De kracht van data in de verzekeringswereld | 3 experts aan het woord

In de afgelopen jaren hebben Insurtech bedrijven het voortouw genomen in de digitale transformatie. Daarbij is de rol van data science en machine learning doorslaggevend om waarde uit data te destilleren. De traditionele verzekeraar zal hierin moeten investeren om in de toekomst competitief te blijven, efficiencyvoordelen te behalen en van toegevoegde waarde te blijven voor de voor de consument. Het vertalen van data naar waardevolle inzichten zal dan ook een essentiële competentie worden binnen elke verzekeraar.

Dit is natuurlijk makkelijker gezegd dan gedaan. Waar start je met deze transformatie? Waar liggen de meest waardevolle business cases? En wat zijn de best practices? Tijdens de recente online round-table ‘De kracht van data’ georganiseerd door Triple A -Risk Finance en Building Blocks werden deze vragen en meer beantwoord aan de hand van praktijkvoorbeelden gepresenteerd door drie data- experts uit de verzekeringsbranche.

Laat data science aansluiten op je propositie
Bart Kling, Head of Pricing & Data Analytics bij Inshared benadrukt in zijn presentatie dat de inzet van voorspellende modellen altijd moet aansluiten op je propositie om succesvol te zijn. Inshared streeft er naar om premies laag te houden en om zoveel mogelijk premie te kunnen terug betalen aan hun verzekerden. Dit kan als er geld over blijft van de premie die gereserveerd is voor schade. Om dit te bewerkstelligen zet het data science in om meer waarde uit hun data te halen. Het analytics team binnen Inshared zet bijvoorbeeld modellen in om de fraude bestrijding te verbeteren. Door middel van netwerk analyse worden individuen op basis van data aan elkaar gekoppeld en kunnen verdachte patronen boven water komen. Belangrijk hierbij is dat je automatiseert waar het kan en persoonlijk bent waar het moet, geeft Bart Kling aan. Modellen ondersteunen en versimpelen dus het werk van de fraudedeskundigen, bijvoorbeeld door het uit handen nemen van handmatig deskresearch. Op deze manier vormen modellen en de mens een gouden duo en kan er snel resultaat geboekt worden.

Krijg inzicht in individuele klantwaarde
De mogelijkheden voor de inzet van data science binnen de waardeketen van de verzekeraar zijn divers. Sophie Heethuis, Consultant Data Analytics bij Triple A – Risk Finance introduceert in haar presentatie het klantwaardemodel. Op basis van verschillende databronnen en de analyse hiervan kan de te verwachten bijdrage van een klant aan het rendement van de verzekeraar vast gesteld geworden. Hierbij wordt gekeken naar de verwachte binding van de verzekerde en de verwachte winstgevendheid. Sophie laat zien dat deze inzichten over de klantwaarde vervolgens op verschillende manieren toegepast kunnen worden. Het kan bijvoorbeeld ingezet worden voor het monitoren van portefeuillerendement. Hebben mijn marketingacties het gewenste resultaat? Stromen juist de profielen met een hoge of een lage klantwaarde uit? Daarnaast kan er ook gestuurd worden op portefeuillerendement door de inzet van selectieve premieverhogingen waarbij de klantwaarde in verhouding staat met de betaalde premie. Maar ook bij klantinteracties zien we een toegevoegde waarde. Bij verzekerden met een hoge klantwaarde kan meer coulant worden om gegaan met claims, zo krijgt de klanttevredenheid een boost. Er kan daarnaast ook extra aandacht besteed worden aan verzekerden met een hoge klantwaarde die dreigen op te stappen toch binnen te houden door het bepalen van de ‘next best actions’. Duidelijk werd dat er een scala aan toepassingen is binnen de gehele waardeketen.

Ontdek de meest waardevolle business cases
Veel verzekeraars en volmachten zien de relevantie van data science en een data gedreven customer journey, maar toch is hier nog niet iedereen volop mee bezig. Erwin van Oosten, Data Translator bij Building Blocks ziet hiervoor verschillende redenen, maar biedt ook oplossingen. Data science voelt voor mensen die er niet dagelijks mee te maken hebben nog steeds aan als complex. Het is daarom van belang om te laten zien dat het niet per se complex hoeft te zijn en dat het past binnen de business. Door pragmatisch te werk te gaan en stapsgewijs te werken, kan er relatief snel een oplossing in productie gezet worden die je over tijd kunt optimaliseren en verder kunt ontwikkelen. Maar met welke business case kun je het beste starten binnen je data science journey? Erwin van Oosten legt uit dat het cruciaal is om te starten met het denken vanuit de business, dus wat zijn de belangrijkste KPIs die je wilt verbeteren? En wat zijn de oorzaken dat bepaalde KPIs onderpresteren? Daarnaast wil je inzichtelijk hebben waar zich de grootste bottlenecks bevinden in de klantreis die de klant doorloopt. Vanuit deze data gedreven inzichten kunnen de meest waardevolle business cases geformuleerd worden en kunnen KPIs worden verbeterd..

Dat er waarde zit in de data van de verzekeraar, intermediair en volmacht blijkt uit de voorbeelden en concrete successen in de praktijk. Wil je als verzekeraar succesvol zijn met data science en machine learning? Start dan vanuit de business, ga op zoek naar de meest waardevolle business cases, laat deze aansluiten op je propositie en gebruik de inzichten stapsgewijs door de gehele waardeketen. Op deze manier borg je lange termijn succes en korte termijn resultaat.

Benieuwd naar de presentaties van de drie experts? Download deze dan hier: Triple-A-Building-Blocks-Online-Roundtable-Insurance.