You are leaving our main website to go to our chinese website hosted in China. For legal reasons there will not be any links pointing back to the main website.
Ayer se celebró la segunda edición del evento Data Driven Day, donde pudimos disfrutar de diferentes ponencias en mesas redondas y escuchar a profesionales del sector hablar sobre el valor del dato en las aseguradoras y cómo conseguir un gobierno del dato más ágil, flexible y adaptativo.
Entre las ponentes, se encontraba Pilar Arenas, Strategy, Business Development & Insurance Leader deKeyrus, la cuál nos habló de la importancia y los desafíos de la calidad del dato y la actualidad del sector asegurador. También Jaqueline Rivera, Data Governance Specialist de Liberty Seguros, Marta Calvo, responsable de la calidad del dato en Mutua Madrileña y María Elena Alonso, responsable de BI, Gestión, Gobierno y Calidad Datos en Mutua Montañesa.
En Keyrus guiamos a nuestros clientes a lo largo de su Data Journey independientemente de su nivel de madurez en Analytics. Uno de los factores que nos traduce el nivel de madurez en el que se encuentran las aseguradoras es su modelo de Gobierno del Dato donde estarán teniendo en cuenta la calidad, la seguridad y la integrad de la información.
Para nosotros, contar con un modelo de Gobierno del Dato que defina unas reglas de funcionamiento y unos criterios mínimos de calidad es un aspecto crucial con el que deberían contar las empresas del sector seguros.
A continuación, te contamos algunos de los puntos que se trataron en la mesa redonda:
Los must have dentro de la calidad del dato
Un aspecto crítico dentro de las políticas y la estrategia de calidad es la priorización de datos. Dentro de esa ingente cantidad de información, se deben priorizar datos susceptibles de inspecciones regulatorias y auditorías dado que el sector está fuertemente regulado.
Por otro lado, es importante priorizar datos que afecten al reporting financiero-contable, a procesos críticos de negocio, a los procesos de pricing o a los datos de suscripciones a servicios.
Esta priorización se aplica al origen, es decir, al mundo operacional. Aunque en algunos casos existan limitaciones tecnológicas, al entender el flujo completo del dato, se accede a él y se aplica está priorización desde el punto más cercano al origen posible.
La estrategia perfecta de calidad del dato
La clave es adoptar una metodología a lo largo de todo el data journey de cara a alcanzar los objetivos marcados. Dependiendo de la naturaleza de los datos, se adapta la estrategia a los recursos, dependiendo de su madurez con el tratamiento de los datos.
La mejor estrategia de calidad del dato es la que implica y hace participar a personas de diferentes perfiles tanto de negocio como técnicos. Se cuenta con analistas para definir reglas y decidir qué datos se debería priorizar, además de concretar y documentar cómo se recolectan y tratan los datos. Por otro lado, la dirección de la compañía debe actuar como sponsor de toda esta estrategia dado que son la clave para implementar e impulsar esta cultura en torno al mundo del dato.
Existe un tipo de aseguradoras que están fuertemente reguladas por la legislación y tienen que sacar el máximo partido a sus datos.Por esta razón, deben estar completos, ser únicos y en definitiva, aportar información de valor. Factores como la viabilidad, antigüedad y completitud son esenciales en este tipo de organizaciones.
Best practises en seguros: fomentar calidad del dato
1. Es fundamental la participación de los recursos de la empresa.
La calidad del dato debe ser una verdadera prioridad. Antes los datos eran responsabilidad de IT y existía la falsa creencia de que eran los dueños de esta información. Sin embargo, es negocio quien tiene la sensibilidad y comprensión de estos datos. Ambos perfiles deben estar comprometidos y ser partícipes de la estrategia de calidad del dato.
2. Hay que invertir en formación, no basta con tener voluntad.
Hay que saber implementar las técnicas y procedimientos de un proceso de calidad a lo largo de todo su ciclo de vida.
3. Es muy necesaria la monitorización de los datos, viendo cuales son los puntos donde hay que poner foco.
Esto, ayudará a identificar aquellos puntos críticos e ir a la causa raíz del problema de calidad.
4. Disponer de unas directrices sólidas de gobernanza, que te indiquen, el qué, por qué y para qué.
De esta manera todos los usuarios de la empresa saben qué cosas afectan de manera positiva o negativa a otros procesos. A veces, se cae en el error de pensar que los proyectos de calidad o gobierno del dato son proyectos aislados que se ejecutan y finalizan. Sin embargo, son iniciativas que forman parte de un todo, de un programa, que debe conservarse y optimizar a lo largo del tiempo.
Cómo mantener la calidad del dato a lo largo de su ciclo de vida
Se trata de un proceso de mejora continua. Hay que aplicar una serie de controles y ejecutarlos con periodicidad. A veces, resulta clave contar con un comité formado por diferentes perfiles a nivel operativo y ejecutivo que impulsen está revisión de calidad del dato de manera frecuente así como budget y sponsorship por parte de la dirección de la empresa.
El resultado de estos controles de calidad periódicos se visualiza en cuadros de mando, a los que tienen acceso diferentes entes como negocio, sistemas, auditoría, la oficina del dato o riesgo operacional. Se identifican errores y otros aspectos y se activan acciones de mejora.
