COBERTURA 100% SEGURO.- Qué es Big Data? Para qué sirve? Por qué es tan importante su utilización en el mercado asegurador? Esas son alguna de las preguntas que se buscó responder en una charla virtual acerca de «Las oportunidades con Big Data», con la participación del chileno Cristóbal Ibarra, líder de Data & Analytics en NTT Data, como orador exclusivo y su compatriota, Néstor Nicolás Campos Rojas, como moderador. La misma se realizó en el marco de un ciclo de talleres vía Zoom de la Cámara Insurtech Argentina.
Lo cierto es que cada día se generan más datos. El Internet de las Cosas (Internet of Things o IoT, por sus siglas en inglés) no es algo imaginario y ya se pueden rastrear los hábitos de compra, de sueño o la cantidad de calorías que se queman cuando uno sale a correr. El término Big Data apareció por primera vez en los años ’60, pero en la actualidad está cobrando una nueva importancia.
La mayoría de las personas utiliza algún tipo de tecnología, redes sociales o servicios online. Estas empresas nos permiten que enviemos e intercambiemos datos y, a su vez, utilizan los datos que les ofrecemos. Los datos se han convertido en el petróleo de la era digital para las organizaciones de todo el mundo. La idea es la de recopilar los datos masivos que son generados «en bruto» o «en crudo» y procesarlos para identificar patrones u otro tipo de comportamientos que puedan ayudar a sectores concretos. Es decir que el procesado masivo de datos de todos los usuarios de un sector pueden ayudar a una empresa a entender mejor a estos usuarios o consumidores y tomar decisiones informadas sabiendo las tendencias o tipos de uso que se están generando. Las organizaciones que usan Big Data son capaces de generar acciones comerciales más rápido y con mejor criterio, por ejemplo, personalizando productos, contenidos e itinerarios según las preferencias de sus clientes. Las empresas pueden incluso predecir con exactitud qué segmentos de sus clientes pueden querer sus productos y en qué momento, lo que les permite lanzar sus campañas de publicidad en el instante oportuno.
Por otra parte, el Big Data es el sustento básico de la Inteligencia Artificial, ya que esta se nutre de los datos masivos de los usuarios. Por ejemplo, si Google Photos ha aprendido a reconocer caras, ha sido en parte por poder procesar las fotos de las caras de millones de usuarios en todo el mundo, reconociendo en ellas los patrones que hacen que una cara pueda identificarse como tal. Cuando (casi) todo lo que tenemos a nuestro alrededor usa Internet (el Internet de las Cosas), las posibilidades de utilización del Big Data son infinitas: los fallos o errores mecánicos pueden minimizarse porque se pueden predecir las condiciones en las que se producen; un auto que conduce solo puede ser más seguro que los vehículos convencionales porque no comete errores humanos; tu compañía de telefonía móvil puede enviarte ofertas con los dispositivos que más te gustan…
Por definición, Big Data (o macrodatos) son conjuntos de datos de gran variedad, que se generan en grandes volúmenes y a una velocidad cada vez mayor. Por eso, cuando hablamos de Big Data, siempre se mencionan sus tres “V”, aunque la lista de “V” ha aumentado y existen al menos tres más: valor, veracidad y variabilidad. A continuación, se detalla cada una en particular:
Variedad: La variedad se refiere a los tipos de datos que hay disponibles. Cuando se trabaja con datos (texto, audio, video, etcétera), muchos de ellos son estructurados, otros están semiestructurados, mientras que otros son no estructurados. Para procesar los datos, en particular los datos no estructurados, se necesitan nuevas tecnologías que faciliten su análisis.
Volumen: Como su nombre lo indica, cuando hablamos de Big Data nos referimos a grandes volúmenes de datos. Este volumen es importante para el almacenamiento, el procesamiento y la explotación: cuanto mayor sea el volumen, más complejo será utilizar el Big Data. Así, la cantidad de datos es un aspecto muy importante. Algunas empresas pueden procesar grandes terabytes de datos sobre, por ejemplo, el número de personas que hacen clic en su sitio web.
