SlideShare una empresa de Scribd logo
1 de 23
Descargar para leer sin conexión
Copyright © 2016 Accenture. All rights reserved.
Análisis de información:
Generador de eficiencias en el
margen de los productos
“Antes de que los datos fueran grandes,
antes de que “Googlear” fuera un verbo,
y antes de que Gordon Moore escribiera su Ley,
los aseguradores ya utilizaban matemáticas y
estadística para predecir el futuro”
Kevin Petrie, Information and Technology, 2015
2Copyright © 2016 Accenture All rights reserved.
3Copyright © 2016 Accenture All rights reserved.
Big Data
Analytics
Tendencias
Avance de
la ciencia de
datos
Retos para
competir con
Big Data
AnalyticsImplicaciones
para la
industria
Impacto en la
cadena de valor
Agenda
Casos y
aplicaciones
Las leyes tecnológicas de Moore (procesamiento), Kryder (almacenamiento),
Gilder (ancho de banda) y Metcalfe (conectividad de red) explican las tres V’s
del Big Data:
Tera, Peta, Zetta…
Del “batch” al tiempo real
Estructurada, no
estructurada, interna y
externa
“Big data” en
Google Trends
… el proceso de descomposición de
un problema en sus partes y la
utilización de datos para obtener
inferencias que conducen las
decisiones. No es una herramienta ni
una tecnología, sino una manera de
pensar y actuar
Gracias al Big Data, en las empresas podemos
resolver cualquier problema con analytics:
•Marketing
•Ventas
•Lealtad
•Riesgos
•Fraude
•Operaciones
•Recursos humanos…
“Analytics” en
Google Trends
Copyright © 2016 Accenture All rights reserved.
El análisis de datos es el combustible del mundo digital
Copyright © 2016 Accenture All rights reserved. 5
Las empresas de alto desempeño reconocen que los datos son un
activo estratégico, y buscan adoptar una cultura enfocada en datos.
Las decisiones basadas en datos conducen a resultados de negocio
claros, que producen un retorno de inversión medible.
Sin embargo, persiste el reto de encontrar el valor diferenciando las
señales importantes del Mercado frente al ruido del Big Data para
transformar los resultados de negocio.
Copyright © 2015 Accenture. All rights reserved. 7
Implicaciones para la
industria
Copyright © 2016 Accenture All rights reserved.
Procesos que estaban diseñados para un mundo de escasez de información,
deberán adaptarse al nuevo mundo de la superabundancia de datos
La industria aseguradora, “the grand old dame” del análisis de datos, se está viendo
inundada por el nuevo caudal de información digital.
“Donde alguna vez fue difícil obtener
información sobre riesgos potenciales,
los aseguradores del presente pueden
encontrar una riqueza casi vergonzosa
de datos” (mastersindatascience.org)
Copyright © 2016 Accenture All rights reserved. 8
“Big data proporciona el pegamento entre la oferta, donde existe un deseo de expandir los tipos
de productos de seguros que se ofrecen, y la demanda, que está buscando mejores formas de
gestionar riesgos y crecer… Por un lado, Big Data está generando nuevos riesgos, y por el otro,
el hecho de que tengas analytics permite pensar en cuantificar riesgos y diseñar productos que
permitan mitigarlos… observando el comportamiento del consumidor de manera directa”
Steven Mildenhall, CEO global de analytics en AON, citado en CMO, 2016
En el pasado: asimetría de información por diseño en la relación asegurador-asegurado. No
se podía observar lo que de hecho era más importante - el comportamiento y la disposición del
asegurado. Hasta que se generaba una reclamación.
En el mundo del Big Data: podemos observar de manera directa variables desde
el comportamiento de un conductor, hasta parámetros biológicos, apego a la terapia, y
datos provenientes de sensores automatizando el flujo de enormes cantidades de datos
– podemos saber incluso más que el asegurado sobre sus riesgos actuales y
potenciales… y podemos anticiparnos con precisión y efectividad
Una nueva forma de trabajar con datos –
un impacto disruptor
9
Predictable
Disruption
Data
Driven
Copyright © 2016 Accenture All rights reserved.
Y provocará más discusión y reflexión conforme avanza en la transformación de la
industria
• Enero 2016, la Autoridad de Conducta Financiera del reino Unido (FCA) emitió una consulta pública así: Call
for Inputs: Big Data in retail general insurance
• Para la FCA, es evidente el incremento de Big Data en todo el sector financiero, pero se está enfocando en
seguros por: la importancia del sector; la importancia de los datos en este sector; y el potencial de Big
Data para alterar la forma en la que se evalúa el riesgo.
– Evaluación en toda la cadena de valor: diseño de productos, suscripción, márketing y
distribución, así como la evaluación y procesamiento de reclamaciones.
• Datos generados desde varios dispositivos, sensores telemáticos, aplicaciones móviles, datos obtenidos
en la prestación de otros productos y servicios por el mismo u otros proveedores, datos obtenidos de
terceros, datos de fuentes públicas como redes sociales y agencias gubernamentales, y datos de
organizaciones sociales y otras ONGs sobre consumidores en circunstancias vulnerables.
• Tres interrogantes:
– ¿Cómo afecta los resultados para los consumidores?;
– ¿Promueve o restringe la competencia?; y
– ¿Cómo afecta el marco regulatorio actual al desarrollo de Big Data Analytics?
Big Data Analytics: una tendencia que llegó para quedarse
Copyright © 2016 Accenture All rights reserved.
Digital
Trust
Accenture Technology Vision for
Insurance 2016 - one of the four
pillars of a successful digital culture
Data
Driven
Intelligent
Automation
Platform
Economy
Predictable
Disruption
Digital
Trust
Four of the five technology trends
likely to have a
major influence on insurance in the
next 3 to 5 years
Copyright © 2016 Accenture All rights reserved.
12
Avance de la ciencia de datos
Casos y aplicaciones
Copyright © 2016 Accenture All rights reserved.
13
Alianza Accenture MIT para Business Analytics
Desarrollando soluciones innovadoras en analytics a través de la colaboración
Copyright © 2016 Accenture All rights reserved.
Toma de decisions efectiva Explotando insights de Big Data
Investigación Consorcio de innovación en analytics
Conjuntando… …para ayudar a
Tomar
decisiones
mejor
informadas
Estamos desarrollando
Nuevos enfoques Nuevos modelos Innovación
Conjuntando… …para ayudar a los
Líderes Analíticos
A conducir el
proceso de
transformación
cultural
Juntos estamos desarrollando
Colaboración entre
colegas a nivel
global
Expandiendo las
fronteras de los
analytics
Dando forma al rol
de los líderes
analíticos
• Mentes de primernivel en
analytics de negocios con
expertos de MIT y
Accenture
• Exclusivamentepor
invitación
Enfoque en resultados de negocio
Análisis Datos
Modelación
+
Fundamentos
Operación
industrial
Análisis
de riesgo Inovación
en retail
2014 Data Science Challenge *
Link Analytics to High Performance *
Social Media Causal Monitoring & Market Indices – Risk; Pricing *
Behavior Data Integration and Offers Platform *
Learning and Optimizing in Revenue Management
Social Media Impact on Supply/Demand Forecasting
Equipment Sensors, Process Maintenance & Optimization *
Plant and Commercial Optimization *
Improved Performance for Unconventional Drilling *
Improved Mining Operational Performance
Early Warning Detection
Reducing False Positives in Fraud Detection *
SCADA Security and Risk
Holistic Risk Assessment *
HR Skills Forecasting *
Right Sizing of Capacity and Service Levels
Collateral Allocation Optimization
Design of Urban Transportation Services *
XL Catlin necesita
evaluar la exposición al
riesgo producido por
desgaste
(attrition - no relacionado
con catástrofes
naturales) con daños a la
propiedad e interrupción
de negocio -Property
Damage (PD) & Business
Interruption (BI)
… Sin embargo, valorar el riesgo para
clientes comerciales grandes es difícil por
la complejidad de la cobertura y la
exposición en una misma cuenta.
Ejemplo: Suscripción de 37% de
riesgo entre $50MM-$75MM de
USD para pérdidas en 1269
locaciones a nivel global para un
Cliente X
… Tradicionalmente, el enfoque es escalar
el análisis a partir de una selección de
locaciones. El riesgo de la cuenta en su
conjunto se infiere del riesgo observado
en una muestra de locaciones.…
Ejemplo – inspecccionar las 50
locaciones más importantes
para estimar el riesgo en la
cuenta completa.
Copyright © 2016 Accenture All rights reserved.
… Sin
embargo, el
riesgo
calculado así
no es muy
confiable…
Calificación
actual de
riesgo
Porcentaje Real de
Pérdidas 
La calificación actual de riesgo no permite
diferenciar entre cuentas en términos de
porcentaje de pérdidas probables %
… XL Catlin cree que
apalancándose másen los datos de
los clientes podría obtener mejores
resultados de la evaluación del
riesgo de desgaste (attritional
risk).
En este proyecto,
desarrollamos un modelo de
evaluación de riesgo que no
está basado en reportes de
ingeniería (visitas
especializadas a locaciones) …
…Y sin embargo
proporciona información de
mayor calidad para el
proceso de suscripción.
La precision de la predicción
de riesgos rentables y no
rentables superó el 90%.
Copyright © 2016 Accenture All rights reserved.
Más rápido
Más barato
Mejor
Evaluación
del riesgo
Modelo 1: Predicción de riesgo
Modelo 2: Predicción de la rentabilidad
Predichas
como
rentables
Predichas
como no
rentables
Realmente
rentables
443 17
Predichas
como no
rentables
3 109
Modelo actual Modelo nuevo
Calificación
deriesgo Un modelo basado en análisis de datos (no en
observaciones directas extrapoladas) permite separar
cuentas riesgosas con mucha más efectividad
El modelo permite separar cuentas con mayor
probabilidad de ser rentables de aquellas que no
lo son, con una certeza de más del 90%
Calificación
deriesgo
Mejor análisis. Mayor eficiencia
Copyright © 2016 Accenture All rights reserved.
¿Cómo lo hicimos?
Análisis avanzado
+
objetivos relevantes para el
negocio
+
diseño metodológico relevante
para el negocio
¿Qué sigue?
 MIT/Accenture están transicionando
los hallazgos a XL Catlin e
instalando el código base en el
ambiente operative de XL Catlin
 XL Catlin está revisando e
internalizando los modelos, y
trabajando con el negocio en
opciones para la implementación
Copyright © 2016 Accenture All rights reserved.
Otros casos y
aplicaciones
Copyright © 2016 Accenture All rights reserved.
Reto: incrementar la eficiencia en la prevención y detección de fraudes en una de
las aseguradoras más grandes del mundo
Copyright © 2016 Accenture All rights reserved.
Cómo identificar mejor los fraudes?
Los métodos tradicionales de detección de fraudes en las
reclamaciones tenían una gran oportunidad de mejora, más del 65%
de falsos positivos.
Necesidad de construir un programa activo y eficiente para la
prevención y detección de fraudes.
Metodología
Modelos predictivos analíticos para evaluar
la probabilidad de fraude en las
reclamaciones
+
App basada en una plataforma de
reclamaciones para un proceso
transparente que permite apalancar los
modelos analíticos a través de los usuarios
Una gran oportunidad de hacer la diferencia
Una de las aseguradoras más grandes del mundo: más de 8
millones de pólizas activas y más de 20 millones de siniestros
en los últimos 5 años
• 48.6% más de eficiencia enfocando los
esfuerzos a la investigación de fraudes
• Como proceso continuo – incluyendo
automatización para la sustentabilidad
operativa y enfoque en el aprendizaje para
mejorar el desempeño de manera sistemática
Impacto / Aplicación
Copyright © 2015 Accenture. All rights reserved. 20
Retos para competir
en el mundo del Big
Data Analytics
20
Retos de corto plazo para la explotación y aplicación
de Big Data Analytics: capacidades a construir
Capacidad para combinar múltiples fuentes de
datos estructuradas y no estructuradas
Capacidad para analizar eficazmente datos
variados y complejos – reclamaciones / logs de
llamadas – y producir hallazgos accionables
Capacidad para desplegar acciones
habilitadas por analytics en el ‘front line’
Copyright © 2016 Accenture All rights reserved. 21
“...la industria aseguradora está liderando la obtención de
valor real de negocio a partir del volumen, velocidad y
variedad de conjuntos masivos de datos… ¿Porqué están
enfrentando los aseguradores este reto al mismo tiempo en que
transforman sus sistemas core, evolucionan las expectativas del
consumidor y enfrentan presiones regulatorias?... Dice Pawan
Divakarla, líder de Big Data en Progressive Insurance, “Big
data de hecho funciona”.
Insurance Networking News,
Nathan Golia y Chis McMahon, 2015
Intelligent
Automation
Platform
Economy
22
People First:
The Primacy of People
in the Age of Digital Insurance
Accenture Technology Vision for Insurance 2016
Copyright © 2016 Accenture All rights reserved.
Los mayores retos tienen que ver con las
personas y los procesos:
Cerca de 2/3 de los problemas
considerados como barreras para el Big
Data están relacionados con personas y
procesos, no con tecnología
Las principales barreras para la innovación – y en
Big Data Analytics en especial, son:
1º- La cultura
2º- Los procesos preestablecidos
3º- Silos en la organización
NO los sistemas ni la tecnología…
Appendix
23Copyright © 2016 Accenture All rights reserved.
AAAP Case Study in Financial Services
Best offer for hot prospects
Business Issue
To identify potential clients among all the prospects
interacting through WebSite channel to ask for a quotation.
Identify the best offer to address:
• «hot» prospects to turn quotations into policies
Work on the last batch of quotations (typically week),
focuses on those still alive, and then score the success
probability.
The high potential, are assigned to channels for further
contact.
Accenture Approach
1.3M Quotations as input to the analysis.
Main challenge noisy data.
Eg: husband ask for a quote with his name a fake plate
number, compares a few offers, then get back for the final
quotation using wife name real car data.
Lot of data cleansing, complex data preparation, to define
the Potential Sale Record.
Input data: Customer, Relationship with firm, Quotes, Car
Logistic Regressions for probability scoring, Modeler engine
Key Drivers:
• F customer
• Price<400€
• Cylinder Capacity < 1200cc
• Closeness Policy expiration date (<7d)
• Previous quotations >2
• Other Policies >1
Gains: the 10% top ranked quotations contains 50% of the
conversions
Next step: Cluster analysis (k-means) on existing clients,
using internal and external insurance information and
banking behaviour information to segment and profile
clients.
Client
Italian Insurance company, part of one of the
largest Banking groups in Europe

