“A informação é o petróleo do século 21 e a análise estatística, a combustão”, afirmou Peter Sondergaard, Vice-Presidente Sênior e Chefe Global de Pesquisa da Gartner, em 2011, quando de sua palestra no Simpósio Gartner. Essa frase resume o impacto que a análise e modelagem estatística pode ter na sua empresa.

Na época, Sondergaard havia dito que o conceito de um data warehouse contendo todas as informações da empresa necessárias para as decisões estava morto. Múltiplos sistemas, incluindo gestão de conteúdo, data warehouses, repositórios de dados e sistemas de armazenagem especializados vinculados a serviços de dados e metadados irão se tornar o data warehouse lógico de uma empresa.

Se você trabalhou no setor de seguros nos últimos dez anos, acompanhou os avanços em análise de dados e modelagem estatística. Primeiro, havia big data; depois, o aprendizado de máquina e, agora, a última moda são os cientistas de dados. Mas muitas empresas sentem que o retorno é menor do que esperavam porque a modelagem estatística avançada não é criada por nenhuma das três coisas sozinhas, são mais uma fórmula ou uma equação. É o produto da seleção das técnicas corretas (partes do aprendizado de máquina), da tecnologia (capacidade de alimentar os algoritmos) e do talento (cientistas de dados).

E, se uma seguradora consegue os talentos certos, isso pode representar uma capacidade de impacto exponencial nos seus resultados, em comparação à concorrência.

Técnicas: aprendizado de máquina

O aprendizado de máquina é projetado com base em grandes problemas de dados em vez de amostragem. Pode ser um pouco mais opaco do que os modelos preditivos tradicionais no que diz respeito à compreensão das relações. Trata-se de solicitar que o software encontre conexões nos dados, coisa que o aprendizado de máquina faz de maneira diferente do que a modelagem estatística tradicional. O cientista de dados e a seguradora precisam decidir qual a melhor abordagem.

Hoje, quase todas as empresas de seguros possuem alguma forma de capacidade de big data, mas que, por si só, não levam uma operadora muito longe. Além de conseguir colher enormes quantidades dados, a habilidade de vincular, com precisão, milhões de linhas de dados e de reuní-los em uma única entidade é o que importa.

É necessário criar o conjunto certo de atributos, através de uma grande variedade de fontes de dados. Atributos são essenciais para a modelagem preditiva pois ‘transformam’ dados brutos em um formato que pode ser analisado ou modelado estatisticamente.

Os atributos simples referem-se a direitos e julgamentos, cobranças indevidas e sinistros solicitados ao longo de vários anos. Atributos orientados a eventos e transicionais incluem itens como mudanças de endereço residencial ou na pontuação de um seguro. Já os mais complexos são aqueles que podem resumir muitos outros ou ser preditivos por si só, o que exige uma plataforma de tecnologia não somente offline, para desenvolvimento de modelo, mas também em tempo real, para calcular cotações e tomar decisões sobre renovações e sinistros.

Talento: cientistas de dados

Talento é a parte mais importante da fórmula porque requer o esforço para transformar big data em dados úteis ou em decisões.

Existem dois conceitos errados no que diz respeito a análise estatística. Primeiro, que somente apontar a máquina para os dados é o suficiente e, segundo, a visão de que ‘eu sei como tratar dados e qual abordagem adotar’. Eles nunca são o que você ou o software esperam. Sempre há discrepâncias, casos extremos e falhas. Talento experiente é necessário para detectar e corrigir esses potenciais erros fatais.

A LexisNexis® Risk Solutions conta com uma equipe global, oferecendo a vantagem de se observar como as empresas de seguro utilizam os dados e as análises em muitos mercados, o que, por sua vez, ajuda a LexisNexis a criar produtos melhores.

Os Estados Unidos sempre foram o líder na aplicação de análise estatística em seguros, mas em algumas novas áreas, como telemática, pode haver adoções mais rápidas em outros países, com as quais podemos aprender.

As análises de big data irão mudar a forma como as seguradoras e os ssegurados se relacionam. As operadoras irão coletar, em tempo real, dados de como seus clientes se comportam ao volante, quer eles gostem disso ou não.

Para usar a telemática, as seguradoras precisarão contar com seus consumidores, já que a instalação dessa tecnologia em veículos automotivos não pode ser realizada sem autorização destes. Será vantajoso para os assegurados também, pois a empresa poderá monitorar o comportamento e aprender mais sobre eles, o que permite correções quando necessárias.

Tanto o setor de seguros como seus clientes só têm a ganhar com as análises avançadas e, para implementá-las com sucesso, as operadoras devem realizar grandes mudanças em suas organizações.

Publicar comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *