Data Driven Insurance: el poder de los datos en la...
Transcript of Data Driven Insurance: el poder de los datos en la...
Data Driven Insurance: el poder de los datos en la transformación del sector seguros
Semana del Seguro 2016
Agenda
11:45 Recepción de asistentes
12:00 Áreas de Transformación Digital en el mundo asegurador y sus beneficiosSantiago Trillo, Lead of banking and insurance accounts
12:20 Big Data Deep Dive: Cómo big data está cambiando el sectorAntonio Torrado, Practice Manager Analytics & Data Management Spain &Portugal
12:40 Casos de Uso de Big Data en el mundo aseguradorAlberto de Santos, Data Scientist South Cluster Lead
13:15 Fin de jornada
Áreas de Transformación Digital en el mundo asegurador y sus beneficiosSantiago TrilloLead of banking and insurance accounts
24 de Febrero 2016
Channel Evolution
6
P: ¿Qué canales serán más o menos importantes en su estrategia de los próximos años?
Digital Barriers
8
P: ¿Cuáles son las principales barreras para la implantación de su estrategia digital?
50%
“Las aplicaciones se estánconviertiendo cada vez másen una barrera para alcanzarnuestro objetivos de negocio.”
94%
“La modernización de nuestro legacy es clave para
poder implanter unaestrategia digital.”
Digital Partners
10
P: ¿Cuáles son las principales áreas en las que se beneficiaría de experiencia y ayudaexterna para acelerar la implantación y la obtención de resultados de su estrategia digital enlos próximos dos años?
Transformar
11
Planes de modernización de aplicaciones
Policy Administration
Claims Administration
Underwriting
Billing
BI/Reporting
Data Analytics
Document Management
Office Applications
HR
Finance & Accounting
CRM
Knowledge Management
12% 6% 15% 9% 2% 2%
9% 8% 17% 10% 4% 3%
12% 9% 19% 10% 2% 2%
7% 6% 18% 11% 3% 2%
8%
8%
9%
5%
7%
7%
9%
7%
5% 18% 9% 4% 4%
7% 13% 9% 3% 5%
5% 14% 7% 5% 6%
5% 19% 8% 4% 4%
5% 19% 7% 6% 4%
6% 19% 10% 4% 3%
6% 17% 12% 4% 2%
9% 16% 9% 2% 5%
Re-Platforming
New COTS
User Interface Upgrade
SOA
Applications Outsourcing
Cloud-based Solution
Key
Para mantener el ritmo, las IT deben transformarse para crear valor
14
Managing data
Responding and reacting
Hosting workloads & applications
Providing real-time insight & understanding
Delivering continuously
Rapidly creating and brokering new services
Providing hardened systems & networks
Predicting threats and managing risk
Contain Cost Create Outcomes
Traditional IT Cloud Enabled, Mobile Ready Hybrid Infrastructure
Accelerate your rate of positive change
TransformarEn infraestructura
híbrida
CrearEl puesto del trabajo
del futuro
Protegerla empresadigital
Construiruna empresa basadaen el valor de losdatos
Una transformación – cuatro áreasTodo necesario. Todo relacionado. Todo unido
Solo un partner capaz de combinarlas todas a la vez
Big Data Deep Dive: Cómo Big Data está cambiando el sectorAntonio TorradoPractice Manager Analytics & Data Management Spain &Portugal
24 de Febrero 2016
En la Economía de las Ideas, cualquiera puede cambiar el mundo
Digital everything… everywhere, every day,
everyone connectedEvery business is a
digital businessDisrupting every industry
El mañana pertenece al más rápido
Hoy
ValorIdea
VALO
R
TIEMPO
Creacióncontinua de
valor
Mañana
VALO
R
TIEMPO
22
TransformarEn infraestructura
híbrida
CrearEl puesto del trabajo
del futuro
Protegerla empresadigital
Construir unaempresa basada enel valor de los datos
Aprovechar el 100% de los datos para facultar a las personas con información procesable para impulsar los resultados de negocio
Yesterday’s Data-Driven
Impacto y beneficios de negocio marginales
Datos de Negocio LimitadosApps en silos
No se entiende el valorDepts en silos
Hindsight analytics…reactivasReporte monolítico, no tiempo real
Datos Personas Insights
Data-Driven en la Economía de las Ideas
Resultados de negocio difeerenciales
Aprovecha todos los datosIntegra las apps
Toda la organizacióninformada por todos los datos
relevantes
Predictive analytics…proactiveAnalytics-apps en cada plataforma
Datos Personas Insights
Human data
El paisaje de los datos está cambiando radicalmenteMás personas conectadas, aplicaciones y cosas generan más datos en muchas formas