Más contenido relacionado

La actualidad más candente

Banca de 60 segundos: Modelo de transformación de sucursales bancarias
Banca de 60 segundos: Modelo de transformación de sucursales bancariasBanca de 60 segundos: Modelo de transformación de sucursales bancarias
Banca de 60 segundos: Modelo de transformación de sucursales bancariasJesus Sosa
 
Big Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector TurismoBig Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector TurismoStratebi
 
Analytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicacionesAnalytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicacionesIBMSSA
 
Transformación organizacional: La innovación en contextos de disrupción digit...
Transformación organizacional: La innovación en contextos de disrupción digit...Transformación organizacional: La innovación en contextos de disrupción digit...
Transformación organizacional: La innovación en contextos de disrupción digit...eCommerce Institute
 
La industria del seguro y la tecnología 2018
La industria del seguro y la tecnología 2018La industria del seguro y la tecnología 2018
La industria del seguro y la tecnología 2018conectarc
 
Contratación digital. semana del seguro 2016
Contratación digital. semana del seguro 2016Contratación digital. semana del seguro 2016
Contratación digital. semana del seguro 2016Luis Carlos Tristán
 
Un café con... ORACLE | VII Congreso DEC | The Experience Evolution
Un café con... ORACLE | VII Congreso DEC | The Experience EvolutionUn café con... ORACLE | VII Congreso DEC | The Experience Evolution
Un café con... ORACLE | VII Congreso DEC | The Experience EvolutionAsociación DEC
 
Facturación electrónica en Panamá
Facturación electrónica en PanamáFacturación electrónica en Panamá
Facturación electrónica en PanamáInterFuerza Inc
 
Analítica Avanzada en Experiencia de Cliente
Analítica Avanzada en Experiencia de ClienteAnalítica Avanzada en Experiencia de Cliente
Analítica Avanzada en Experiencia de ClienteNunkyworld
 
Tendencias y oportunidades en el sector asegurador
Tendencias y oportunidades en el sector aseguradorTendencias y oportunidades en el sector asegurador
Tendencias y oportunidades en el sector aseguradorPlanimedia
 
EY El Seguro en el mundo digital
EY El Seguro en el mundo digitalEY El Seguro en el mundo digital
EY El Seguro en el mundo digitalEY
 
Data Economy: La Revolución de los datos
Data Economy: La Revolución de los datosData Economy: La Revolución de los datos
Data Economy: La Revolución de los datosAMETIC
 
Idc colombia presentacion de tendencias globales ciberseguridad 2020 mintic...
Idc colombia presentacion de tendencias globales ciberseguridad 2020   mintic...Idc colombia presentacion de tendencias globales ciberseguridad 2020   mintic...
Idc colombia presentacion de tendencias globales ciberseguridad 2020 mintic...ProColombia
 
Mar García-Ramos en el VII Congreso DEC | The Experience Evolution
Mar García-Ramos en el VII Congreso DEC | The Experience EvolutionMar García-Ramos en el VII Congreso DEC | The Experience Evolution
Mar García-Ramos en el VII Congreso DEC | The Experience EvolutionAsociación DEC
 

La actualidad más candente (20)

Banca de 60 segundos: Modelo de transformación de sucursales bancarias
Banca de 60 segundos: Modelo de transformación de sucursales bancariasBanca de 60 segundos: Modelo de transformación de sucursales bancarias
Banca de 60 segundos: Modelo de transformación de sucursales bancarias
 
Big Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector TurismoBig Data y Social Intelligence en el Sector Turismo
Big Data y Social Intelligence en el Sector Turismo
 
Digital customer experience
Digital customer experienceDigital customer experience
Digital customer experience
 
Analytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicacionesAnalytics el uso de big data en el mundo real aplicado a las telecomunicaciones
Analytics el uso de big data en el mundo real aplicado a las telecomunicaciones
 
Transformación organizacional: La innovación en contextos de disrupción digit...
Transformación organizacional: La innovación en contextos de disrupción digit...Transformación organizacional: La innovación en contextos de disrupción digit...
Transformación organizacional: La innovación en contextos de disrupción digit...
 
