As seguradoras brasileiras enfrentam desafios que já duram alguns anos: dificuldade para captar novos clientes, dificuldade para expandir o mercado e margens baixas. Ajudá-las a resolver essas questões é também o desafio da LexisNexis Risk Solutions, que tem experiência e credibilidade mundialmente comprovada em soluções para o mercado de seguros. Por essa razão, elaboramos uma lista com cinco conceitos inovadores que podem ajudar a resolver problemas importantes das seguradoras nacionais.

1.         Compartilhamento de dados

No mercado americano, o conceito de compartilhamento de bases de dados é bastante difundido e consolidado. Por meio dos chamados Contributory Databases, as mais de 360 seguradoras americanas não apenas compartilham dados, mas “contribuem” entre si, gerando benefícios para os participantes. Esse conceito existe há mais de 30 anos no mercado americano e auxilia nos processos de subscrição e a coibir fraudes, pois impede que maus clientes se “escondam” do mercado trocando de seguradora. O banco de dados de apólices e sinistros é gerenciado pela LexisNexis Risk Solutions, e conta com a participação de mais de 99% das seguradoras americanas. Garantir a governança para compartilhamento dessas informações em um banco de dados desse calibre é desafiador. Exige normas e padrões de segurança rígidos para garantir a segurança e integridade dos dados dos participantes.

No Brasil, o conceito de compartilhamento de informações existe, mas ainda há inúmeras oportunidades a serem exploradas e que podem beneficiar o mercado e trazer inovações. Inicialmente para o ramo de automóvel, as seguradoras nacionais começaram a compartilhar a informação do bônus do segurado. Esse modelo evoluiu posteriormente para o compartilhamento de sinistros e apólices, por meio de soluções gerenciadas pelas associações do segmento.

A LexisNexis Risk Solutions possui em seu portfólio de soluções muitos modelos e padrões de compartilhamento que podem trazer insights ainda mais relevantes para o mercado nacional. Nossos modelos compartilhados podem avaliar, por exemplo, a quantidade combinada de itens expostos em uma região, tornando a análise de risco mais abrangente do que em uma avaliação individual.

2.         Maior uso dos dados capturados por dispositivos (Internet das Coisas, IoT)

Quantas vezes você fala com seu corretor de seguros por ano? Se você possui um seguro contratado e não teve um sinistro, certamente falou com seu corretor no momento da contratação e, então, um ano depois, na hora de renovar o seguro. Apesar de muitas seguradoras delegarem ao corretor o papel central de comunicar-se com seus clientes, elas também querem estar mais próximas de seus clientes como forma de monitorar melhor seus riscos e aumentar seu diferencial competitivo. E como a tecnologia pode auxiliar nessa aproximação? A resposta está na Internet das Coisas ou IoT (Internet of Things), um conceito do qual você provavelmente já ouviu falar. A IoT está se tornando uma realidade cada vez mais próxima: aplicativos, carros conectados, casas conectadas, smartphones, gadgets etc., são usados como fontes de dados para entender melhor os riscos e orientar ações para mitigá-los.

Por exemplo, a Apple tem negociado com planos de saúde privados o subsídio dos custos do Apple Watch para segurados de maior risco (acima de 65 anos). Além da ação de marketing, o intuito é também monitorar os eventos que podem aumentar os custos do plano de saúde desses segurados e antecipar ações preventivas.

A LexisNexis Risk Solutions possui em seu portfólio soluções de IoT, incluindo uma plataforma completa de telemetria com modelos estatísticos, SDK para integração com aplicativos e carros conectados, gestão de dados e relatórios integrados. Essas soluções  buscam ajudar as seguradoras a monitorar eventos de riscos de seus clientes durante o ciclo de vida da apólice.

3.         Dados alternativos para análise de riscos

Não é novidade que o mercado tem buscado novos dados para refinar o processo de precificação e selecionar melhor seus clientes. Embora haja diferentes níveis de maturidade entre seguradoras, e também entre diferentes ramos de seguro, a busca por novos dados por parte do segurador vai continuar como um processo de aprimoramento contínuo. A LexisNexis Risk Solutions tem buscado ajudar seus clientes com produtos que incorporam dados de outras indústrias, dados de crédito (positivo e negativo) e informações relacionadas ao endereço de e-mail, para detectar possíveis fraudes, além de muitas outras fontes de dados públicos e privados. O diferencial da LexisNexis Risk Solutions é fazer a seleção desses dados e entregar serviços consolidados, incluindo scores, acompanhados de análises específicas para os problemas do mercado segurador.

4.         Novos produtos e coberturas para necessidades atuais dos consumidores

Criar novos produtos e coberturas para atender os consumidores em suas necessidades hoje é muito mais desafiador do que há alguns anos. Exemplos de produtos recentes incluem seguros de automóvel por uso (pay-as-you-drive) e seguro com desconto para bons motoristas (pay-how-you-drive), além de outros ramos com coberturas que permitem a contratação do seguro para períodos específicos, como os seguros de viagens. A LexisNexis Risk Solutions está sempre buscando novas fontes de informações para apoiar as seguradoras na criação de produtos e coberturas. Exemplos concretos que apoiam a criação de produtos “Pay-how-you-drive” e novas coberturas incluem os scores de comportamento de direção, obtidos pela telemetria com carros conectados ou aplicativos, e os relatórios de viagem com CEPs de permanência e pernoite, que ajudam as seguradoras a entender melhor o comportamento de riscos de sua carteira.

5.         Uso combinado de análise preditiva e prescritiva

Modelos preditivos usam matemática e métodos computacionais para prever eventos ou resultados em alguma circunstância ou momento do futuro. O resultado das previsões pode mudar conforme as variáveis de entradas do modelo. Por meio de um processo iterativo, os modelos são desenvolvidos com um conjunto de dados usado para treiná-los (training data set). Em seguida, o desempenho do modelo para fazer previsões é validado.

Muitas seguradoras ainda utilizam modelos preditivos somente em parte de seus produtos – em geral, ficam de fora os produtos com processos de precificação mais simples e subscrição mais automatizada. Mas os modelos preditivos são amplamente utilizados nos processos de precificação para seguros de automóvel, por exemplo, para tentar prever eventos de sinistro.

A evolução desse cenário se dará por meio da combinação de análises preditivas e prescritivas, a próxima fronteira do mercado de seguros. Análises preditivas (predictive analytics) estimam o que acontecerá no futuro com base nos dados do passado e formulam previsões. Já as análises prescritivas (prescriptive analytics) avaliam a melhor ação ou estratégia a ser tomada para lidar com essas previsões.

A análise prescritiva depende de técnicas de otimização e baseia-se em regras para a tomada de decisões. Por exemplo, prever a exposição ao risco da carteira no próximo mês é um exemplo de análise preditiva, enquanto decidir qual desconto ou agravo aplicar em determinada região com base nessa previsão é uma análise prescritiva. Uma análise prescritiva pode determinar, por exemplo, a melhor regra a ser incluída na subscrição, ou sugerir uma alteração de uma regra existente.

Esses são apenas alguns dos itens de inovação que podemos trazer para o seu negócio.

Para obter mais informações, preencha este formulário e nossa equipe de Client Engagement entrará em contato.

Conheça nossos produtos e diferenciais. Visite nosso site.