Seis fatores para o sucesso da precificação de seguros

Por Nelito Pereira, consultor de pré-vendas do SAS Brasil


Diferentemente de outros segmentos de mercado, onde o preço de um produto pode, por exemplo, ser calculado com base nos custos da matéria-prima, custos operacionais e margem de lucro, as seguradoras dependem fortemente de dados históricos e do perfil do cliente para, a partir de análises refinadas, modelagem preditiva e cálculos atuarias, definir regras, prever o comportamento futuro, avaliar riscos e otimizar o preço para cada cliente.

Face a um mercado altamente competitivo, a estratégia de precificação também deve assegurar a performance de cada modelo preditivo, ao longo do tempo, de forma a garantir sua eficácia. A aplicação de modelos estatísticos e atuariais complexos, normalmente aderentes ao processo de precificação, como GLM e árvores de decisão, esbarra na complexidade de serem operacionalizados através de sistemas que requerem suas transformações em tabelas, o que pode comprometer a eficácia dos modelos. Além disso, outro fator que não pode ser desprezado é a capacidade de ser ágil na efetivação de uma mudança da política de precificação.

Diante deste cenário, seguradoras têm buscado implementar plataformas de precificação que estejam alinhadas a uma estratégia de sucesso e que, essencialmente, devem incluir:

  1. Integração e gestão de dados: A quantidade e a qualidade dos dados disponíveis podem determinar o sucesso, ou não, de um processo de precificação. Dados do perfil do cliente (demografia, preferências, histórico de sinistros e reclamações, histórico financeiro, etc), dados do mercado (informações da concorrência, estratégias de precificação), e dados de outras fontes (como bureaus de créditos integrados em tempo real) agregam valor à precificação. Gerir estes dados e disponibilizá-los no momento certo é o primeiro passo para uma precificação de sucesso.
  2. Inteligência analítica em tempo real: A simples exploração e visualização dos dados através de softwares analíticos podem ajudar as seguradoras a refinar suas análises, avaliar riscos e definir regras e políticas aplicáveis à precificação. Por outro lado, são os modelos preditivos e cálculos atuariais que, ao permitirem prever o comportamento futuro de um cliente e determinar suas propensões a compra, cancelamentos, sinistros, risco de crédito e a fraudes, reforçam o poder da inteligência analítica sem serem limitados pelas construções de tabelas de aplicações. Tornar toda esta inteligência disponível para uso dinâmico e em tempo real, permitindo a personalização e a definição do melhor preço do seguro para cada cliente, é um grande diferencial competitivo.
  3. Otimização de preços: Além dos diferentes tipos de dados e da inteligência analítica utilizados em um processo de precificação tradicional, é possível considerar restrições e objetivos de negócios para, a partir da otimização de preços, aumentar a rentabilidade de forma inteligente. Embora o conceito da otimização de preços seja relativamente novo no segmento de seguros no Brasil, ele tem sido usado há alguns anos em outros segmentos de mercado e permite a simulação de cenários onde recursos, restrições específicas de negócio e propensões de cada cliente são considerados, de forma a aumentar a precisão da precificação, ponderando objetivos específicos e maximizando os resultados econômicos. Para uma seguradora é importante ter a homogeneização dos riscos e o processo de otimização facilita essa tarefa, avaliando as perdas e ganhos, em vários níveis de segmentação, para evitar uma indesejada concentração de riscos. 
  4. Gestão e monitoramento dos modelos analíticos: A falta da governança dos modelos utilizados no processo de precificação pode comprometer a vantagem competitiva obtida com a inteligência analítica. Manter em operação modelos de baixo desempenho e que reflitam uma situação passada pode resultar em projeções imprecisas e induzir a erros na precificação. A visibilidade e gestão do ciclo de vida analítico, além do monitoramento de cada modelo de forma automatizada em um processo unificado, asseguram que os modelos em operação estejam atualizados e desempenhando conforme o esperado. 
  5. Time-to-Market: A disponibilidade de dados, de modelos analíticos atualizados e preços otimizados não garantem o sucesso de um processo de precificação. Para responder a um mercado cada vez mais exigente, uma plataforma de precificação deve ser suficientemente flexível durante a configuração das regras e políticas de negócio e permitir a agilidade necessária na efetivação de uma mudança de regra de forma a não comprometer a operação e atender à crescente demanda de um mercado altamente competitivo.
  6. Mesa de Decisão: A automatização das decisões e dos cálculos é crucial para se obter o máximo do ganho, precificando corretamente o risco. Porém, para alguns casos, uma decisão manual é a melhor alternativa para entender corretamente a necessidade do cliente ou para se identificar um caso anômalo. É necessário contar com uma plataforma que facilite o entendimento dos casos pelos analistas, por meio de informações cruciais, gráficos, redes de relacionamento, links externos e georreferenciamento, além de outras funcionalidades para se tomar a melhor decisão.

Em um segmento de mercado onde o preço é um diferencial chave, uma seguradora com uma plataforma de precificação que contemple estes seis fatores certamente está à frente na busca da garantia do sucesso e da rentabilidade de seu negócio.


          nelito_1508x504

          Bacharel em Ciência da Computação pela UFSCAR, possui pós graduação em Sistema de Informação e Mestrado em Engenharia de Produção. Possui experiência acadêmica como docente do ensino superior, coordenador de cursos e experiência profissional internacional por mais de 19 anos na área de Tecnologia da Informação atuando em consultoria e projetos nas áreas de Business Analytics, Customer Intelligence, CRM, Business Intelligence e Big Data. Atualmente trabalha como consultor de pré-vendas no SAS Institute Inc.

          Back to Top