منو
بیمه‌ی داده‌محور، مهار شکست و تصاحب رهبری
در صنعت بیمه «داده» یک دارایی مهم و ارزشمند اما دست‌نخورده تلقی می‌شود. امروزه بیمه‌گرها با داده‌های واقعی سروکار دارند و چگونگی بهره‌بردای از آن با استفاده از تکنولوژی‌های جدید، وجه تمایزی میان رقبای این صنعت خواهد بود. از مزایای بارز تجزیهوتحلیل پیشرفته‌ی داده‌ها می‌توان به بهبود در محاسبه دقیق نرخ، کنترل و جلوگیری به موقع و موثر از ضرر و ایجاد ارتباط عمیق بین مشتری و محصولات جدید بیمه‌ای اشاره کرد.
«داده» به عنوان منبعی گران‌بها در صنعت بیمه
نتایج تحقیقی که در سال 2016 با حضور 122 مشارکت‌کننده شامل کارگزاران، بیمه‌گران زندگی و مستمری (L&A) و اموال و حوادث (P&C) فعال در صنعت بیمه انجام شد، نشان می‌دهد که اکثر سازمان‌ها از قدرت «داده» بی‌اطلاع‌اند. تنها 11 درصد از شرکت‌کنندگان با بهره‌وری از مزایای داده‌ها موافقت کامل داشتند و این نتیجه نومیدانه بی‌اطلاعندکهدر حالی است که استفاده از اطلاعات می‌تواند به پیشرفت صنعت بیمه سرعت ببخشد. این تحقیق به طرح چند مسئله، ارائه راهکار و همچنین برشمردن مزایای متعدد تجزیهوتحلیل داده در میان سه دسته از بیمه‌گران پرداخته است که در ادامه به آن‌ها اشاره می‌شود:
تعامل همه‌جانبه، راهگشای تحلیل داده‌ها
بیمه‌گران P&C به دلیل داشتن نقاط تماس بیشتر با مشتریان از طریق فروش، تمدید و رسیدگی به خسارات، نسبت به سایر رشته‌ها به‌طور گسترده‌تری از تجزیهوتحلیل پیشرفته استفاده می‌کردند. توصیه می‌شود سازمان‌ها برای درک فرصت‌های جدید در خصوص تجزیهوتحلیلهای داده‌محور، همکاری چندمنظوره‌ای با اکچوئری‌ها، فروش، بازاریابی، خسارات و سایرین انجام دهند.
نقش پرداختن به تجربه مشتری
با توجه به اینکه محصولات فزاینده‌ی بیمه‌ای مشابهت‌های بسیاری با یکدیگر دارند، لذا ارائه خدمات متفاوت با تمرکز بر Customer Experience جهشی بزرگ از بیمه‌گری متعارف به سوی آینده خواهد بود. لذا در حالی که برای بیمه‌گران حوزه L&A فراهم کردن اطلاعات بهتر برای مشتریان با هدف افزایش فروش مزیت عمده‌ای محسوب می‌شد، بهبود توسعه‌ی محصول با تمرکز بر تجربه‌ی مشتری در میان بیمه‌گران P&C از عمده‌ترین مزایای تجزیهوتحلیلهای پیشرفته به شمار می‌آید. پیشنهاد می‌شود که شرکت‌های بیمه از Analytics پیشرفته برای تمرکز بر وظایف قابل کنترل با اهدافی مانند افزایش تعامل، بهبود تولید توسط مشاوران موجود و کاهش اصطکاک استفاده کنند.
موانع موجود در مسیر استفاده از داده‌ها
تقریباً دو سوم از پاسخ‌دهندگان، کیفیت و صحت داده‌ها را بزرگترین چالش و حدود نیمی از نمونه‌ی آماری، داده‌های نادرست را بزرگترین ریسک در ارتباط با تجزیهوتحلیل پیشرفته می‌دانند. در این راستا شرکت‌ها باید ابزارها و سیستم‌های جدیدی برای جمع‌آوری داده از راه‌های ارزان‌تر شامل تجزیهوتحلیل ناب، دریاچه‌های داده و استخرهای داده را درنظر بگیرند. کسانی که نگران آنالیز نادرست و ناقص هستند باید بر نحوه ایجاد گزارش مدیریت کرده و تجزیهوتحلیلها را بهبود بخشیده تا اطمینان حاصل کنند که این روند با اهداف تجاری مطابقت دارد.
یک مشتری و چند محصول
بازاریابی و فروش بخش بزرگی از هر صنعت به ویژه بیمه است. با شناسایی و بررسی عادات و رفتارهای خرید مشتریان از طریق گردآوری داده‌ها، می‌توان محصولات دیگری نیز به ایشان عرضه نمود. پژوهشگران پیشنهاد می‌کنند بیمه‌گران در استفاده از داده‌ها و تجزیهوتحلیلها بالاترین اولویت را به تقویت ارتباط مشتری و تسریع در شخصی‌سازی محصول اختصاص دهند. در نتیجه‌ی این رفتار، نه تنها داده‌ها به عنوان سرمایه و دارایی در سازمان محفوظ می‌مانند بلکه با فروش متنوع محصولات به کسب درآمد بیشتر نیز دست خواهند یافت.
