Big Data Analytics: 6 maneiras de melhorar o processamento de sinistros em seguradoras

Por Ricardo Saponara, especialista em Prevenção a Fraudes do SAS Brasil

Big Data, Big Data e Big Data! Certo, mas o que Big Data tem a ver com companhias de seguro? Pense um pouco mais sobre isso. Você filtra, procura e coordena incríveis quantidades de dados: anotações de avaliadores escritas à mão, dados de apólices, cotações, informações de sistemas de gerenciamento de sinistros, entre outros. Você está utilizando todo o potencial desses dados?

Com tantas solicitações de sinistros para lidar, os analistas não têm tempo de filtrar todos esses dados para julgar cada pedido e eles podem não tomar a melhor decisão se perderem alguma informação importante. Isso significa que muitas de suas decisões são baseadas em experiências prévias, instinto e a informação limitada que está prontamente à mão.

Por esta e muitas outras razões o Big Data Analytics está se tornando cada vez mais protagonista na área de Seguros. Ao trabalhar em conjunto com os analistas, a Inteligência Analítica pode sinalizar quais sinistros precisam de uma avaliação mais detalhadas, tratamento prioritário, sindicância etc. 

Uma melhora de apenas 1% na média de perdas para uma empresa de R$ 1 bilhão pode significar mais de R$ 7 milhões no lucro.

Seis áreas onde inteligência analítica pode fazer uma enorme diferença:

Fraude – Um em cada 10 pedidos de pagamentos de seguros é fraudulento. Como você os identifica antes de um pagamento de alto valor ser feito? A maioria das soluções de fraude no mercado hoje é baseada em regras. Infelizmente, é muito fácil para os fraudadores manipularem e burlarem as regras. Análises preventivas, por outro lado, usam uma combinação de regras, modelos, análises de textos, buscas em bases de dados e identificação de anomalias para identificar fraudes o quanto antes e mais efetivamente a cada estágio do ciclo de sinistros.

Sub-Rogação – Oportunidades para sub-rogações, geralmente, ficam perdidas na grande quantidade de dados – a maioria delas na forma de registros policiais, anotações de avaliadores e outros registros. A análise de textos busca, através desses dados não estruturados, encontrar frases que tipicamente indicam um caso de sub-rogação. E quanto mais cedo localizado, maiores as chances de recuperação e redução de perdas.

Liquidação (de pagamentos) – Para reduzir custos e assegurar equidade, as seguradoras implementam com frequência processos rápidos que liquidam os pagamentos instantaneamente. Mas liquidar um pedido de pagamento “na hora” pode custar muito se você pagar em excesso. Qualquer seguradora que tenha visto um surto de pagamentos domiciliares em uma área atingida por um desastre natural sabe como isso funciona. Analisando os sinistros e seus históricos você pode otimizar os limites para pagamentos instantâneos. O Analytics também pode reduzir o tempo do ciclo de sinistro para maior satisfação do cliente e custos menores de mão de obra.  Ele também assegura economia significativa em ocorrências como, por exemplo, carros alugados em sinistros de conserto de automóveis. 

Reserva de Sinistros – Assim que uma abertura de sinistro é feita, é quase impossível prever seu tamanho e duração. Entretanto, é essencial haver uma reserva precisa e previsões de sinistros, especialmente em pedidos longos, como em casos de seguros de vida. A Inteligência Analítica pode calcular mais precisamente a reserva de sinistros ao comparar os valores em casos similares. Então, quando os dados do sinistro for atualizado, o Analytics pode reavaliar a reserva de sinistro, para que você saiba exatamente quanto dinheiro você precisa ter em mãos para atender sinistros futuros.

Atividade – Faz sentido colocar avaliadores mais experientes nos pedidos de pagamento mais complexos. Mas os casos de sinistros são, geralmente, atribuídos com base em dados limitados, resultando em altas taxas de reaberturas que acabam afetando a duração do sinistro, a liquidação de quantias e, por fim, a experiência do consumidor. Técnicas de exploração de dados agrupam características de sinistros para pontuar, priorizar e atribuir casos para o avaliador mais apropriado baseado em experiência e tipo de sinistro. Em alguns casos, os sinistros podem até ser automaticamente avaliados e liquidados.

Litígio – Uma parte significativa da média de gastos de uma empresa com ajustes de sinistros vão para as ações judiciais. Seguradoras podem usar Analytics para calcular uma pontuação de probabilidade para determinar quais sinistros tem maior chance de resultar em litígio. Você pode atribuir esses sinistros para avaliadores de nível sênior que são mais capazes de liquidá-los de forma rápida e por quantias menores.

Por que fazer da Inteligência Analítica parte do seu processo de sinistros? Porque enquanto fazer um seguro torna-se mais e mais um serviço essencial, o Analytics é fundamental para as empresas se diferenciarem. Ter essa tecnologia no ciclo de sinistros pode entregar um ROI mensurável com economia de custos. Uma melhora de apenas 1% na média de perdas para uma empresa de R$ 1 bilhão pode significar mais de R$ 7 milhões no lucro.


Back to Top