Cuando las personas piensan en seguros, piensan en probabilidades, estadísticas y eficiencia. Es por eso que los clientes tienen aún menos paciencia con sus compañías de seguros cuando esperan una respuesta sobre un siniestro. Aunque las organizaciones de seguros figuran entre las empresas que más aprovechan el poder de los datos para desarrollar productos y perfiles de riesgo, suelen existir oportunidades para aplicar la misma disciplina a las operaciones de su propia organización, sobre todo a sus interacciones con los clientes. Minitab puede ayudar a las compañías de seguros a procesar los siniestros con mayor rapidez y mejorar su relación con los clientes.
Medir la rapidez de respuesta a los siniestros
El tiempo que les lleva resolver un siniestro debería ser una medida clave para las compañías de seguros. Dado que la medida de salida es un punto de datos, debería ser bastante sencilla de recopilar y medir. Utilizando un conjunto de datos de muestra y algunas estadísticas descriptivas sencillas, el ejemplo siguiente muestra que el promedio (o la media) del tiempo de resolución de un siniestro se sitúa entre 54 y 55 días. Los datos también indican que el tiempo mínimo es de 40 días y el máximo, de 75 días, proporcionando un rango de cuáles son los tiempos más rápidos y más lentos, lo que ayuda a establecer los objetivos.
Fijar un objetivo y considerar los posibles factores que influyen en el rendimiento
La lentitud en los siniestros puede ser costosa para la organización, no solo en términos de la experiencia del cliente, sino que mientras más tiempo pase sin que se resuelva un siniestro, mayor será la incertidumbre para la organización en cuanto a las obligaciones. Establezca un objetivo empresarial estratégico para resolver los siniestros en un plazo determinado. En este ejemplo, fijemos un objetivo realista de 50, que representa una mejora de aproximadamente 10% en el tiempo de resolución.
A continuación, hagamos una lluvia de ideas sobre las posibles variables que podrían estar influyendo en el plazo de resolución de los siniestros. Podría tratarse del monto del siniestro, el tipo de siniestro, el tipo de cliente o incluso el agente que gestiona los siniestros. A continuación se muestra un ejemplo de un diagrama de espina de pescado, una de las muchas herramientas populares de lluvia de ideas y solución estructurada de problemas.
¿Listo para una lluvia de ideas?
Utilizar modelos predictivos para cuantificar el impacto...
En general, los modelos predictivos ayudan a hacer predicciones y a entender los factores que influyen en la respuesta. Al utilizar la herramienta de aprendizaje de máquina automatizado de Minitab, no solo podemos ver el mejor modelo (en este caso Random Forests®), sino que también podemos apreciar el rendimiento de otros modelos.
En este caso, el método de regresión más popular y tradicional no solo es el que obtiene los peores resultados, sino que tampoco es muy preciso. En cambio, el modelo CART® que es ideal para visualizar relaciones, funciona relativamente bien.
Aplicar las mejoras...
Si nos fijamos en el árbol de decisión CART® que aparece a continuación, queda claro que los siniestros de automóviles son los que tardan menos tiempo en resolverse, mientras que los de robo y hurto son los que llevan más tiempo. Este es el primer aspecto que se debe abordar para lograr una mejora. Yendo un paso más allá, está claro que la agente Rebecca tiene dificultades para gestionar estos casos en particular. Instruir a Rebecca sobre cómo gestionar estos casos en particular podría suponer una mejora inmediata.
…Y operacionalizar el modelo para una mejor comunicación con los clientes.
Este análisis no solo puede ayudar a identificar áreas susceptibles de mejora, sino que también puede contribuir a una mejor comunicación con los clientes. Teniendo en cuenta los factores en cuestión y aprovechando el modelo Random Forests® (el más preciso determinado por el aprendizaje de máquina automatizado), podemos operacionalizar el modelo para una comunicación automática con los clientes. Usando soluciones como Minitab Model Ops, a medida que se recopilen estos datos, el modelo podrá calcular el tiempo estimado para resolver el caso y comunicar automáticamente dicha información a los clientes. Esto garantizará que los clientes tengan las expectativas correctas para que no se sientan decepcionados. A medida que mejore su rendimiento, no solo podrá superar las expectativas de sus clientes, sino que podrá seguir perfeccionando su modelo predictivo para indicarles plazos aún más precisos en el futuro.
¿Quiere resolver otros problemas relacionados con los seguros?