تحلیل داده را به چه واحدی بسپاریم
متخصصان براین باورند که تجزیهوتحلیل پیشرفته نباید بخشی از مشاغل IT تلقی شود، زیرا تعیین کمیت، اعتبارسنجی و پیشنهاد استراتژی کسب‌وکار از عمده هدف‌های مورد توجه Analytics است و باید برای حل مسائل پیچیده‌ی کسب‌وکار و به طور مشخص برای ارائه‌ی ارزش به مشتری مورد استفاده قرار گیرد. بنابراین در هر سازمانی باید یک مدیر ارشد داده یا متخصص در تجزیهوتحلیل Data امور مربوط به صحت‌سنجی و اعتبار کیفی اطلاعات گردآوری‌شده را به دست بگیرد.
تامین بودجه یک چالش یا فرصت؟
56% از شرکت‌کنندگان در نظرسنجی این مقاله اذعان داشتند که بودجه لازم برای پرداختن به تحلیل داده‌ها را در اختیار ندارند. سازمان‌ها باید در نظر بگیرند که مانند سایر عملکردهای اقتصادی در راستای رونق بخشیدن به توسعه بازار و جلب مشتری، تجزیهوتحلیلهای پیشرفته نیز رویکردی ارزشمند با خروجی مطمئن خواهند بود. لذا اگر پرداختن به چنین فعالیتی را بخشی از بدنه‌ی سازمان بدانند، برای تامین بودجه آن نگاهی سرمایه‌گذارانه خواهند داشت. تا زمانی که داده‌ها به درستی توسط کسب‌وکارها مورد استفاده قرار نگیرد، تعیین ROI (بازگشت سرمایه) دشوار خواهد بود.
- قدم اول: با هدف نشان دادن ارزش تجزیهوتحلیل و تاثیر آن بر سرمایه‌گذری‌های آتی می‌توان به عنوان مثال اطلاعات یک مشتری (شامل اینکه آیا در شرف ازدواج است یا در حال خرید خانه) را به نحوی گردآوری نمود و بر آن اساس محصولات متناسب با نیازهای وی را در سبد پیشنهادی قرار داد. با این روش ساده بازدهی سرمایه‌گذاری در گردآوری و تحلیل داده به روشنی قابل رویت خواهد بود و علاوه بر آن با مدل‌سازی عملی و پیش‌بینی رفتار و نیازهای مشتری به فروش بیشتر محصولات دست پیدا خواهیم کرد.
- قدم دوم: مطمئن شوید که داده‌هایتان خالص و دقیق هستند؛ شما باید یک فرایند یکپارچه‌ی گزارش‌گیری داشته باشید که در آن ناهنجاری‌های بارز، توسط یک کمیته مدیریت شوند. روش دیگر برای کسب اطمینان این است که مسئولان مرتبط با داده‌‌ی بخش‌های مختلف یک کسب‌وکار، مسئولیت نظارت بر کیفیت داده‌های واحد خود را به‌عهده گیرند تا مشکلات داده‌ها پیش از آن که برای تجزیهوتحلیل ارائه شوند، شناسایی و برطرف گردند.
- قدم سوم: مشکلات دسته‌بندی داده‌ها را برطرف کنید؛ این مسائل به‌طور معمول ناشی از مشکلات عدم یکپارچه‌سازی داده‌هایی است که از یک شرکت بیرونی خریداری شده، یا حاصل یک‌دست نبودن داده‌های استخراج شده از ابرسامانه‌ها است. بهترین روش رفع این مشکل، استفاده از انبار داده‌ها است. با توجه به بازنشستگی کارمندان باسابقه سازمان که در ادغام و یکپارچه نمودن اطلاعات تبحر داشتند، پنج تا هفت سال آینده، یک بازه‌ی زمانی مهم برای سازمان‌ها خواهد بود تا از آن دانش نهادی برای مدرن‌سازی سیستم‌های اصلی و ترکیب با فناوری‌ها و متخصصان جدید بهره ببرند.
- قدم چهارم: بر روی احتمالات و نتایج متمرکز شوید؛ بزرگترین اشتباه هر سازمانی، پیش‌روی بدون داشتن استراتژی بهینه و لازم است. استراتژی تجزیهوتحلیل باید با اهداف سازمانی و بازار هماهنگ باشد و مؤلفه‌هایی را که در برابر فرآیندهای کسب‌وکار قابل اندازه‌گیری هستند، در نظر بگیرد. به یاد داشته باشید شما تنها پس از آن که چیزی را استفاده، امتحان و تجربه کردید، می‌توانید درباره‌ی آن قضاوت کنید.
