Analítica de suscripción que mejora las decisiones antes de la cotización

Diré la parte incómoda en voz alta: la mayoría de los análisis de suscripción llegan demasiado tarde para cambiar la decisión de suscripción. Para cuando un tablero te dice que el índice de siniestralidad se desvió, el volumen de cotizaciones bajó o un código de clase tuvo bajo rendimiento, la cotización ya se ha enviado, el riesgo ya está vinculado o la cuenta ya se ha ido a un mercado más rápido. Eso es información útil, claro. Pero no es el momento donde se gana o se pierde dinero. El verdadero valor de la **analítica de suscripción** es antes de la cotización. No después de la vinculación. No en la renovación. No en la reunión trimestral de "¿qué pasó?" donde todos asienten cortésmente y culpan en silencio a la hoja de cálculo. Antes de la cotización es donde la analítica debería ayudar a los suscriptores a responder las preguntas prácticas que importan: ¿Deberíamos dedicar tiempo a esta solicitud? ¿Qué datos faltan? ¿Está el riesgo dentro del apetito? ¿Qué señales externas cambian nuestra visión? ¿Mejorará esta cotización la cartera o hará incómoda la reunión del índice de siniestralidad del próximo año? He estado con suscriptores que podían detectar un mal riesgo más rápido que cualquier modelo, pero estaban enterrados bajo PDFs, informes de siniestros, correos electrónicos, formularios complementarios y reingreso de datos en portales. Un suscriptor senior me dijo una vez: "No necesito otro informe. Necesito que alguien me diga cuál de estas 47 solicitudes vale la pena abrir antes del almuerzo". Esa frase se me ha quedado grabada durante años. Ese es el trabajo de la analítica de suscripción previa a la cotización. ## El problema de la analítica de suscripción posterior a los hechos La analítica tradicional en seguros a menudo actúa como un espejo retrovisor. Te dice qué se vinculó, qué se rechazó, qué funcionó, qué prima se filtró y qué explotó en siniestros. Los espejos retrovisores son importantes, pero son una mala manera de conducir en el tráfico. La ventana de cotización es donde la decisión aún está viva. Si el suscriptor tiene que salir del flujo de trabajo de la solicitud, extraer datos de tres sistemas, consultar una guía de apetito, comparar siniestros anteriores, buscar en bases de datos externas y luego ensamblar manualmente una visión del riesgo, la analítica ya ha fallado a la persona que hace el trabajo. McKinsey ha escrito sobre la gran carga administrativa en la suscripción, incluyendo el hecho de que los suscriptores pueden pasar hasta el 60% de su tiempo en actividades no esenciales. Eso coincide con lo que he visto en el mercado. A los mejores suscriptores no les falta criterio. Les falta contexto limpio, oportuno y listo para la decisión. Aquí está mi opinión controvertida: si la analítica de suscripción no cambia lo que sucede antes de la cotización, es principalmente informes de gestión con colores más bonitos. Puede sonar duro, pero el listón debería ser más alto ahora. Los datos no deberían solo explicar decisiones. Deberían mejorarlas mientras aún hay tiempo para actuar. ## Lo que la analítica de suscripción debería responder antes de la cotización La analítica previa a la cotización no debería abrumar a los suscriptores con cada punto de datos conocido en el universo de seguros. Nadie necesita un perfil de riesgo de 72 campos cuando la primera pregunta es: "¿Siquiera queremos esto?" Una buena analítica de suscripción debería ayudar al equipo a responder algunas preguntas precisas rápidamente. ### ¿Vale la pena suscribir esta solicitud? Este es el primer filtro, y es donde muchos equipos pierden tiempo. Una solicitud puede estar fuera del apetito debido a la geografía, ocupación, tipo de vehículo, siniestros anteriores, banda de ingresos, límite solicitado, clase de industria, o alguna sorpresa encantadora escondida en la página 14 de un adjunto. La mejor analítica detecta esos problemas temprano. Debería señalar desajustes obvios, identificar casos límite y enrutar el trabajo en consecuencia. Una solicitud limpia dentro del apetito debería avanzar rápido. Una cuestionable debería ir a la persona adecuada. Una de mala calidad debería ser rechazada cortésmente antes de que el corredor espere tres días por una respuesta que todos podrían haber predicho en tres minutos. Esa experiencia del corredor importa. Un "no" rápido a menudo es más valioso que un "tal vez" lento. Aprendí esto de la manera difícil hace años cuando un corredor me dijo, con admirable moderación: "Tu rechazo estuvo bien. El silencio de cuatro días no lo estuvo". Punto justo. ### ¿Son los datos suficientemente buenos para fijar el precio? La analítica de suscripción depende de la calidad de la entrada. Si la solicitud llega con direcciones de estacionamiento faltantes, descripciones de negocio inconsistentes, informes de siniestros desactualizados, o un asegurado nombrado que no coincide con los registros externos, no estás facilitando un problema de analítica. Le estás poniendo una venda. Por eso una mejor suscripción comienza en la puerta de entrada. Hemos cubierto esto en más profundidad en nuestro artículo sobre por qué [la automatización de la suscripción de seguros comienza con una mejor entrada](https://www.inaza.com/blog/insurance-underwriting-automation-starts-with-better-intake), y el mismo principio aplica aquí. Si la entrada es desordenada, cada puntuación, regla, tablero e informe posterior se vuelve menos confiable. Antes de la cotización, la analítica debería sacar a la luz campos faltantes, contradicciones, cambios inusuales y problemas de calidad de datos. Los suscriptores no deberían tener que descubrir esos manualmente después de haber pasado 20 minutos revisando la cuenta. ### ¿Qué señales externas cambian la visión del riesgo? Los datos internos cuentan parte de la historia. Los datos externos a menudo llenan los vacíos. Dependiendo de la línea de negocio, los suscriptores pueden necesitar características de la propiedad, datos de peligros, indicadores de siniestros anteriores, historial del vehículo, datos MVR, atributos basados en crédito donde esté permitido, registros comerciales, señales de litigios o factores de riesgo basados en la ubicación. El punto no es agregar datos por agregar datos. El punto es responder: ¿qué cambiaría la decisión? Por ejemplo, una cuenta de automóvil comercial pequeño puede parecer ordinaria hasta que los detalles de estacionamiento y el uso del vehículo cuentan una historia diferente. Un riesgo de propiedad puede parecer aceptable hasta que la información de peligros muestra preocupaciones de incendios forestales, inundaciones o techos. Una cuenta de responsabilidad general puede parecer limpia hasta que la clasificación comercial y la presencia en la web sugieren que las operaciones no son exactamente lo que dice la solicitud. Ahí es donde el enriquecimiento de datos demuestra su valor. Si quieres una mirada más profunda a ese tema, nuestro artículo sobre [usar el enriquecimiento de datos para potenciar decisiones de suscripción más inteligentes](https://w