La industria del seguro y la tecnología 2018
La industria del seguro y la tecnología 2018La industria del seguro y la tecnología 2018
La industria del seguro y la tecnología 2018
 
Contratación digital. semana del seguro 2016
Contratación digital. semana del seguro 2016Contratación digital. semana del seguro 2016
Contratación digital. semana del seguro 2016
 
Automatización de Marketing
Automatización de MarketingAutomatización de Marketing
Automatización de Marketing
 
Un café con... ORACLE | VII Congreso DEC | The Experience Evolution
Un café con... ORACLE | VII Congreso DEC | The Experience EvolutionUn café con... ORACLE | VII Congreso DEC | The Experience Evolution
Un café con... ORACLE | VII Congreso DEC | The Experience Evolution
 
Mobile World Congress 2018- Spanish Version
Mobile World Congress 2018- Spanish VersionMobile World Congress 2018- Spanish Version
Mobile World Congress 2018- Spanish Version
 
Facturación electrónica en Panamá
Facturación electrónica en PanamáFacturación electrónica en Panamá
Facturación electrónica en Panamá
 
Analítica Avanzada en Experiencia de Cliente
Analítica Avanzada en Experiencia de ClienteAnalítica Avanzada en Experiencia de Cliente
Analítica Avanzada en Experiencia de Cliente
 
LA TRANSFORMACIÓN DIGITAL 2.0
LA TRANSFORMACIÓN DIGITAL 2.0LA TRANSFORMACIÓN DIGITAL 2.0
LA TRANSFORMACIÓN DIGITAL 2.0
 
Tendencias y oportunidades en el sector asegurador
Tendencias y oportunidades en el sector aseguradorTendencias y oportunidades en el sector asegurador
Tendencias y oportunidades en el sector asegurador
 
EY El Seguro en el mundo digital
EY El Seguro en el mundo digitalEY El Seguro en el mundo digital
EY El Seguro en el mundo digital
 
Data Economy: La Revolución de los datos
Data Economy: La Revolución de los datosData Economy: La Revolución de los datos
Data Economy: La Revolución de los datos
 
Salvador Aragon
Salvador AragonSalvador Aragon
Salvador Aragon
 
Idc colombia presentacion de tendencias globales ciberseguridad 2020 mintic...
Idc colombia presentacion de tendencias globales ciberseguridad 2020   mintic...Idc colombia presentacion de tendencias globales ciberseguridad 2020   mintic...
Idc colombia presentacion de tendencias globales ciberseguridad 2020 mintic...
 
Banca Digital
Banca DigitalBanca Digital
Banca Digital
 
Mar García-Ramos en el VII Congreso DEC | The Experience Evolution
Mar García-Ramos en el VII Congreso DEC | The Experience EvolutionMar García-Ramos en el VII Congreso DEC | The Experience Evolution
Mar García-Ramos en el VII Congreso DEC | The Experience Evolution
 

Destacado

People First: The Primacy of the People in the Age of Digital Insurance
People First: The Primacy of the People in the Age of Digital InsurancePeople First: The Primacy of the People in the Age of Digital Insurance
People First: The Primacy of the People in the Age of Digital InsuranceAccenture México
 
Accenture : Analytics Survey, mai 2011
Accenture : Analytics Survey, mai 2011Accenture : Analytics Survey, mai 2011
Accenture : Analytics Survey, mai 2011alain Clapaud
 
El e-paciente
El e-pacienteEl e-paciente
El e-pacienteCOM SALUD
 
Accenture: Analytics journey to roi Feb 2013
Accenture: Analytics journey to roi Feb 2013Accenture: Analytics journey to roi Feb 2013
Accenture: Analytics journey to roi Feb 2013Brian Crotty
 
Google ¿ aliado o enemigo en Sanidad ?
Google ¿ aliado o enemigo en Sanidad ?Google ¿ aliado o enemigo en Sanidad ?
Google ¿ aliado o enemigo en Sanidad ?Rafael Bravo Toledo
 
Use Application Portfolio Optimization to accelerate IT value
Use Application Portfolio Optimization to accelerate IT valueUse Application Portfolio Optimization to accelerate IT value
Use Application Portfolio Optimization to accelerate IT valueaccenture
 
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...accenture
 
The Everyday Bank: The Role of Cloud Computing in the Future of Banking
The Everyday Bank: The Role of Cloud Computing in the Future of BankingThe Everyday Bank: The Role of Cloud Computing in the Future of Banking
The Everyday Bank: The Role of Cloud Computing in the Future of BankingAccenture Technology
 
Increasing Agility to Fuel Growth in the Communications Industry
Increasing Agility to Fuel Growth in the Communications IndustryIncreasing Agility to Fuel Growth in the Communications Industry
Increasing Agility to Fuel Growth in the Communications Industryaccenture
 
People First: The Primacy of People in the Communications Industry
People First: The Primacy of People  in the Communications IndustryPeople First: The Primacy of People  in the Communications Industry
People First: The Primacy of People in the Communications Industryaccenture
 
Accenture Technology Vision for Industrial 2016
Accenture Technology Vision for Industrial 2016Accenture Technology Vision for Industrial 2016
Accenture Technology Vision for Industrial 2016accenture
 
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...accenture
 
People & Technology: Vision for Life Sciences 2016
People & Technology: Vision for Life Sciences 2016People & Technology: Vision for Life Sciences 2016
People & Technology: Vision for Life Sciences 2016accenture
 
Mastering Operational Flexibility
Mastering Operational FlexibilityMastering Operational Flexibility
Mastering Operational Flexibilityaccenture
 
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...accenture
 
Accenture Cloud-based Lab Reviews Case Study
Accenture Cloud-based Lab Reviews Case StudyAccenture Cloud-based Lab Reviews Case Study
Accenture Cloud-based Lab Reviews Case StudyAccenture Operations
 

Destacado (17)

People First: The Primacy of the People in the Age of Digital Insurance
People First: The Primacy of the People in the Age of Digital InsurancePeople First: The Primacy of the People in the Age of Digital Insurance
People First: The Primacy of the People in the Age of Digital Insurance
 
Accenture : Analytics Survey, mai 2011
Accenture : Analytics Survey, mai 2011Accenture : Analytics Survey, mai 2011
Accenture : Analytics Survey, mai 2011
 
El e-paciente
El e-pacienteEl e-paciente
El e-paciente
 
Accenture: Analytics journey to roi Feb 2013
Accenture: Analytics journey to roi Feb 2013Accenture: Analytics journey to roi Feb 2013
Accenture: Analytics journey to roi Feb 2013
 
Google ¿ aliado o enemigo en Sanidad ?
Google ¿ aliado o enemigo en Sanidad ?Google ¿ aliado o enemigo en Sanidad ?
Google ¿ aliado o enemigo en Sanidad ?
 
