Obtenha atualizações recentes da Hortonworks por e-mail

Uma vez por mês, receba os mais recentes insights, tendências, informações analíticas e conhecimentos sobre Big Data.

cta

Comece a Usar

nuvem

Pronto para começar?

Baixar sandbox

Como podemos ajudá-lo?

fecharBotão Fechar
cta

Plataformas de dados conectados para
Internet das Coisas e análise preditiva para seguradoras

nuvem Seguros no Connected World Report

Faça o download do relatório

Combata os riscos

Com plataformas de dados conectados da Hortonworks para a IoT de seguros, há muito mais possibilidades. Por exemplo, uma visão 360° não apenas dos seus clientes, mas também dos carros conectados, ajuda a entender onde e como eles estão dirigindo, proporcionando também melhor análise preditiva de todo o big data na indústria de seguros. Agora você pode fornecer a eles recomendações para rotas alternativas mais seguras e comportamento de condução tornando-os melhores condutores.

Desenvolvendo empresas de construção centradas em dados usando aplicações analíticas avançadas

Changes in technology and customer expectations create new challenges for how insurers engage their customers, manage risk information and control the rising frequency and severity of claims. Carriers, like Progressive, are tapping Hortonworks for insurance IOT and predictive analytics to help rethink traditional models for customer engagement.

casos de uso

Desenvolva uma visão de cliente de 360​°

As operadoras interagem com os clientes por meio de canais variados, embora os dados de interação com o cliente, política e solicitações estejam, muitas vezes, isolados em silos de dados. Poucas operadoras de seguros podem correlacionar com precisão o sucesso de compras, cross-selling ou up-selling com campanhas de marketing e comportamento de navegação on-line do cliente. Coletando e gerenciando de dados de dispositivos da IOT de seguros, o Apache Hadoop dá a empresa de seguros uma visão de 360° do comportamento do cliente. Com ele, os varejistas podem armazenar os dados por mais tempo e identificar as fases do ciclo de vida do cliente. As análises preditivas de seguros mais aprofundadas os ajudam a adquirir de forma mais eficiente, expandir e manter os melhores clientes.


Aumente a produtividade dos agentes usando um portal de agente unificado

Muitas operadoras vendem apólices por meio de agentes. Para se preparar para chamadas de vendas (ou para esclarecer dúvidas de possíveis clientes durante as chamadas) esses agentes podem ter a necessidade de procurar detalhes em plataformas ou aplicações desconexas e variadas. Isso leva tempo e diminui a velocidade das vendas. Diferentemente das plataformas de dados tradicionais, a HDP armazena dados de várias fontes, incluindo da IOT de seguros, em um "data lake". Isso permite uma única consulta, sem a necessidade de várias consultas individuais em diferentes plataformas de armazenamento não relacionadas. Os agentes se preparam melhor e podem fazer mais chamadas ao longo de um determinado período de tempo, o que ajuda a aumentar a receita. As seguradoras também podem usar o mesmo tipo de visão para entender quais agentes são mais produtivos na hora de vender seus produtos — oferecendo incentivos que promovam melhores desempenhos ou revogando certificações daqueles que são cronicamente improdutivos.


Crie um cache de alta velocidade para processar documentos de candidatura

Uma vez que os clientes concordem em comprar uma nova apólice, o agente e/ou subscritor ainda precisam processar os documentos de candidatura. O processo manual pode ser moroso e causar inconsistências. A velocidade é importante, mas a precisão também é. Um cliente da Hortonworks no setor de seguros criou um cache de documentos corporativos na HDP. O Apache HBase agrupa a documentação pós-operação, com meta-tags que aceleram o processamento. E como a arquitetura da HDP, baseada em YARN, permite o processamento multi-tenant no mesmo conjunto de dados, o rastreamento de documentos não abranda a avaliação de risco ou outras análises necessárias antes de iniciar a cobertura. O processamento de documentos eficiente reduz os custos e aumenta a produtividade do agente e do subscritor.


