CONGRESO DERECHO DE SEGURO Ponencia ?· 5-Usos y aplicaciones del Big Data y Data Mining en materia…

  • Published on
    30-Sep-2018

  • View
    212

  • Download
    0

Embed Size (px)

Transcript

  • CONGRESO DERECHO DE SEGURO

    Ponencia

    Nuevas Tecnologas aplicadas al derecho de seguro Big Data y Data Mining

  • La utilizacin de las nuevas tecnologas y sus beneficios en

    materia de seguros

    Por Lorena Villagra

    Sumario: 1-Introduccin. 2-Que es Big Data? 3-Que es Data

    minig? 4- Ente regulador Sujetos Obligados, legislacin vigente

    5-Usos y aplicaciones del Big Data y Data Mining en materia de

    seguros 6-Data mining: algoritmos de detencin de fraude 7-Big

    Data, data mining y recursos humanos 8-Ponencia.

    1- Introduccin: Big Data y Data Mining

    En estos ltimos aos las compaas de seguros han atravesado

    muchos cambios no solo a nivel normativo sino tambin

    tecnolgico obligndonos a quebrar con una vieja estructura para

    permitir un cambio de paradigma en pos de adaptarse a las

    exigencias del mercado, han cambiado no solo la legislacin sino

    tambin el entorno que nos rodea en el cual nuestros clientes se

    han vuelto ms selectivos, ms tecnolgicos y por excelencia

    exigentes, lo cual nos obliga a mejorar nuestra competitividad a

    travs de un anlisis de rentabilidad para incorporar nuevas

    tecnologas que nos permitan no solo analizar datos, sino detectar

  • y extraer informacin valiosa que nos permita prevenir ciertas

    conductas de los usuarios de seguros.

    El Big Data y Data Mining son herramientas que en el mundo de

    los negocios tienen gran relevancia en la actualidad; seguramente

    han escuchado hablar de ellas y del Businnes Intelligence tambin

    y esto las convierte en herramientas fundamentales para generar

    ms negocios rentables a travs del uso de datos

    2-Que es Big Data?

    Cuando hablamos de Big Data nos referimos a conjuntos de datos

    o combinaciones de conjuntos de datos cuyo tamao (volumen),

    complejidad (variabilidad) y velocidad de crecimiento

    (velocidad) dificultan su captura, gestin, procesamiento o

    anlisis mediante tecnologas y herramientas convencionales. A

    qu datos nos referimos? Cualquier dato es valioso? Para que los

    datos se consideren Big Data deben cumplir cuatro requisitos

    fundamentales y estos son: ser un gran volumen de datos,

    velocidad, variedad y veracidad. En nuestro cotidiano generamos

    datos constantemente, tan solo con trasportar nuestro celular en el

    bolsillo estamos emitiendo seales de localizacin, cuando damos

    me gusta a alguna pgina de redes sociales o cuando miramos

    un avance de alguna pelcula estamos generando datos, luego

    estos datos recopilados se derivan a un software (Handoop) que

  • procesa dichos datos y nos muestra estos datos traducidos en

    informacin para la toma de decisiones en nuestro negocio

    Como mencionamos anteriormente, Big Data debe reunir cuatro

    requisitos y vamos a detenernos en cada uno de ellos para explicar

    porque es importante esta herramienta en el mbito del seguro.

    -El gran volumen de datos: Big Data maneja una cantidad de

    datos por ejemplo si lo llevamos a nuestro campo podemos saber

    cuntos clientes tenemos, desde que ao son clientes, cuantos

    autos aseguraron desde que contrataron la pliza por primera vez

    hasta la actualidad, etc.

    -Velocidad: las plizas y los siniestros, las primeras se emiten a

    la misma velocidad que se producen los segundos, un pago de

    prima fuera de trmino o el incumplimiento de tal genera

    automticamente responsabilidades.