Use Application Portfolio Optimization to accelerate IT value
Use Application Portfolio Optimization to accelerate IT valueUse Application Portfolio Optimization to accelerate IT value
Use Application Portfolio Optimization to accelerate IT value
 
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...
The New Energy Consumer: Driving Engagement and Satisfaction with an Enhanced...
 
The Everyday Bank: The Role of Cloud Computing in the Future of Banking
The Everyday Bank: The Role of Cloud Computing in the Future of BankingThe Everyday Bank: The Role of Cloud Computing in the Future of Banking
The Everyday Bank: The Role of Cloud Computing in the Future of Banking
 
Security Technology Vision 2016
Security Technology Vision 2016Security Technology Vision 2016
Security Technology Vision 2016
 
Increasing Agility to Fuel Growth in the Communications Industry
Increasing Agility to Fuel Growth in the Communications IndustryIncreasing Agility to Fuel Growth in the Communications Industry
Increasing Agility to Fuel Growth in the Communications Industry
 
People First: The Primacy of People in the Communications Industry
People First: The Primacy of People  in the Communications IndustryPeople First: The Primacy of People  in the Communications Industry
People First: The Primacy of People in the Communications Industry
 
Accenture Technology Vision for Industrial 2016
Accenture Technology Vision for Industrial 2016Accenture Technology Vision for Industrial 2016
Accenture Technology Vision for Industrial 2016
 
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...
Sustaining Competitiveness in a Digital Age: How Trust Can Make or Break The ...
 
People & Technology: Vision for Life Sciences 2016
People & Technology: Vision for Life Sciences 2016People & Technology: Vision for Life Sciences 2016
People & Technology: Vision for Life Sciences 2016
 
Mastering Operational Flexibility
Mastering Operational FlexibilityMastering Operational Flexibility
Mastering Operational Flexibility
 
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...
Automotive’s Latest Model: Redefining Competitiveness Through The Circular Ec...
 
Accenture Cloud-based Lab Reviews Case Study
Accenture Cloud-based Lab Reviews Case StudyAccenture Cloud-based Lab Reviews Case Study
Accenture Cloud-based Lab Reviews Case Study
 

Similar a Análisis de Información: Generador de eficiencias en el margen de los productos

Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Edicion Ticnews
 
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los seguros
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los segurosTendencias: cómo las #Insurtech van a reconfigurar el negocio de los seguros
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los segurosDitrendia - Digital Marketing Trends
 
Nt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaNt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaValeria Castro
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industriasRollup Consulting
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxJavierNavarrete43
 
Entregable final analitica de datos
Entregable final analitica de datosEntregable final analitica de datos
Entregable final analitica de datosRicardoVillalobos37
 
Informe sobre tendencias de datos y AI 2023.pdf
Informe sobre tendencias de datos y AI 2023.pdfInforme sobre tendencias de datos y AI 2023.pdf
Informe sobre tendencias de datos y AI 2023.pdfJaimeRuiz518122
 
¿Qué está sucediendo en el mundo de los datos?
¿Qué está sucediendo en el mundo de los datos?¿Qué está sucediendo en el mundo de los datos?
¿Qué está sucediendo en el mundo de los datos?Enrique de Nicolás Marín
 
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...SalonMiEmpresa
 
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Mariano Muñoz Martín
 
top-tech-trends-2022-es.pdf
top-tech-trends-2022-es.pdftop-tech-trends-2022-es.pdf
top-tech-trends-2022-es.pdfalain320564
 
Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030JessCadena3
 
Tema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceTema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceMauricio Arancibia
 
Big data retos y oportunidades para el turismo
Big data  retos y oportunidades para el turismoBig data  retos y oportunidades para el turismo
Big data retos y oportunidades para el turismoAna Guevara
 

Similar a Análisis de Información: Generador de eficiencias en el margen de los productos (20)

Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014
 
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los seguros
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los segurosTendencias: cómo las #Insurtech van a reconfigurar el negocio de los seguros
Tendencias: cómo las #Insurtech van a reconfigurar el negocio de los seguros
 
Proyecto big data
Proyecto big dataProyecto big data
Proyecto big data
 
Nt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaNt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeria
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industrias
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptx
 
Entregable final analitica de datos
Entregable final analitica de datosEntregable final analitica de datos
Entregable final analitica de datos
 
Informe sobre tendencias de datos y AI 2023.pdf
Informe sobre tendencias de datos y AI 2023.pdfInforme sobre tendencias de datos y AI 2023.pdf
Informe sobre tendencias de datos y AI 2023.pdf
 
Mejorando la experiencia de venta con herramientas digitales
Mejorando la experiencia de venta con herramientas digitalesMejorando la experiencia de venta con herramientas digitales
Mejorando la experiencia de venta con herramientas digitales
 
Fundamentos.pptx
Fundamentos.pptxFundamentos.pptx
Fundamentos.pptx
 
Big data sames
Big data samesBig data sames
Big data sames
 
¿Qué está sucediendo en el mundo de los datos?
¿Qué está sucediendo en el mundo de los datos?¿Qué está sucediendo en el mundo de los datos?
¿Qué está sucediendo en el mundo de los datos?
 
Big data
Big dataBig data
Big data
 
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...
BIg data como apoyo a la comercialización_Fernando Cocho (Sala Internacionali...
 
