Data Analytics

Ciudad de México, 20 de enero de 2020.

A inicios del año 2000, asegurar un automóvil viejo podía llegar a ser una actividad realmente costosa para los propietarios, debido a la percepción de mayor riesgo que las aseguradoras tenían sobre este tipo de vehículos.

Con el surgimiento, hace más de una década, de Data Analytics (Analytics) –un concepto al que definimos como un conjunto de técnicas estadísticas en las que se realizan análisis cuantitativos y sistemáticos de diversos datos, con el fin de obtener conclusiones que impulsen el rendimiento y la estrategia de negocio de una empresa–, las aseguradoras ampliaron su panorama sobre el tema.

El análisis de datos les permitió modificar su visión y conocer que, más allá del modelo del auto, existen otras variables igual de importantes que necesitaban ser consideradas al momento de establecer una tarifa para asegurarlo, como las características de la persona que suele manejarlo (edad, género, entre otras).

Así fue como las técnicas de Analytics comenzaron a transformar uno de los tantos aspectos de la industria aseguradora. Contrario a lo que se asume, este proceso no se basa únicamente en la recopilación de datos. Su verdadera esencia está en el análisis que se hace de la información, generando así un conocimiento de valor, que permita a la organización obtener una ventaja competitiva.

Bien implementado, el análisis de datos ofrece diversos beneficios a las empresas que deciden apostar por él. De manera específica, les ayuda a identificar, predecir, detectar, anticipar y aprovechar la información con la que ahora cuentan.

Mientras más información tengan, mayor claridad habrá sobre los riesgos a los que se enfrentan. En otras palabras, a medida que las compañías conozcan, con mayor detalle, todos los datos que tienen a su disposición, podrán identificar, de una mejor forma, temas que pasaban desapercibidos, cuestiones operacionales internas e incluso tendencias y nuevos nichos de mercado, llegando a la posibilidad de predecir resultados y anticiparse a ellos (predictive and prescritive analytics).

Asimismo, las técnicas de Analytics no son exclusivas del sector asegurador, sino que pueden ser aplicadas a casi cualquier industria o línea de negocio con grandes volúmenes de información, tales como, servicios financieros, industrias de consumo, ciencias de la vida y cuidado de la salud o farmacéuticas, por mencionar algunas.

Sin embargo, en los seguros, por la naturaleza del negocio, su incursión –que comenzó en el sector automovilístico– ha sido un factor clave para impulsar el desarrollo de la industria, mejorar procesos, identificar y conocer de manera más detallada el nivel de riesgo a través de nuevas y diversas variables –algunos modelos ya consideran incluso la forma de manejar del asegurado para establecer una tarifa, Usage Based Insurance (UBI)–, y hacer más asertiva la definición del costo de las primas. 

Análisis de la información, el desafío

El reto principal que tienen las empresas, respecto a la implementación de Analytics, es comprender que no consiste únicamente en el manejo de bases de datos, sino en realizar un verdadero análisis de la información y aplicar las técnicas correctas, que permitan identificar qué ocurre, por qué y cuáles son las acciones que se deben tomar para lidiar con esto.

Para ello, es fundamental que las organizaciones consideren, principalmente, los siguientes elementos:

• Estrategia
  Ya sea en pequeñas o grandes iniciativas de Analytics, las empresas deben comenzar por construir una estrategia. ¿Cuál será el retorno de inversión que me dejará el uso de esta tecnología?, ¿qué modelo operativo puedo mejorar a través de ella?, son algunas de las preguntas que deben hacerse.
• Ciencia
  El enfoque tiene que basarse en la ciencia analítica interdisciplinaria, impulsada por las necesidades comerciales de la organización.
• Información
  Es necesario tener precisión sobre los datos que se buscan obtener. Las compañías tienen que realizar las preguntas correctas y contar con los sistemas, tecnología o plataformas que les permitan capturar esta información y transformarla en resultados.
• Capacidad
  Las organizaciones deben tener claro que, en Analytics, a medida que se avanza a modelos más complejos, se requiere de una mayor capacidad para analizar los resultados y saber interpretarlos.

El objetivo, pues, es que las empresas sepan realmente utilizar los datos recopilados; en otras palabras, que logren darles un sentido y los conviertan en una ventaja para su modelo de negocio.

No hay duda: los procesos de Analytics se están convirtiendo, hoy, en una herramienta que las compañías deben voltear a ver; con el tiempo, esta tecnología puede llegar a convertirse en uno de sus mejores aliados.