retener a los clientes existentes; cuál es la probabilidad de que un cliente haga una reclamación y sería posible predecir el monto total del reclamo; podemos identificar clientes fraudulentos; cómo alentar a los clientes a comprar otros productos y demás.

Figura 2. Interacciones con el cliente durante el customer journey

El cálculo de pólizas de seguros adecuadas, justas y competitivas es la clave para responder a estas preguntas y garantizar la relación a largo plazo con los clientes. Por lo tanto, la fijación de precios de los seguros, a menudo denominada tarificación, es el factor clave en el sector de seguros y el arte de la ciencia de datos en este sector. Los dos conceptos de seguro más importantes, responsables de las pólizas de seguro adecuadas, justas y competitivas, son la fijación de precios y las reclamaciones. Estos conceptos, respaldados por la Detección de fraudes, son los elementos analíticos clave que contribuyen a los rápidos avances en las innovaciones de tecnología de seguros (Figura 3).

Figura 3. Marco de análisis de seguros

La Tabla 1 ilustra cómo la Ciencia de datos se puede utilizar a través de estos tres conceptos de seguro y ayuda a lidiar con varios desafíos de negocios en diferentes etapas del ciclo de vida del cliente.

SegmentoDesafíosSolución analíticaEnfoque típico de modeladoBeneficios de negocio
FIJACIÓN DE PRECIOSEl coste final de una póliza de seguro no se conoce en el momento de la ventaTarificación a nivel del cliente (fijación de precios basada en el riesgo)Modelos lineales generalizados (por ejemplo, el procedimiento GENMOD en el lenguaje de programación SAS)Fijación de precios adecuados y justos, por lo que Premia = Pérdida + Ganancia
Comprender el mercado competitivo y su dinámicaModelos de precios basados en el mercado que incluyen: modelos de conversión, demanda y retenciónModelos de propensiónExpandir la clientela, una ventaja competitiva
¿Qué tan valiosos son mis clientes?Valor de vida del clienteAnálisis de supervivencia, segmentación, modelos de propensión Campañas de marketing óptimas
¿Cuál es la tolerancia de precio de un cliente?Elasticidad del precioOptimizaciónMaximización de ganancias
RECLAMACIONESReducir los altos costes operativos/de TI y mantener la satisfacción del cliente Marco de gestión de reclamaciones, incluida la primera notificación de pérdidaEnfoque holístico que utiliza: modelos de propensión y regresión que incluyen lesiones corporales, coste de reclamación, siniestro totalToma de decisiones en tiempo real, monetización
DETECCIÓN DE FRAUDESDetección de fraude en solicitudes y reclamacionesMarco de detección de fraudesEnfoque holístico que utiliza: modelos de propensión, detección de anomalías, reglas de fraude, listas negras, análisis de conexionesMinimización de las pérdidas

Tabla 1. Aprovechamiento de la ciencia de datos para InsurTech

El desarrollo exitoso, la implementación y la utilización de modelos predictivos de seguros depende en gran medida de una plataforma analítica exclusiva que debe satisfacer una amplia gama de requisitos, incluidas las funcionalidades ETL (extraer, transformar, cargar); la manipulación, preparación y visualización de datos; la creación y validación del modelo; la implementación del modelo; la comprobación; la producción y el monitoreo. Las aseguradoras suelen optar por una mezcla de herramientas comerciales y de código abierto para justificar el coste de la implementación. Sin embargo, es necesaria una consideración cuidadosa, ya que a menudo esto podría conducir a una solución poco óptima, como el proceso de integración puede consumir tiempo y recursos.

Figura 4. Plataforma WPS Analytics para seguros