Pros y contras de una buena o mala calidad de datos
Grandes beneficios
Al estar comprometidos con la calidad del dato, se cumple con la legislación y regulación del mundo asegurador. Se cuenta con una capacidad inherente de mejorar procesos y es mucho más sencillo identificar qué va mal, evitar sanciones, entender las quejas de los clientes, controlar la reputación de la empresa... Se trata de un programa continuo a favor de la calidad del dato.
Otro hecho importante es controlar la entrada de datos de clientes a la hora de contratar servicios o solicitar información. Hay que tratar de acotar la entrada de esos datos, no permitir texto libre en los campos a rellenar, abogar por la normalización y estandarización de nombres y aplicar algoritmos de duplicación que puedan identificar a usuarios que son la misma persona.
Enormes desventajas
En cuanto a las desventajas de contar con una calidad de datos deficiente, se podría hablar de arriesgarse a sufrir sanciones, crisis reputacionales, tomar decisiones incorrectas, mandar información de clientes a personas erróneas cayendo en el cumplimiento de la GDPR (y las consiguientes multas).
Al contar con datos duplicados y silos de información, se complica mucho la trazabilidad de los datos por lo que contar con información veraz e íntegra es fundamental.
La clave definitiva para contar con una buena cultura del dato que apoye esa estrategia de calidad del dato
Una práctica cada vez más habitual en las aseguradoras es contar con una oficina del dato o del gobierno del dato. Se trata de un cambio cultural muy importante en los últimos años, donde se trabaja de manera transversal desde diferentes niveles y perfiles y se les involucra en diferentes proyectos que se conciben desde la calidad del dato.
Para el sector seguros, la gestión de unos datos de calidad se ha convertido en un pilar fundamental para crecer en un mercado cada vez más competitivo. Lo que vemos en nuestros clientes, es que cada vez se valoran más los datos y el potencial que tienen para transformar el modelo de gestión y de relación con los clientes.
Cada vez hay más personas en las diferentes unidades de negocio concienciadas de lo que esto podría suponer y existe un mayor conocimiento y convicción de lo que los datos pueden aportar de cara a responder a tiempo a las necesidades del mercado de una manera más ágil, eficiente y rentable.
¡No te pierdas nuestros insights!
Mantente al día en las últimas noticias y eventos
Tu dirección de correo electrónico se utiliza para enviarte la newsletter de Keyrus y para fines de prospección comercial. Puedes utilizar el enlace de opt-out en nuestros correos electrónicos en cualquier momento. Más información sobre la gestión de sus datos y sus derechos.
Continuar leyendo
Blog post
Qué es un modelo predictivo tipo churn y por qué es importante conocer tu tasa de abandono
Conocer el churn rate de tu negocio es imprescindible si quieres garantizar la rentabilidad y sostenibilidad de tu negocio a corto y largo plazo. Los modelos predictivos de tipo churn pueden ayudarte controlarlo y tomar medidas para retener y fidelizar a tus clientes de manera efectiva.
Blog post
5 razones por las que deberías utilizar la analítica predictiva en tu negocio
Tomar decisiones más acertadas y estratégicas, evitar riesgos (o minimizar su impacto), gestionar tus recursos de manera más eficiente, reducir costes o fidelizar mejor a tus clientes son algunas de las ventajas competitivas que puedes obtener gracias al uso de la analítica predictiva.
Blog post
Los 6 pasos imprescindibles que debes seguir para construir tu modelo predictivo
¿Cuáles son los pasos para crear un modelo predictivo? En este artículo, veremos cómo se requiere de una combinación perfecta de técnicas y un poco de intuición para implementarlos de manera exitosa.
Blog post
Cómo explicarle a tu abuela qué es la analítica predictiva en solo 2 minutos
¿Cómo explicar el funcionamiento de esta disciplina que trabaja con algoritmos que consiguen predecir el futuro a través de los datos? Aquí te lo contamos.
Opinión de experto
"Las empresas han encontrado en los datos a un grandísimo aliado"
Entrevista de la revista Woman a Kathy Contramaestre, Managing director de Keyrus.
Blog post
Keyrus Magazine 2022, el mejor contenido del año
Aquí llega un recopilatorio de nuestro mejor contenido y de las entrevistas a nuestros managing directors, el equipo de marketing, presales y delivery y secciones exclusivas con nuestros expertos en Retail, Seguros, Turismo, Energía y Manufacturing
Blog post
Científicos vs. Analistas de datos: ¿Quién es quién?
¿No se ocupan ambos de trabajar con ordenadores, números y algoritmos sin parar? Bueno, eso es un poco verdad. Pero la realidad es que ambos son dos perfiles muy distintos y en este artículo vamos a conocer sus diferencias.
Opinión de experto
Filtrado colaborativo y filtrado basado en contenido
Técnicas utilizadas en los modelos de filtrado colaborativo y basado en contenido.
Opinión de experto
Spotify y Netflix, los dioses de los modelos de recomendación
Los sistemas de recomendación han logrado cambiar la forma en la que consumimos nuevos contenidos y descubrimos productos nuevos.
Blog post
El as bajo la manga de los decision makers
El Data Science se convirtió en el as bajo la manga de los decision makers tras la pandemia y ahora son unos players destacados de la partida que cuentan con más recursos que antes para hacer frente a un mercado más digitalizado y más competitivo.