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
 
top-tech-trends-2022-es.pdf
top-tech-trends-2022-es.pdftop-tech-trends-2022-es.pdf
top-tech-trends-2022-es.pdf
 
Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030
 
Tema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceTema 3.3 introduccion al data science
Tema 3.3 introduccion al data science
 
Bigdata
BigdataBigdata
Bigdata
 
Big data retos y oportunidades para el turismo
Big data  retos y oportunidades para el turismoBig data  retos y oportunidades para el turismo
Big data retos y oportunidades para el turismo
 

Último

tecnologiaactividad11-240323205859-a9b9b9bc.pdf
tecnologiaactividad11-240323205859-a9b9b9bc.pdftecnologiaactividad11-240323205859-a9b9b9bc.pdf
tecnologiaactividad11-240323205859-a9b9b9bc.pdflauralizcano0319
 
Clasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxClasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxCarolina Bujaico
 
Análisis de los artefactos (nintendo NES)
Análisis de los artefactos (nintendo NES)Análisis de los artefactos (nintendo NES)
Análisis de los artefactos (nintendo NES)JuanStevenTrujilloCh
 
Trabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalTrabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalEmanuelCastro64
 
Trabajo de Tecnología .pdfywhwhejsjsjsjsjsk
Trabajo de Tecnología .pdfywhwhejsjsjsjsjskTrabajo de Tecnología .pdfywhwhejsjsjsjsjsk
Trabajo de Tecnología .pdfywhwhejsjsjsjsjskbydaniela5
 
TENDENCIAS DE IA Inteligencia artificial generativa.pdf
TENDENCIAS DE IA Inteligencia artificial generativa.pdfTENDENCIAS DE IA Inteligencia artificial generativa.pdf
TENDENCIAS DE IA Inteligencia artificial generativa.pdfJoseAlejandroPerezBa
 
.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docxCamila Ortiz
 
tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6SaraMineiropalacio
 
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaYeimys Ch
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docxBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docxhellendiaz12
 
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPO
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPOLA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPO
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPOv16959670
 
La electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfLa electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfcristianrb0324
 
Tecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaTecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaElizabethLpezSoto
 
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptxHugoGutierrez99
 
Nomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de NóminaNomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de Nóminacuellosameidy
 
Análisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxAnálisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxmajovaru19
 
TECNOLOGIA 11-4.8888888888888888888888888
TECNOLOGIA 11-4.8888888888888888888888888TECNOLOGIA 11-4.8888888888888888888888888
TECNOLOGIA 11-4.8888888888888888888888888ElianaValencia28
 
La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2SariGarcs
 
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdfBetianaJuarez1
 
Trabajo de tecnología primer periodo 2024
Trabajo de tecnología primer periodo 2024Trabajo de tecnología primer periodo 2024
Trabajo de tecnología primer periodo 2024anasofiarodriguezcru
 

Último (20)

tecnologiaactividad11-240323205859-a9b9b9bc.pdf
tecnologiaactividad11-240323205859-a9b9b9bc.pdftecnologiaactividad11-240323205859-a9b9b9bc.pdf
tecnologiaactividad11-240323205859-a9b9b9bc.pdf
 
Clasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxClasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptx
 
Análisis de los artefactos (nintendo NES)
Análisis de los artefactos (nintendo NES)Análisis de los artefactos (nintendo NES)
Análisis de los artefactos (nintendo NES)
 
Trabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalTrabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamental
 
Trabajo de Tecnología .pdfywhwhejsjsjsjsjsk
Trabajo de Tecnología .pdfywhwhejsjsjsjsjskTrabajo de Tecnología .pdfywhwhejsjsjsjsjsk
Trabajo de Tecnología .pdfywhwhejsjsjsjsjsk
 
TENDENCIAS DE IA Inteligencia artificial generativa.pdf
TENDENCIAS DE IA Inteligencia artificial generativa.pdfTENDENCIAS DE IA Inteligencia artificial generativa.pdf
TENDENCIAS DE IA Inteligencia artificial generativa.pdf
 
.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx
 
tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6
 
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docxBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS..docx
 
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPO
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPOLA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPO
LA ELECTRICIDAD Y LA ELECTRÓNICA TRABAJO EN GRUPO
 
La electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfLa electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdf
 
Tecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaTecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestría
 
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx
#Tare10ProgramacionWeb2024aaaaaaaaaaaa.pptx
 
Nomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de NóminaNomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de Nómina
 
Análisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxAnálisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docx
 
TECNOLOGIA 11-4.8888888888888888888888888
TECNOLOGIA 11-4.8888888888888888888888888TECNOLOGIA 11-4.8888888888888888888888888
TECNOLOGIA 11-4.8888888888888888888888888
 
La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2
 
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
 
Trabajo de tecnología primer periodo 2024
Trabajo de tecnología primer periodo 2024Trabajo de tecnología primer periodo 2024
Trabajo de tecnología primer periodo 2024
 

