CLAVES DEL ANÁLISIS
En la actualidad, los datos representan uno de los assets más importantes que tienen las empresas. La calidad y cantidad de datos disponibles dentro de una empresa sobre no únicamente sus clientes, sino el resto de consumidores potenciales, representa una gran riqueza que, bien aprovechada, podría generar innumerables beneficios. Según datos de la International Data Corporation, en 2010 se crearon alrededor de 1,2ZB de datos, mientras que en 2018 la cifra aumentó hasta los 33ZB. Para 2025, se proyecta alcanzar una producción de 175ZB de datos a nivel global, lo que representa una tasa de crecimiento anual compuesta del 61%.
En muchas ocasiones, la información recopilada a través de fuentes tradicionales no resulta suficiente para poder comprender o predecir comportamientos de los clientes. En este marco, surge la alternative data. Los datos alternativos representan conjuntos de información sobre hábitos, intereses, comportamientos y transacciones realizadas por las personas, que son obtenidos mediante fuentes no tradicionales. Las fuentes para la recopilación de alternative data más comunes son las redes sociales, satélites, sensores, transacciones de tarjetas bancarias, recibos de compras digitales y correos electrónicos. El auge de la alternative data es exponencial, viéndose potenciado por el hecho de que cada vez son más las personas que utilizan la red para el almacenamiento de información, generando nuevos datos de manera continua.
Entre los tipos de datos alternativos más utilizados se encuentran:
– Datos transaccionales.
– Datos de geolocalización.
– Datos de cuestionarios o encuestas.
– Archivos de texto o audio.
– Datos de servicios públicos o de alquiler.
– Datos web.
No obstante, la principal limitación de los datos alternativos es que la mayor parte de las veces se encuentran disponibles de manera desestructurada, por lo que resulta complejo organizar los datos de manera tal que resulten utilizables. Para hacer frente a esta problemática, la ayuda de la inteligencia artificial y el aprendizaje automatizado resulta elemental, este tipo de sistemas inteligentes permiten no solo detectar y recopilar los datos, sino también procesarlos y estructurarlos de forma tal que resulten manejables y analizables, simplificando el procesos de análisis de datos dentro de la compañía.
Es importante resaltar que los datos alternativos no deben sustituir a los datos convencionales, sino complementarlos para mejorar los niveles de efectividad de los modelos analíticos. Mediante la combinación de ambas tipologías, se proporciona la información necesaria para detectar nuevos grupos de clientes, lo que genera un escenario idóneo de proyección y crecimiento.
De acuerdo con Ichi Pro, es posible que los modelos de cálculo de riesgo basados en datos convencionales no faciliten el acceso a un seguro o crédito en un principio. La falta de información hace que el modelo de puntuación se pueda inclinar negativamente, aún cuando la persona posea un perfil que pueda ser apto para la obtención del crédito o seguro. Es por ello que los datos alternativos resultan de gran utilidad en el sector asegurador, especialmente en el ámbito del cálculo de riesgo, donde los datos convencionales sustentan la mayor parte del proceso.
La implementación de datos alternativos permite agregar un valor analítico a los modelos de riesgo en el área de seguros que deja de lado las variables básicas que solían ser usadas. De esta manera, la eficiencia de los modelos es considerablemente mayor. A continuación, se muestra una tabla en donde se ilustra el rendimiento general obtenido en el modelo de variables de análisis de riesgo por conjunto de datos.
Con esto, se puede observar que los conjuntos de datos alternativos que brindarían mayor valor en el análisis de riesgos dentro del sector asegurador son aquellos provenientes de redes sociales, de alquileres y utilidades y, finalmente, los de tipo transaccional. Asimismo, los datos alternativos son más eficientes al analizar clientes nuevos y recientes, disminuyendo ligeramente su eficiencia cuando se refieren a clientes antiguos.
Entre las principales empresas emergentes que ofrecen servicios relacionados con datos alternativos dentro del sector asegurador se encuentran:
YEWNO. Dispone de una plataforma basada en inteligencia artificial que brinda paquetes dedatos alternativos para el sector financiero, estrategias de índices y, más recientemente, una plataforma de investigación llamada Yewno Edge. Esta descubre riesgos ocultos en la cartera de la empresa al ingerir diversos grupos de datos alternativos, pudiendo ofrecer información procesable sustentada en términos abstracto que impactan el sector de manera impredecible. Los diferentes términos que identifica Yewno Edge abarcan desde compañías, personas, temáticas, tendencias y sucesos. La plataforma es sencilla de utilizar y permite elaborar portafolios personalizados construidos en base a los intereses de la empresa que contrata el servicio.