    -Variedad: nuestros clientes han cambiado con el correr de los

    aos al introducirse la tecnologa como una fuente esencial de

    recursos en sus vidas y cada vez son ms los canales en los que

    nuestros clientes tienen participacin a travs de redes sociales,

    canales de videos, almacenamiento de sus datos en la nube, entre

    otros.

  • -Veracidad: a travs del uso de redes sociales nuestros clientes

    comentan su conformidad o desacuerdo respecto a temas

    sensibles, aunque no siempre podemos tener la total certeza de

    que estos datos sean veraces.

    3- Que es Data minig?

    La minera de datos, es una herramienta la cual nos proporciona

    no solo un muestreo de datos como lo haca el Big Data la cual

    deviene en informacin sino ms bien utiliza Estadstica ,

    Inteligencia Artificial, algoritmos, matemticas y otras

    disciplinas para presentar dos modelos de extraccin de datos uno

    es el descriptivo ya que hace una exploracin en busca de nuevos

    datos y el otro modelo que ofrece el Data Mining es el predictivo

    o llamado comnmente aprendizaje supervisado tomo datos

    determinados es decir, necesito delimitar un patrn de bsqueda

    para aplicar basado en la experiencia anterior para poder

    determinar cul es la probabilidad de que suceda el patrn

    esperado. Todos estos datos extrados nos permiten descubrir

    informacin desconocida y valiosa acerca de nuestros clientes e

    importante a la hora de tomar decisiones

    Este no es un Congreso de Ingeniera Informtica ni de Marketing

    y an no hemos respondido la pregunta porque nos interesa el

    empleo del Big Data y Data Mining en nuestro campo del

  • Derecho de Seguros? Vamos a hablar un poco acerca de su

    empleo como herramienta necesaria para el negocio.

    4-Usos y aplicaciones del Big Data y Data Mining en materia

    de seguros

    La respuesta es muy sencilla, las nuevas tecnologas como el Big

    Data y el Data Mining nos permiten combatir males asociados a

    nuestra actividad, como por ejemplo: fraude en siniestros,

    prevencin en siniestros mediante la deteccin temprana de

    comportamientos inusuales en nuestros clientes, el lavado de

    activos y financiacin del terrorismo entre otros.

    5- Sujetos Obligados, legislacin y ente regulador

    Las compaas de seguros desarrollan su actividad supeditados a

    un considerable nmero de leyes, reglamentaciones, decretos y

    resoluciones.

    Es menester por tal motivo supervisar todas las decisiones que

    toma la compaa y ser en cierta medida un agente de control ante

    las situaciones emergentes propias de la actividad desarrollada,

    porque decimos esto? Porque todas las compaas son sujetos

    obligados, por lo tanto deben hacer frente a varias cuestiones a la

    vez, por un lado se rige por la ley de seguros N 17.418, por otro

    lado la regula el SSN con sus decretos-ley y para finalizar

  • atraviesa un conflicto de intereses propio del reordenamiento

    jurdico sobreviniente por la unificacin del actual cdigo civil y

    comercial de la nacin y la reforma de la ley de defensa al

    consumidor, lo cual dificulta an ms el panorama existente en

    materia de siniestros con la modificacin de la prescripcin de 2

    a 3 aos.

    Vamos a dar ciertos ejemplos los que a la luz de todo lo expuesto

    nos brindar un sustento de los temas desarrollados sobre las

    nuevas tecnologas:

    Comencemos por las obligaciones como sujeto obligado que nos

    impone la SSN y la UIF en materia de prevencin de lavado de

    activos y financiacin del terrorismo ley N25246, a travs de Big

    Data y Data Mining logramos obtener informacin y conocer

    datos a la vez tambin detectar si nuestros clientes estn

    realizando algn tipo de maniobra inusual, ya sea compra de

    vehculos de alta gama adquiridos a travs de fondos que no estn

    debidamente justificados sobre cul es su procedencia u origen y

    denuncias de siniestros por DT o robo, entre otras acciones de

    fraude. Cualquiera de estas situaciones detectada a tiempo y

    remitida dicha informacin a la UIF exonera a la compaa de

    eventuales multas a que podra verse sometidos al no detectar

    dichos eventos y contrarrestar as las prdidas que arrogan este

    tipo de situaciones.