Análisis de Información: Generador de eficiencias en el margen de los productos

  • 1. Copyright © 2016 Accenture. All rights reserved. Análisis de información: Generador de eficiencias en el margen de los productos
  • 2. “Antes de que los datos fueran grandes, antes de que “Googlear” fuera un verbo, y antes de que Gordon Moore escribiera su Ley, los aseguradores ya utilizaban matemáticas y estadística para predecir el futuro” Kevin Petrie, Information and Technology, 2015 2Copyright © 2016 Accenture All rights reserved.
  • 3. 3Copyright © 2016 Accenture All rights reserved. Big Data Analytics Tendencias Avance de la ciencia de datos Retos para competir con Big Data AnalyticsImplicaciones para la industria Impacto en la cadena de valor Agenda Casos y aplicaciones
  • 4. Las leyes tecnológicas de Moore (procesamiento), Kryder (almacenamiento), Gilder (ancho de banda) y Metcalfe (conectividad de red) explican las tres V’s del Big Data: Tera, Peta, Zetta… Del “batch” al tiempo real Estructurada, no estructurada, interna y externa “Big data” en Google Trends … el proceso de descomposición de un problema en sus partes y la utilización de datos para obtener inferencias que conducen las decisiones. No es una herramienta ni una tecnología, sino una manera de pensar y actuar Gracias al Big Data, en las empresas podemos resolver cualquier problema con analytics: •Marketing •Ventas •Lealtad •Riesgos •Fraude •Operaciones •Recursos humanos… “Analytics” en Google Trends Copyright © 2016 Accenture All rights reserved.
  • 5. El análisis de datos es el combustible del mundo digital Copyright © 2016 Accenture All rights reserved. 5 Las empresas de alto desempeño reconocen que los datos son un activo estratégico, y buscan adoptar una cultura enfocada en datos. Las decisiones basadas en datos conducen a resultados de negocio claros, que producen un retorno de inversión medible. Sin embargo, persiste el reto de encontrar el valor diferenciando las señales importantes del Mercado frente al ruido del Big Data para transformar los resultados de negocio.
  • 6. Copyright © 2015 Accenture. All rights reserved. 7 Implicaciones para la industria Copyright © 2016 Accenture All rights reserved.
  • 7. Procesos que estaban diseñados para un mundo de escasez de información, deberán adaptarse al nuevo mundo de la superabundancia de datos La industria aseguradora, “the grand old dame” del análisis de datos, se está viendo inundada por el nuevo caudal de información digital. “Donde alguna vez fue difícil obtener información sobre riesgos potenciales, los aseguradores del presente pueden encontrar una riqueza casi vergonzosa de datos” (mastersindatascience.org) Copyright © 2016 Accenture All rights reserved. 8
  • 8. “Big data proporciona el pegamento entre la oferta, donde existe un deseo de expandir los tipos de productos de seguros que se ofrecen, y la demanda, que está buscando mejores formas de gestionar riesgos y crecer… Por un lado, Big Data está generando nuevos riesgos, y por el otro, el hecho de que tengas analytics permite pensar en cuantificar riesgos y diseñar productos que permitan mitigarlos… observando el comportamiento del consumidor de manera directa” Steven Mildenhall, CEO global de analytics en AON, citado en CMO, 2016 En el pasado: asimetría de información por diseño en la relación asegurador-asegurado. No se podía observar lo que de hecho era más importante - el comportamiento y la disposición del asegurado. Hasta que se generaba una reclamación. En el mundo del Big Data: podemos observar de manera directa variables desde el comportamiento de un conductor, hasta parámetros biológicos, apego a la terapia, y datos provenientes de sensores automatizando el flujo de enormes cantidades de datos – podemos saber incluso más que el asegurado sobre sus riesgos actuales y potenciales… y podemos anticiparnos con precisión y efectividad Una nueva forma de trabajar con datos – un impacto disruptor 9 Predictable Disruption Data Driven Copyright © 2016 Accenture All rights reserved.
  • 9. Y provocará más discusión y reflexión conforme avanza en la transformación de la industria • Enero 2016, la Autoridad de Conducta Financiera del reino Unido (FCA) emitió una consulta pública así: Call for Inputs: Big Data in retail general insurance • Para la FCA, es evidente el incremento de Big Data en todo el sector financiero, pero se está enfocando en seguros por: la importancia del sector; la importancia de los datos en este sector; y el potencial de Big Data para alterar la forma en la que se evalúa el riesgo. – Evaluación en toda la cadena de valor: diseño de productos, suscripción, márketing y distribución, así como la evaluación y procesamiento de reclamaciones. • Datos generados desde varios dispositivos, sensores telemáticos, aplicaciones móviles, datos obtenidos en la prestación de otros productos y servicios por el mismo u otros proveedores, datos obtenidos de terceros, datos de fuentes públicas como redes sociales y agencias gubernamentales, y datos de organizaciones sociales y otras ONGs sobre consumidores en circunstancias vulnerables. • Tres interrogantes: – ¿Cómo afecta los resultados para los consumidores?; – ¿Promueve o restringe la competencia?; y – ¿Cómo afecta el marco regulatorio actual al desarrollo de Big Data Analytics? Big Data Analytics: una tendencia que llegó para quedarse Copyright © 2016 Accenture All rights reserved. Digital Trust
  • 10. Accenture Technology Vision for Insurance 2016 - one of the four pillars of a successful digital culture Data Driven Intelligent Automation Platform Economy Predictable Disruption Digital Trust Four of the five technology trends likely to have a major influence on insurance in the next 3 to 5 years Copyright © 2016 Accenture All rights reserved.
  • 11. 12 Avance de la ciencia de datos Casos y aplicaciones Copyright © 2016 Accenture All rights reserved.
  • 12. 13 Alianza Accenture MIT para Business Analytics Desarrollando soluciones innovadoras en analytics a través de la colaboración Copyright © 2016 Accenture All rights reserved. Toma de decisions efectiva Explotando insights de Big Data Investigación Consorcio de innovación en analytics Conjuntando… …para ayudar a Tomar decisiones mejor informadas Estamos desarrollando Nuevos enfoques Nuevos modelos Innovación Conjuntando… …para ayudar a los Líderes Analíticos A conducir el proceso de transformación cultural Juntos estamos desarrollando Colaboración entre colegas a nivel global Expandiendo las fronteras de los analytics Dando forma al rol de los líderes analíticos • Mentes de primernivel en analytics de negocios con expertos de MIT y Accenture • Exclusivamentepor invitación Enfoque en resultados de negocio Análisis Datos Modelación + Fundamentos Operación industrial Análisis de riesgo Inovación en retail 2014 Data Science Challenge * Link Analytics to High Performance * Social Media Causal Monitoring & Market Indices – Risk; Pricing * Behavior Data Integration and Offers Platform * Learning and Optimizing in Revenue Management Social Media Impact on Supply/Demand Forecasting Equipment Sensors, Process Maintenance & Optimization * Plant and Commercial Optimization * Improved Performance for Unconventional Drilling * Improved Mining Operational Performance Early Warning Detection Reducing False Positives in Fraud Detection * SCADA Security and Risk Holistic Risk Assessment * HR Skills Forecasting * Right Sizing of Capacity and Service Levels Collateral Allocation Optimization Design of Urban Transportation Services *