Machine data
Business data
faster growth than traditional business data
10x
Una organización Data-Driven es imparable
Mejora de la Experiencia de cliente
Incremento de la productividad
Mejora de la eficiencia diferencial
Productos y servicios diferenciados
Nuevos modelos de negocio
Las empresas obtienen solo el 10-15% del valor esperado de susinversiones en Big Data
Convertir el Dato en ValorGap TecnológicoSilos y la falta de alineamiento
Barreras:
Silos y falta de alineamiento resultado en proyecto que no entregan el valor esperado
32
Storing data, but not knowing how to align to value
Silo-ed, uncoordinated efforts
Not executing the right projects
Big Data seems overwhelming
55%of businesses surveyed selected “determining how to get value from big data” as a top 3 hurdle or challenge with big data**
41%de las organizaciones no saben si el ROI del Big Data será postivo o negativo*
* Lisa Kart, Gartner – Big Data Industry Insights – presentation** Garnter: Survey Analysis: Practical Challenges Mount as Big Data Moves to Mainstream – 9/2015
Yesterday’s technology doesn’t meet today’s needs
33
Can’t handle the scale, speed, variety of today’s data
Can’t deliver insights fast enough to meet business need
“Business process-centric” not “data-centric”
Too rigid – need mix environments and workloads
57%of businesses surveyed said “obtaining the necessary skills and capabilities needed” is a top 3 challenge for Hadoop**
41%businesses surveyed noted that their systems cannot process large volumes of data from different sources*
* PWC – Capitalizing on the promise of Big Data – 1/2013** Garnter - Survey Analysis: Hadoop Adoption Drivers and Challenges –5/2015
Translating data to value is the final mile to business outcome
34
58%of businesses surveyed indicated that transitioning from data to insight is a major challenge*
* PWC – Capitalizing on the promise of Big Data – 1/2013
Too few people are empowered with insights to take action
Implementation is complex and time-to-value is too slow
Insights today are reactive, but you need to be proactive
100% of your relevant
data
Achieve Superior
BusinessOutcomes
with Big Data
Build a Data-Centric Foundation
Discoverthe Value of Your Data
Acelere el paso para convertirse en una Organización Data-Driven
Reduce risks
Optimize operations
Achieve breakout growth
Human Data
Machine Data
Business Data
Align business goals and challenges with the relevant data
Cómo descubrir el valor de sus datos
Evaluate your data and quickly test, learn, and iterate ideas to discover value
Create a strategic roadmap based on learnings
Key HPE solutionsData Discovery
Data Driven Transformation Planning
Business benefitsAgile execution to impactful projects
Maximize alignment to value
Cómo construir una data-centric foundation
Maximize your existing investments
Build a data-centric, flexible architecture
Choose the right platforms to power your analytics-apps
Analyze 100% of the relevant data at the speed of business
Govern your data for compliance and risk mitigation
Key HPE solutions Business benefit
Faster answers for 100% of your relevant data
Workload Optimized Infrastructure
Enterprise Scale with Hadoop
HPE Haven OnDemand
HPE Vertica, HPE IDOL.
Real Time Analytics
Information Governance
Uncover meaningful patterns in data applying data science
Cómo obtener resultados de negocio con big data
Integrate these insights and algorithms into production environments
Deliver insights across your organization through analytics-apps
Key HPE solutionsApplication Solution Frameworks• Voice of the Customer
• Warranty Analytics
Operationalized Analytics
Business benefitsAccelerate time from analytic discovery to business impact
All the relevant stakeholders empowered with insights
Insights are available at the point of action
Historias de éxito
42
Detección de Fraude y malasprácticas.• Disminución anual de gasto
superior a 30M€.
• Predicción de gasto
• Detección de Anomalías
Detección de Fraude en Seguros de Salud.ROI masivo a partir de
• Reducción de reclamacionesduplicadas
• Mejora en eficiencia operacional
Cliente 360.