    De cara a la reforma de nuestro cdigo civil y comercial y la

    extensin del plazo de prescripcin a 3 aos nos ubica en un

  • panorama no menos que desfavorable sumada la Resolucin

    dictada por la SSN 40512/17 en la cual se exige a las compaas

    que sus reservas se encuentran actualizadas para todos los casos

    de juicios que se encuentran en estado pendiente. La prevencin

    es la mejor manera de combatir el fraude en siniestros aqu el data

    mining entra en escena y se manifiesta brindando no solo datos

    predictivos sobre cundo, como, donde y porque un asegurado o

    potencial cliente puede tener tendencia a cometer fraude podemos

    decir que en base a la extraccin de todos esos elementos

    podremos evaluar la prima adecuada en funcin al riesgo

    asegurado o por asegurar.

    6-Data mining: algoritmos de deteccin de fraude

    La identificacin temprana del fraude a nivel de aplicacin, ayuda

    a las compaas de seguros a reducir el nmero de denuncias por

    fraude y evitar grandes prdidas.

    Podemos emplear un sistema de clasificacin que permita

    identificar a solicitantes de alto riesgo de dos formas diferentes:

    Aplicando modelos analticos para construir un perfil de riesgo

    asociado a una identidad, creando un scoring basado en el riesgo

    que predice la probabilidad de fraude de una solicitud y su posible

    prdida ocasionada.

  • En base a esta categorizacin, se puede confeccionar un protocolo

    de actuacin ante este tipo de clientes, que incluya un estudio

    mucho ms riguroso y completo. Este procedimiento permite

    identificar de forma temprana las solicitudes potencialmente

    fraudulentas a nivel operativo, teniendo como consecuencia la

    reduccin de prdidas potenciales y reportando resultados

    altamente efectivos en cuanto a la: Gestin del riesgo en base a

    pautas de la direccin, gestin de solicitudes basadas en su riesgo.

    Cualquiera que sea la estrategia que se decida aplicar, es

    fundamental planificar la monitorizacin del riesgo, tanto en base

    a perfiles, como en lo referente a solicitudes, para comprobar que

    se mantienen los niveles que se consideran aceptables y no se

    pierde alineacin.

    7-Big Data , data mining y recursos humanos

    Aqu se preguntaran que tienen que ver las nuevas tecnologas

    con los recursos humanos y la respuesta es que mucho.

    Para empezar estas herramientas me permiten formularme

    diversas preguntas y en base a los datos obtenidos traducidos en

    informacin o en base a los datos extrados determinar un patrn

    singular que me va a permitir por ejemplo predecir que

    probabilidad tengo de que un reclamo pueda derivar en un juicio,

    si por la entidad del reclamo es necesario que intervenga un

    estudio jurdico externo con amplia experiencia en el rubro o si el

  • reclamo es de menor cuanta por ejemplo, un reclamo

    extrajudicial solo por daos materiales o recupero de otras

    compaas entre otros y puede ser llevado directamente por un

    letrado interno de la compaa. De esa manera estamos trazando

    un plan de accin en funcin al riesgo que nos representa cada

    siniestro cuan rentable es que actuemos representados por un

    estudio externo si el reclamo es de gran envergadura o por

    nuestros propios recursos humanos internos.

    8- Ponencia

    En sintona con todo lo expresado en la presente ponencia,

    considero que en virtud del avance significativo y constante que

    ha tenido la implementacin de nuevas tecnologas en el mercado

    del seguro; sin lugar a dudas estamos frente a un nuevo desafo

    que debemos afrontar. De qu manera? Perfeccionndonos en

    materia de recoleccin de datos, herramienta la cual nos permita

    conocer, seleccionar y testear las distintas preferencias a la hora

    de definir como es nuestro potencial cliente, cuales son sus puntos

    fuertes y sus debilidades, estas nuevas tecnologas representan

    hoy ms que nunca para nosotros un recurso, una fuente, una

    garanta a largo plazo de las metas trazadas ligadas al corazn del

    seguro que es el riesgo.