  • 13. XL Catlin necesita evaluar la exposición al riesgo producido por desgaste (attrition - no relacionado con catástrofes naturales) con daños a la propiedad e interrupción de negocio -Property Damage (PD) & Business Interruption (BI) … Sin embargo, valorar el riesgo para clientes comerciales grandes es difícil por la complejidad de la cobertura y la exposición en una misma cuenta. Ejemplo: Suscripción de 37% de riesgo entre $50MM-$75MM de USD para pérdidas en 1269 locaciones a nivel global para un Cliente X … Tradicionalmente, el enfoque es escalar el análisis a partir de una selección de locaciones. El riesgo de la cuenta en su conjunto se infiere del riesgo observado en una muestra de locaciones.… Ejemplo – inspecccionar las 50 locaciones más importantes para estimar el riesgo en la cuenta completa. Copyright © 2016 Accenture All rights reserved.
  • 14. … Sin embargo, el riesgo calculado así no es muy confiable… Calificación actual de riesgo Porcentaje Real de Pérdidas  La calificación actual de riesgo no permite diferenciar entre cuentas en términos de porcentaje de pérdidas probables % … XL Catlin cree que apalancándose másen los datos de los clientes podría obtener mejores resultados de la evaluación del riesgo de desgaste (attritional risk). En este proyecto, desarrollamos un modelo de evaluación de riesgo que no está basado en reportes de ingeniería (visitas especializadas a locaciones) … …Y sin embargo proporciona información de mayor calidad para el proceso de suscripción. La precision de la predicción de riesgos rentables y no rentables superó el 90%. Copyright © 2016 Accenture All rights reserved.
  • 15. Más rápido Más barato Mejor Evaluación del riesgo Modelo 1: Predicción de riesgo Modelo 2: Predicción de la rentabilidad Predichas como rentables Predichas como no rentables Realmente rentables 443 17 Predichas como no rentables 3 109 Modelo actual Modelo nuevo Calificación deriesgo Un modelo basado en análisis de datos (no en observaciones directas extrapoladas) permite separar cuentas riesgosas con mucha más efectividad El modelo permite separar cuentas con mayor probabilidad de ser rentables de aquellas que no lo son, con una certeza de más del 90% Calificación deriesgo Mejor análisis. Mayor eficiencia Copyright © 2016 Accenture All rights reserved.
  • 16. ¿Cómo lo hicimos? Análisis avanzado + objetivos relevantes para el negocio + diseño metodológico relevante para el negocio ¿Qué sigue?  MIT/Accenture están transicionando los hallazgos a XL Catlin e instalando el código base en el ambiente operative de XL Catlin  XL Catlin está revisando e internalizando los modelos, y trabajando con el negocio en opciones para la implementación Copyright © 2016 Accenture All rights reserved.
  • 17. Otros casos y aplicaciones Copyright © 2016 Accenture All rights reserved.
  • 18. Reto: incrementar la eficiencia en la prevención y detección de fraudes en una de las aseguradoras más grandes del mundo Copyright © 2016 Accenture All rights reserved. Cómo identificar mejor los fraudes? Los métodos tradicionales de detección de fraudes en las reclamaciones tenían una gran oportunidad de mejora, más del 65% de falsos positivos. Necesidad de construir un programa activo y eficiente para la prevención y detección de fraudes. Metodología Modelos predictivos analíticos para evaluar la probabilidad de fraude en las reclamaciones + App basada en una plataforma de reclamaciones para un proceso transparente que permite apalancar los modelos analíticos a través de los usuarios Una gran oportunidad de hacer la diferencia Una de las aseguradoras más grandes del mundo: más de 8 millones de pólizas activas y más de 20 millones de siniestros en los últimos 5 años • 48.6% más de eficiencia enfocando los esfuerzos a la investigación de fraudes • Como proceso continuo – incluyendo automatización para la sustentabilidad operativa y enfoque en el aprendizaje para mejorar el desempeño de manera sistemática Impacto / Aplicación
  • 19. Copyright © 2015 Accenture. All rights reserved. 20 Retos para competir en el mundo del Big Data Analytics 20
  • 20. Retos de corto plazo para la explotación y aplicación de Big Data Analytics: capacidades a construir Capacidad para combinar múltiples fuentes de datos estructuradas y no estructuradas Capacidad para analizar eficazmente datos variados y complejos – reclamaciones / logs de llamadas – y producir hallazgos accionables Capacidad para desplegar acciones habilitadas por analytics en el ‘front line’ Copyright © 2016 Accenture All rights reserved. 21 “...la industria aseguradora está liderando la obtención de valor real de negocio a partir del volumen, velocidad y variedad de conjuntos masivos de datos… ¿Porqué están enfrentando los aseguradores este reto al mismo tiempo en que transforman sus sistemas core, evolucionan las expectativas del consumidor y enfrentan presiones regulatorias?... Dice Pawan Divakarla, líder de Big Data en Progressive Insurance, “Big data de hecho funciona”. Insurance Networking News, Nathan Golia y Chis McMahon, 2015 Intelligent Automation Platform Economy
  • 21. 22 People First: The Primacy of People in the Age of Digital Insurance Accenture Technology Vision for Insurance 2016 Copyright © 2016 Accenture All rights reserved. Los mayores retos tienen que ver con las personas y los procesos: Cerca de 2/3 de los problemas considerados como barreras para el Big Data están relacionados con personas y procesos, no con tecnología Las principales barreras para la innovación – y en Big Data Analytics en especial, son: 1º- La cultura 2º- Los procesos preestablecidos 3º- Silos en la organización NO los sistemas ni la tecnología…
  • 22. Appendix 23Copyright © 2016 Accenture All rights reserved.
  • 23. AAAP Case Study in Financial Services Best offer for hot prospects Business Issue To identify potential clients among all the prospects interacting through WebSite channel to ask for a quotation. Identify the best offer to address: • «hot» prospects to turn quotations into policies Work on the last batch of quotations (typically week), focuses on those still alive, and then score the success probability. The high potential, are assigned to channels for further contact. Accenture Approach 1.3M Quotations as input to the analysis. Main challenge noisy data. Eg: husband ask for a quote with his name a fake plate number, compares a few offers, then get back for the final quotation using wife name real car data. Lot of data cleansing, complex data preparation, to define the Potential Sale Record. Input data: Customer, Relationship with firm, Quotes, Car Logistic Regressions for probability scoring, Modeler engine Key Drivers: • F customer • Price<400€ • Cylinder Capacity < 1200cc • Closeness Policy expiration date (<7d) • Previous quotations >2 • Other Policies >1 Gains: the 10% top ranked quotations contains 50% of the conversions Next step: Cluster analysis (k-means) on existing clients, using internal and external insurance information and banking behaviour information to segment and profile clients. Client Italian Insurance company, part of one of the largest Banking groups in Europe