Desbloquea las ideas encerradas en los datos de Policy Admin Systems y Bordereaux

Los problemas

Nuestro cliente es un gran MGA en líneas personales con alrededor de 250 profesionales, directamente o a través de asociaciones, que atienden el ciclo de vida del producto desde la suscripción, el cumplimiento, la gestión de siniestros y los servicios de administración de pólizas.

El equipo de consultoría de GIROUX.ai llevó a cabo una fase de descubrimiento e identificó que alrededor del 80% de las tareas consistían en establecer y mantener controles en lo que respecta a la calidad y resistencia de los datos. Y lo que es más sorprendente, los suscriptores esperaban de dos a tres meses para obtener un conjunto de datos limpios para realizar su trabajo, lo que a veces provocaba fricciones en las relaciones con los socios y las aseguradoras. Los informes de PowerBI proporcionaban resultados diferentes en función de quién escribiera la consulta SQL que los respaldaba. Todo un reto.

Por ejemplo, los datos sobre siniestros estaban incompletos, con errores como la ausencia de siniestros o la imputación errónea a la póliza equivocada. Los tipos de póliza incorrectos daban lugar a la aplicación de tarifas incorrectas. Las excepciones no se detectaron a tiempo. En consecuencia, los ratios de pérdida neta ganada no siempre eran correctos, especialmente cuando se facilitaba una actualización del mercado a la aseguradora.

Hora de actuar

Sin un cambio rápido, la aseguradora corría el riesgo de perder su relación con el mercado, y algunas de sus aseguradoras amenazaban con retirar su capacidad a menos que mejorara su información, especialmente en lo relativo a la precisión de las previsiones sobre el rendimiento de las carpetas.

Durante un periodo de tres a seis meses, GIROUX.ai llevó a cabo una consultoría rápida utilizando su método bien ensayado y probado para traducir la estrategia MGA en una sólida arquitectura de datos conceptual y física. El enfoque fue totalmente participativo mediante una serie de entrevistas y talleres a lo largo de ocho semanas. A continuación, el equipo conjunto cliente-GIROUX.ai perfiló las fuentes de datos y empezó a cargar datos históricos de hasta 10 años, aprovechando también el trabajo del equipo de TI. No se trataba de sustituir lo que hacía TI, sino de aumentar el trabajo del equipo para salvar la distancia entre lo que necesitaban los actuarios y suscriptores y lo que se había construido.

Despliegue y resultados

Como se ilustra a continuación, el sistema se implantó con éxito en pocas semanas y proporcionó los requisitos básicos a los suscriptores y actuarios, así como a otros profesionales como los gestores de siniestros y el personal de administración de pólizas.

Cada usuario podía ver lo que necesitaba para realizar sus respectivas tareas. La definición de términos como métricas, atributos y jerarquías aprovechaba lo que la empresa ya conocía, por lo que las necesidades de formación eran mínimas. Una ventaja clave fue que el proceso de implantación animó a la organización a adoptar una mayor disciplina a la hora de definir los términos de métricas y atributos. Además, no se necesitaban conocimientos de SQL o Python para crear informes o consultar datos: todos los usuarios podían hacerlo por sí mismos. Y lo que es más importante, la MGA en cuestión consiguió un contrato de capacidad adicional de tres años tras el rápido cambio.