Inteligencia de Negocios en Seguros que los Equipos Realmente Usan

Aquí está mi opinión: la mayoría de la inteligencia de negocios (BI) en seguros se construye para presentaciones a la junta directiva, no para las personas que deciden si el dinero entra o sale del edificio.

He visto paneles hermosos con todos los tonos de azul conocidos por las consultoras. Tenían filtros, desgloses y un logotipo en la esquina superior derecha. También tenían la esperanza de vida de un sándwich de gasolinera. La reunión de lanzamiento fue entusiasta. Dos semanas después, el equipo de suscripción había vuelto a Excel, el equipo de siniestros había vuelto al correo electrónico, y alguien en operaciones estaba armando manualmente un informe semanal a las 7 p.m. un jueves.

La inteligencia de negocios en seguros solo funciona cuando se adapta a cómo trabajan realmente los equipos. Los suscriptores no quieren un museo de gráficos. Los ajustadores de siniestros no quieren hacer clic en seis pantallas para descubrir qué cambió. Los analistas de fraude no necesitan más ruido. Necesitan señales confiables, en contexto, en el punto exacto donde se debe tomar una decisión.

Eso suena obvio. En la práctica, es donde muchas aseguradoras tropiezan con sus propios cordones de datos.

## El problema de la BI centrada en paneles

Las compañías de seguros no tienen escasez de datos. Tenemos datos de pólizas, datos de siniestros, datos de corredores, documentos, correos electrónicos, notas de llamadas, notas de ajustadores, informes de pérdidas, MVR, VIN, datos de propiedades, datos de pagos, datos de litigios y suficientes hojas de cálculo como para calificar como un ecosistema separado.

El problema es que demasiados llegan tarde, viven en silos o se limpian solo después de que el momento operativo ha pasado. Si un informe te dice el mes pasado que una cola de cotizaciones estaba obstruida, eso es interesante. Si le dice al suscriptor en este momento que tres presentaciones carecen del mismo dato y que un corredor está causando repetidamente retrabajo, eso es útil.

Hay una gran diferencia.

Una vez me senté con un suscriptor de autos comerciales que tenía trece pestañas abiertas. Trece. Un sistema central, dos hojas de cálculo, tres hilos de correo electrónico, una herramienta de tarificación, un PDF de informe de pérdidas, una consulta de vehículos, un portal de corredores y una nota adhesiva que se había convertido en infraestructura crítica. Cuando le pregunté qué BI le ayudaría, no pidió un nuevo panel. Dijo: solo quiero saber qué presentación es segura de procesar y cuál me va a morder después.

Ese es el estándar. Si tu BI no puede ayudar con ese tipo de decisión, probablemente sea decoración.

## Lo que la inteligencia de negocios en seguros debería hacer realmente

Una buena BI comienza con decisiones, no con gráficos.

Para una aseguradora, MGA, corredor, reaseguradora u organización de siniestros, la BI debería responder preguntas que estén cerca de los ingresos, las fugas, el servicio y el riesgo. Debería mostrar dónde se está ralentizando el trabajo, dónde las decisiones son inconsistentes, dónde se está filtrando la prima, dónde se están escalando los siniestros y dónde una cartera se está desviando del plan.

Una vista de BI útil debería ayudar a alguien a responder preguntas como estas en menos de 30 segundos:

- ¿Qué presentaciones deben manejarse primero porque están completas, son rentables y sensibles al tiempo?
- ¿Qué siniestros parecen rutinarios y cuáles necesitan atención especializada temprana?
- ¿Qué corredores o agentes están causando retrabajo evitable?
- ¿Qué reglas de suscripción están creando demasiadas excepciones?
- ¿Qué segmentos se están desempeñando de manera diferente a lo esperado?

Si la respuesta requiere un analista de datos, un hilo de Slack y tres exportaciones, no es inteligencia de negocios. Es una búsqueda del tesoro.

McKinsey ha estimado que los suscriptores pueden pasar hasta el 60% de su tiempo en trabajo administrativo. Ese número siempre me ha molestado porque los suscriptores no son contratados para perseguir campos faltantes. Los ajustadores no son contratados para copiar fechas entre sistemas. Los analistas de fraude no son contratados para revisar falsos positivos toda la tarde. La BI debería reducir esa carga, no agregar otra ventana que revisar.

## Comienza con el flujo de trabajo, no con el almacén

Los almacenes de datos importan. No estoy aquí para pelear con el equipo de datos. Ya tienen suficiente trauma con las convenciones de nombres de campos.

Pero un almacén por sí solo no crea adopción. El movimiento ganador es conectar la BI a los flujos de trabajo. Cuando la recepción de suscripciones, el triaje de siniestros, la revisión de demandas de abogados, el servicio al cliente y los controles de fraude generan datos operativos limpios a medida que ocurre el trabajo, la BI se convierte en un subproducto del negocio, no en un ejercicio de informes fuera del horario laboral.

Aquí es donde los seguros tienen una ventaja sobre muchas industrias. Nuestros procesos están llenos de eventos significativos. Llega una presentación. Falta un documento. Un riesgo se enriquece. Se activa una regla. Se remite una cotización. Un siniestro pasa de FNOL a investigación. Se recibe una carta de demanda. Cambia una reserva. Se elimina una bandera de fraude. Cada uno de esos eventos cuenta una historia.

El problema es que muchos sistemas solo almacenan el capítulo final. Emitido o no emitido. Pagado o denegado. Abierto o cerrado. Eso no es suficiente.

La historia operativa en el medio es donde está el oro. ¿Qué paso tomó demasiado tiempo? ¿Qué fuente de datos redujo el retrabajo? ¿Qué regla causó remisiones innecesarias? ¿Qué equipo de ajustadores maneja siniestros complejos más rápido sin aumentar la fuga? Esas son las preguntas que mueven el índice combinado, el índice de gastos y la satisfacción del cliente.

Si quieres una visión más profunda de esta idea, Inaza ha escrito sobre la construcción de una [plataforma de datos de seguros conectada](https://www.inaza.com/blog/the-road-to-a-connected-insurance-data-platform) que vincula el trabajo en sí con los datos que las aseguradoras utilizan para tomar decisiones.

## Los datos que la mayoría de los proyectos de BI pasan por alto

La BI tradicional de seguros tiende a centrarse en los resultados. Prima emitida. Índice de siniestralidad. Número de siniestros. Severidad promedio. Volumen de cotizaciones. Tasa de vinculación. Estos son necesarios, pero son indicadores rezagados. Te dicen dónde aterrizaste después de que el avión ya ha tocado tierra, bien o mal.

Los equipos también necesitan inteligencia de procesos. Eso significa marcas de tiempo, transferencias, razones de excepción, patrones de datos faltantes, causas de remisión, tipos de documentos, retrasos en la comunicación, resultados de enriquecimiento y pistas de auditoría.

Me gusta llamar a esto el escape operativo de los seguros. Puede que no suene glamoroso, pero te dice cómo está funcionando la máquina. Cuando se captura adecuadamente, muestra si el problema es la tarificación, la aplicación...