Velocidad: La velocidad representa la rapidez con la que se reciben y tratan los datos. Si los datos se transfieren directamente a la memoria (y no se escriben en un disco) la velocidad será mayor y, gracias a eso, se podrá operar mucho más rápido y los datos se proporcionarán prácticamente en tiempo real. Pero para esto también hace falta una forma de evaluar los datos en tiempo real. La velocidad es la “V” más importante en ámbitos como el aprendizaje automático y la inteligencia artificial.
Valor: No todos los datos tienen valor, ni se pueden utilizar para tomar decisiones comerciales. Es importante conocer el valor de los datos disponibles, establecer una forma de limpiar los datos y confirmar si son relevantes o no para el objetivo deseado.
Veracidad: La veracidad se refiere a la exactitud de los datos del conjunto de datos. Se pueden recopilar muchos datos de redes sociales o sitios web, pero ¿cómo es posible asegurarse de que los datos son exactos y correctos? Si se usan datos de mala calidad, pueden causar problemas. Los datos inciertos darán pie a análisis imprecisos y harán tomar decisiones equivocadas. Por este motivo, siempre se deben comprobar los datos para garantizar que se dispone de suficientes datos precisos para obtener resultados válidos y relevantes.
Variabilidad: Cuando se dispone de muchos datos, se pueden utilizar con finalidades muy distintas. No es fácil obtener tantos datos, analizarlos y gestionarlos apropiadamente, por lo que lo normal es usarlos varias veces. Ese es el significado de la variabilidad: la opción de utilizar los datos con distintos fines.
Alinear el Big Data con objetivos empresariales específicos
La disponibilidad de conjuntos de datos más amplios permite realizar nuevos hallazgos. A tal efecto, es importante basar las nuevas inversiones en habilidades, organización o infraestructura con un marcado contexto empresarial para garantizar la constancia en la financiación e inversión en proyectos. Para determinar si se encuentra en el camino correcto, hay que preguntarse en qué medida el Big Data respalda y habilita sus principales prioridades empresariales y de tecnologías de la información. Algunos ejemplos incluyen entender cómo filtrar los registros web para comprender el comportamiento del comercio electrónico, extraer el sentimiento de las redes sociales y de las interacciones de atención al cliente, así como entender los métodos de correlación estadística y su relevancia para los datos de clientes, productos y servicios.
Cómo aprovechar el Big Data en la industria aseguradora
Frente a la implementación del Big Data queda claro que las aseguradoras, para ser competitivas, deben tener sistemas que garanticen altos niveles de disponibilidad de datos en cualquier momento para así contar con funciones avanzadas basadas en la tecnología. Una gestión correcta de los datos en el sector seguros es vital para mantener la productividad y rentabilidad de las empresas dedicadas a esta actividad. Dentro de este ámbito, el desarrollo de soluciones Big Data y de analítica avanzada está en plena expansión, en pos del objetivo de dinamizar las relaciones con los clientes, agilizar las gestiones y mejorar la oferta de servicios.
El manejo de grandes cantidades de información personal de asegurados y clientes potenciales requiere de un especial cuidado en la calidad de los datos. Como en cualquier otra área, la pertinencia y exactitud en el tratamiento de estos activos conforman un valor muy importante para las empresas de seguros, ya que garantizan un sustento fiable para la toma de decisiones.
A mayor cantidad de datos disponibles, es más factible estudiar con precisión a los usuarios actuales y a los potenciales clientes. Y, a partir de allí, habrá más capacidad para analizar no sólo los rasgos para la segmentación de estrategias sino también el comportamiento del usuario. Es decir, profundizar en las interacciones del cliente con la marca y sus servicios, así como en su experiencia de uso de las pólizas contratadas. De tal modo, es posible establecer patrones de conducta futura para anticiparse a las necesidades y expectativas del asegurado.
Este tratamiento proactivo de los datos le otorga una enorme ventaja a las compañías aseguradoras porque, gracias a esta visión 360˚ del cliente, podrán añadir a su oferta los valores que realmente requiere. Entre ellos, una atención efectiva y altamente personalizada que marque la diferencia y fortalezca la fidelización de clientes. Pero además aumentará la capacidad para prevenir el fraude y disminuir los riesgos, lo cual constituye un aspecto central en este tipo de negocios, en tanto favorece la eficiencia de los procesos de manera interna y la generación de mayores ingresos.