Detecte fraudes

A fraude de seguros é um grande desafio do setor. De acordo com o FBI, "Estima-se que o custo total de fraudes no setor de seguros (exceto seguro de vida) chegue a US $ 40 bilhões por ano. Isso significa que as fraudes no setor de seguros custe a uma família norte-americana de classe média entre US$ 400,00 e US$ 700,00 por ano na forma de aumento dos prêmios". Como há mais de 7.000 companhias de seguros que recolhem mais de US$ 1 trilhão em prêmios todos os anos, os criminosos têm um alvo grande e lucrativo. Eles podem facilmente esconder seus rastros, pois cometem esquemas como desvio de prêmios, churning de taxas, desvio de ativos ou fraude de compensação de trabalhadores. Uma das maiores seguradoras dos Estados Unidos usa a HDP para aprendizagem automática e modelagem preditiva que emprega bandeiras baseadas em regras sobre fluxo de dados, com o intuito de deter maior quantidade de sinistros fraudulentos ou inválidos. Conforme os dados de sinistros chegam ao sistema, alertas em tempo real ajudam na investigação especial; os analistas de sinistros priorizam suas investigações sobre os sinistros que apresentam maior probabilidade de fraude.

Inicie serviços de redução de riscos

As seguradoras compreendem o risco e, assim como outras indústrias, estão se deixando de ser reativas para serem proativas no que se refere ao uso de seus dados. Qualquer ajustador de sinistros enxerga acidentes, incêndios ou lesões que poderiam ter sido previstos e talvez evitados, gerando conclusões como estas: "Ele não deveria ter saído para dirigir com o tempo daquele jeito", ou "passou muito da hora de trocar esses pneus". Agora, a análise preditiva das seguradoras estão coletando e compartilhando esse conhecimento com seus clientes antes que as perdas ocorram. Com esses serviços de redução de riscos e de prevenção, as operadoras compartilham análises em tempo real com os segurados, para que eles possam evitar acidentes. Por exemplo, eles podem estabelecer algoritmos para identificar fenômenos de alto risco que tenham relação com mau tempo, epidemias ou recalls de equipamentos — e fornecer alertas que ajudem seus clientes a proteger a si mesmos e a suas propriedades. Um cliente da Hortonworks que oferece seguro de carro está trabalhando em alertas em tempo real que notificarão os motoristas quando uma forte tempestade afetar um trecho específico de uma estrada e, depois, farão sugestão de rotas alternativas de menor risco.

Calcule o valor do risco usando dados empíricos

O risco moral descreve os fenômenos de uma pessoa que se arrisca mais porque alguém descobre o fardo desse risco. Quando uma empresa oferece uma apólice de seguro de auto, ela enfrentam o risco moral por causa da assimetria das informações — os segurados sabem mais sobre como eles realmente dirigem do que a operadora. Os motoristas podem dirigir um pouco mais rápido ou estar menos atentos à estrada porque sabem que estão cobertos em caso de colisão. As operadoras definem os preços para cobrir esse risco moral e, assim, os condutores mais seguros acabam subsidiando aqueles que assumem mais riscos na estrada. O seguro baseado no uso (UBI) tem o potencial de reduzir a assimetria das informações e o risco moral premiando condutores seguros pelo bom comportamento. Uma grande seguradora executa seus produtos UBI com os dados do sensor telemático armazenados na HDP. Antes do Hadoop, o processamento coletava apenas um subconjunto do volume de dados UBI dos sensores nos carros dos segurados e os processos ETL (extrair, transformar, carregar) atrasavam a disponibilidade desses dados até a semana após a captura. Com a HDP, a empresa coleta e armazena todos os dados de condução dos clientes que optam pelo UBI, processa o conjunto de dados maior na metade do tempo, e utiliza a modelagem preditiva para premiar os condutores pela forma como realmente dirigem, em vez de adivinhar o tipo de direção tendo como base apenas a idade, o tipo de veículo, a localização e o histórico.