    La tecnologa atraviesa hoy en da todos los mbitos profesionales

    y es un soporte para agilizar la labor diaria proveernos de material

    rico en informacin y alcanzar estndares ideales de resolucin a

  • las metas fijadas. As entonces, llegamos a la idea de que un

    seguro es adecuado a un determinado riesgo si los datos previos

    obtenidos as lo indican, tambin es dable soslayar en qu casos

    ser conveniente disminuir o aumentar la prima si el riesgo varia,

    situacin habitual que se da a menudo cuando nuestros

    asegurados cambian de trabajo, de actividad o simplemente se

    mudan, ese cambio de rutina nos da un alerta sobre cules son las

    probabilidades de que un riesgo nuevo vaya a aumentar o a

    disminuir. Por esa razn el uso de data big data y data mining

    favorece la correcta interpretacin de esta nueva situacin.

    Podemos decir en pocas palabras que la tecnologa en materia de

    seguros ha venido a quedarse y hoy por hoy ocupa un lugar

    central. Dada su alta fidelidad para brindar rapidez, evolucin y

    productividad es sin dudas un aliado a la hora de seleccionar,

    definir y delinear que producto queremos y a quien queremos

    dirigirlo. Zanjando tambin otras barreras del pasado a la hora de

    afrontar reclamos extrajudiciales, judiciales, contractuales y

    extracontractuales. Los cuales se volvan tediosos por la

    dificultad de sistematizar los recursos para satisfacer la demanda

    y evitarnos juicios sobrevinientes como desenlace de una larga

    gestin que pareca interminable, sumados los altos costos que

    soportan las compaas si un reclamo no logra un acuerdo

    extrajudicial temprano.

    Por ltimo, debemos decir que big data y data mining son parte

    de un sinnmero de oportunidades para evitar el fraude en

  • siniestros, uno de los mayores perjuicios que da a da sufrimos

    las compaas y que socavan no solo el patrimonio de la empresa

    sino tambin su liquidez y es aqu donde hacemos hincapi

    mencionando a los ya conocidos actores que forman esa masa

    numerosa a la que deberamos llamar industria del siniestro

    donde no hay ms que puntos oscuros y que conforman una

    verdadera organizacin con fines de dudosa procedencia los

    cuales atentan contra las aseguradoras a riesgo de padecer como

    le ha sucedido a varias compaas en estos ltimos aos en los

    cuales la SSN retira a las compaas el permiso para seguir

    operando.

    Para finalizar, quiero compartir una mxima del Derecho Civil:

    quien paga mal, paga dos veces

    Este principio general del Derecho Romano nos propone una

    profunda reflexin ante este camino que estamos transitando las

    aseguradoras con la introduccin de nuevas tecnologas aplicadas

    al derecho del seguro abriendo paso a la prevencin del mayor de

    los riesgos que afrontamos; el fraude.

  • Fuentes:

    -http://cdn2.hubspot.net/hub/239039/file-1958725915-

    pdf/docs/PWD_-_Ebook_-_Seguros_Big_Data-_9_estrategias_-

    FINAL_v1.pdf

    -http://cdn2.hubspot.net/hub/239039/file-1958725915-

    pdf/docs/PWD_-_Ebook_-_Seguros_Big_Data-_9_estrategias_-

    FINAL_v1.pdf

    - https://www.cronista.com/seguros/Data-mining-del-seguro-

    basado-en-el-uso-al-Gran-Hermano-de-la-industria-20160713-

    0002.html

    -https://image.slidesharecdn.com/dmaplicacionessectorseguros-

    110523192751-phpapp01/95/data-mining-aplicado-al-sector-

    seguros-9-1024.jpg?cb=1306356429

    -

    http://cs.uns.edu.ar/~cic/dm2009/downloads/transparencias/01_

    dm%20(intro).pdf