• Integración de los canales de Voz, Mail y Web en menos de 6 semanas Visión Unificadamulticanal.
• Recomendación
Multinacional Aseguradora Servicio de Salud Multinacional Aseguradora
Historias de éxito
43
Recuperación de Deuda• Recuperación de deuda para
multiples entidades financieras
• ROI < 1 año
Optimización de Canal.ROI a partir de
• Mejora del éxito de camapañas
• Ahorro en costes operativos
• Incremento de las ventas.
Optimización de Recursos.
• ROI < 1 año
• Analítica predictiva que permiteoptimizer recursos manteniendolos SLAs de servicio y reducircostes de operación
Contact Center Financiero Multi Sector Multinacional Financiera
Gracias
45
Antonio Torrado González
Hewlett Packard EnterprisePractice Manager para España y PortugalAnalytics & Data Management +34 636464543 [email protected]
es.linkedin.com/in/antoniotorrado
Casos de Uso de Big Data en el mundo aseguradorAlberto de SantosData Scientist South Cluster Lead
24 de Febrero 2016
Nuestra propuesta de Customer Analytics
Churn Analysis Evita que tus clientes abandonen la compañía
Crear un un segmento de uno y ser capaz de llegar a él por el canal más eficiente y efectivo
Encuentra rentabilidades ocultas
Crea una vision global de tus clientes
Encuentra quiénes son tus clientes más importantes y en quémomento se encuentran
Influye y modifica de forma positiva la decisión de tus clientes
Incrementa el éxito y la eficiencia de tus campañas
Micro Segmentation & Profiling
Basket Analysis
360˚ View
Lifetime Customer Value
Next Best Action
Campaign Optimization
¿Dónde te encuentras en tu viaje?
Client Value
Hindsight
Foresight
Insight
EnterpriseReporting
What happened?
Descriptive
Business Intelligence
Why did it happen?
Diagnostic
Advanced Analytics
What will happen?
Predictive
Domain Intelligence
What should I do?
Optimization
Analytics Evolution TimelineSource: Thomas Davenport
Recomendación comercial¿Qué productos ofrecer a un cliente?
¿Es probable que finalice la solicitud?
49
Variables de búsqueda Histórico Modelo
Datos de un cliente
¿Qué oferta encaja mejor?
Ofertas más rechazadas
Recomendación comercialClasificación de ofertas
50
Histórico ModeloNueva oferta
¿A qué personas va orientada?
¿En qué grupo de ofertas encaja?
¿Cómo funciona?Probabilidad de abandono
51
Asegurado
tiempo
Asegurado
tiempo
Demasiado tarde.Están en otra
compañía
¿Se van a ir?¿Cuándo?
Detección. Decisión.
Sin probabilidad de abandono Con probabilidad de abandono
Más casos de uso
Detectar el Golden Momentpara contactar a un cliente que
ha abandonadoA segment of one
Análisis de la webclickstreaming
53
Gestión de quejas y reclamaciones Gestión de encuestas Calidad de la atención
54
Our situation is not comparable to anything in thepast. It is impossible, therefore, to apply methodsand measures which at an earlier age mighthave been sufficient. We must revolutionize ourthinking […]
Einstein (1948) "A Message to Intellectuals"
Métricas empledasFuentes de datos y volúmenes
56
SmartphoneAccelerometer1.5 GB17.6 Mio records
Data LoggerCAN bus, accel.500 GB1.1 Billion records
Accelerometers onchassis and wheels
Biometrics2 drivers3.2 GB115 Mio records
Action Camera1s interval1.500 GB700,000 images
Data LoggerCAN bus, strain3.5 GB5.8 Mio records
Nivel de estrés por paísPlanificar una ruta con un nivel de estrés más bajo
58
Bajo estrés: SueciaEstrés medio: SudáfricaEstrés alto: Egipto
Factores que afectan al estrés:– Tráfico y estado de la carretera
– Fronteras y puntos de control
– Si se atraviesa el país de día o de noche
– Presión por el tiempo Verde, bajo estrésRojo, alto estrés
Pie-charts, grado de confianza
Estilo de conducir y uso del vehículo¿Qué conductores tienen una conducción fuerte con frenadas/aceleraciones fuertes?
61
Take-home message
65
Detección de hábitos (fumar/beber/viajar)
Monitorizar la actividad
Monitorizar conducción
Muchas [email protected]