AnalyticsNewsVerzekeren

Zakelijk verzekeringsdomein ondergeschoven kindje voor Data Science

By juli 27, 2020 No Comments

Data science en Artificial Intelligence (AI) nemen in het particuliere domein echt een vlucht binnen de NL-verzekeringsmarkt. Op basis van een ronde die IG&H heeft gemaakt langs zes Nederlandse verzekeraars leren we dat er flink wordt geïnvesteerd in mensen en middelen en de succesvolle cases stapelen zich op. Aan de zakelijke kant is het opvallend stil. En dat is onterecht…

Zakelijk loopt significant achter
De afgelopen jaren is Data Science echt uit de startblokken gekomen in de verzekeringsmarkt. Met name aan de voorkant, met toepassingen in commercial pricing, het bepalen van next-best-actions en het personaliseren van de online user experience. Er is geïnvesteerd om de data op orde te brengen, deze te ontsluiten, cases te definiëren, te testen en op te schalen. En er is vooral heel veel geleerd en geëxperimenteerd: hoe kom je tot de juiste (lees schaalbare) use cases, wat werkt wel, wat niet, hoe trekken we talent aan, hoe organiseren we ons voor succes? De focus lag hierbij sterk op het particuliere domein en niet op zakelijk. Redenen: er zijn in particulier grote aantallen klanten en interacties, de data is beter op orde te krijgen, het is meer begrijpelijk en er zijn meer directe kanalen. Om te starten lijkt dit dan ook een logische keuze. Maar daarmee is onbedoeld wel een grote onbalans ontstaan. Een rondgang langs de grote allround verzekeraars leerde ons dat gemiddeld 70-80% van alle data science effort wordt besteed in het particuliere domein en daarbinnen heel sterk op schade. Als we kijken waar het volume en rendement zich bevinden is dat regelmatig een spiegelbeeld: 60-65% van volume en 80% van het rendement* komt juist uit de zakelijke hoek.

Fig 1. Indicatieve verhoudingen tussen bijdrage aan de business performance en aandeel in Data Science investering bij allround verzekeraars

Dogma’s om te doorbreken
Verzekeraar en adviseurs zijn zich deze onbalans meer en meer aan het beseffen, maar dit leidt nog niet tot een grote verschuiving. Hiervoor moeten eerst een aantal dogma’s worden doorbroken. De vijf belangrijkste hebben we hieronder op een rij gezet:

 

1.    Zakelijk verzekeren is people business. Data is ondergeschikt “Niemand kent de klant of de adviseur beter dan onze gedreven accountmanagers.”
2.    Inschatten en beoordelen is het domein van specialisten “Ervaring en intuïtie kunnen niet in AI-modellen worden gevat.”
3.    Geen Data Science mogelijk zolang de data niet op orde is “Big Data en AI hebben (schone) datasets van minimaal tienduizenden observaties en honderden variabelen nodig. Die hebben we niet binnen zakelijk.”
4.    Geen schaalbare use cases “Onze diversiteit van klanten en producten is te groot.”
5.    AI is een black box “De computer zegt nee, krijg ik niet uitgelegd aan mijn klanten of de Risk & Compliance afdeling”

In de praktijk zien we wel degelijk dat veel menselijke inschattingen en beoordelingen, met data science technieken versterkt of vervangen kunnen worden. Ook de meer tactische of strategische beslissingen, zoals differentiatie in bediening en portfolio-sturing, worden bij uitstek beter van een data gedreven en door modellen geïnformeerde aanpak.

Data science methodieken en onze werkwijze hebben niet stilgestaan en we hebben geleerd hoe we ondanks een mindere databeschikbaarheid, of lagere volumes vaak toch succesvol kunnen zijn. Bovendien is het een mythe dat AI-modellen per definitie een black box zijn. Wij hebben meerdere technieken in onze gereedschapskist waarmee we de werking en de uitkomsten van veel verschillende algoritmes heel transparant en begrijpelijk maken.

“Met name het doorbreken van deze dogma’s kan voor veel versnelling zorgen. De combinatie van business hypotheses en data science kan ons juist ook binnen het zakelijke domein veel opleveren. In vergelijking tot ons particulier domein kunnen we hier nog veel winst behalen.”
Peter Zwikker, Manager Data & Analytics Centraal Beheer Bedrijven

Bewezen waarde
Vanuit het IG&H Data Science team hebben we samen met klanten ervaren hoe AI ook in complexe zakelijke omgevingen grote performance verbeteringen mogelijk maakt. Hieronder een van de voorbeelden.

Een marktleider in zakelijke kredietverschaffing wilde het kredietproces meer efficiënt, wendbaar en meer consistent maken. Ook zag deze klant de noodzaak om klaar te zijn voor de strijd met nieuwe Fintech concurrenten. We hebben met gebruikmaking van AI een beslismodel geïmplementeerd dat handmatige specialistbeoordelingen in het risk review proces met >80% heeft gereduceerd. Het model heeft geleerd van voorbeelden van experts om in te schatten of een handmatige risk review nodig is. Bij een lage score wordt de case niet langer door specialisten beoordeeld.

Door middel van pragmatische workarounds bleek het gebrek aan databeschikbaarheid overkomelijk. Met toepassing van slimme technieken is het beslismodel heel transparant in de manier waarop het tot output komt. En bovendien kunnen specialisten en managers nu middels een interactief dashboard alle inzichten en overzichten oproepen die ze nodig hebben.

Dit model is de eerste van meerdere. Dit ene model alleen speelt al ~6 FTE aan specialistische capaciteit vrij die op new business en op de klanten met de meest complexe risico’s kan worden ingezet. De terugverdientijd van dit allereerste project binnen 2 jaar is ook heel prettig. Het model maakt daarnaast een veel meer frequente monitoring en scenario analyses van de portfolio mogelijk.

Naast de directe toepassing van Artificial Intelligence in een business proces, maakt data science ook op veel andere manieren performance verbetering mogelijk. Met behulp van data science technieken kunnen bijvoorbeeld de processen geanalyseerd worden op bottlenecks en inefficiënties. Zo hebben we bij een financieel dienstverlener recent een business proces geanalyseerd en gelijk nieuwe beslislogica geformuleerd waarmee 90% van de repetitieve approval requests geëlimineerd is.

Daarnaast passen we big data en analysetechnieken toe om tactische en strategische keuzes in portfolio management en distributie te optimaliseren.

“Ook binnen ons zakelijk domein zetten wij Analytics & Data Science al enige jaren succesvol in om o.a. onze dienstverlening voor de klant te verbeteren. Met behulp van Process Analytics optimaliseren we bijvoorbeeld constant onze interne processen en customer journeys. Deze optimalisaties leiden tot verhoogde klanttevredenheid en lagere kosten. Een echte win-win dus.”
Marijn Janssen, Head of Analytics & Data Science Aegon NL

De blik vooruit
Tijd voor een radicale omwenteling en opschaling van de inspanningen op data science binnen het zakelijk domein. De resultaten liegen er niet om en data science zal in het zakelijk domein een belangrijke rol in de concurrentiestrijd spelen. Hier valt nog serieus veel te winnen en de kruisbestuiving met geleerde lessen uit het particulier domein zullen partijen helpen om snel meters te maken in de komende jaren.

Contact
Mando Rotman
E: mando.rotman@igh.com
Manager Data Science IG&H

Jan-Pieter van der Helm
E: janpieter.vanderhelm@igh.com
Director Financial Services IG&H

*) exclusief inkomsten uit closed book Leven particulier

 

Mando Rotman

Author Mando Rotman

More posts by Mando Rotman