2. Samen slimmer met Data Science
2
Door onze kennis te combineren, werken we gezamenlijk toe naar een beter resultaat
.
We kunnen
hiermee premies
afstemmen op een
(individuele) klant
Hoe zorg je ervoor dat onze klant en
businesspartners profiteren van het
inzicht en de mogelijkheden?
Verzekeraars verzamelen al jarenlang data van hun klanten om risico’s in te kunnen schatten. Het is
de basis van verzekeren. Maar die basis is aan flinke verandering onderhevig: de hoeveelheid data
neemt razendsnel toe en er komen snel betere technieken om daar verbanden in te vinden.
3. 3
Wat is een (schade) Volmacht?
Verzekeraar
• Risicodrager
• Bepaalt prijs
KlantTussen-
persoon (TP)
• Advies
• Bemiddeling
Gevol-
machtigd
Agent (GA)
• Product
• Administratie
Een gevolmachtigd agent (GA) is een ieder die als gevolmachtigd vertegenwoordiger van een verzekeraar voor diens risico
en rekening het verzekeringsbedrijf uitoefent
4. 4
Wat wil een klant?
Klant
• Advies
• (Uitgebreide) dekking
• Goede prijs
• Geen premieverhogingen
• Niet betalen voor een ander (solidariteit)
5. 5
Wat wil een Gevolmachtigd Agent?
• Stabiliteit
• Rust
• Inzicht in zijn portefeuille (ontwikkeling)
• Geen generieke maatregelen
• Geen premieverhogingen
• Tevreden klanten
Volmacht
(GA)
6. 6
Wat wil een Verzekeraar?
• Goede risico’s
• Goede prijs per polis
• Rendement
• Kwaliteit
• Inzicht
• Omzet/premievolume
Verzekeraar
7. Wat was voor NN de aanleiding voor data science te kiezen?
7
Maatregelen worden vaak alleen op hoofdlijn genomen omdat het
ontbreekt aan inzicht op detailniveau. Maatregelen halen daardoor
vaak niet het beoogde resultaat.
“Je zou gerichter willen werken door alleen
de echte problemen aan te pakken”
Resultaat alleen inzichtelijk met terugwerkende kracht & heeft een
te grote variantie welke vaak ook nog moeilijk verklaarbaar is.
“Het vertelt je vandaag wat je gisteren had willen weten”
2015 2016 2017
?
-8%+11%
Het resultaat van een tekening is onvoldoende voorspelbaar.
“Je zou willen weten wat een portefeuille gaat doen en
wat je mag verwachten van een bepaalde tekening”
€120M
XX%
+10%
Nieuwe premie
€?M
?%
Het vergt veel kennis en investering om adequaat inzicht te
verkrijgen. Niet elke GA zal in staat zijn zelf deze investering te doen.
“Je zou de GA actief willen ondersteunen”
NN GA
8. Onze uitdaging?
8
Rendement & volume
Data
Actie
Reactief
Ongedifferentieerd
Moeilijk te analyseren
Moeilijk te voorspellen
Moeilijk te bepalen
Moeilijk te controleren
Laat
Incompleet
Verschillende formats
Verschillende aggregaties
Aansluitverschillen
Op onderdelen slecht
Niet altijd verklaring (schade,
premie of kosten?)
Hoge variantie in rendement
Onvoldoende voorspelbaar
GA
Andere belangen
Niet altijd in staat analyse optimaal te doen
Niveaus in professionaliteit
Andere samenstellingen portefeuille
9. Wat is Data Analytics?
Vooruitkijken en voorspellen
9
Descriptive
Analytics
Diagnostic
Analytics
Predictive
Analytics
Prescriptive
Analytics
Businessvalue
Terug kijken Vooruit kijken en voorspellen
Business Intelligence Data analytics
Wat is er gebeurd?
Waarom is het gebeurd?
Wat gaat er gebeuren?
Hoe kunnen we het laten gebeuren?
10. Hoe pakken we het aan?
‘Samen’, door delen van data en gebruik van voorspellende analyse tool
10
RDW
Markt
Data vergaren Data verrijken Analyse, inzicht en
forecasting
Bijsturen
NN
CBS
GANN
GA 1
GA 2
GA 3
- 4%
Nieuwe premie
Na-selectie
+10%
Nieuwe premie
Voorwaarden
aanpassen
Beëindiging
slechte cellen
X
NN
11. Oplossingsrichting dient zowel belangen van NN als GA
11
Rendement & Volume
Zowel rendement als volume kan worden
verbeterd, met analyse en tooling als middel
Inzicht
Het wordt inzichtelijk waar problemen en
kansen liggen. Het is inzichtelijk wat
aanpassingen op (kunnen) leveren
Actie
Acties kunnen proactief, gericht, gegrond,
snel en flexibel worden bepaald
GA
Kwaliteits samenwerking met GA’s wordt
verhoogd
Voorspelbaarheid
Het rendement van de portefeuille wordt
stabieler door beter voorspelbare tekening
Aanpassingen
Aanpassingen in het product zijn minder
radicaal en gestructureerd. Eventuele
verhogingen zijn alleen op de pijnpunten en
dus goed uitlegbaar
12. 12
Wat zijn de learnings tot nu toe?
Je moet een duidelijke toekomstvisie hebben, maar klein starten
Datakwaliteit is essentieel, inclusief goede definitie
Voldoende historie in de data
Data moet met regelmaat en relatief eenvoudig te ontsluiten zijn
Trek samen op
Wees transparant
Leg goed uit wat je aan het doen bent, het is al snel ‘een blackbox’