Una empresa en crecimiento emplea las cuatro A de la inteligencia de ubicación

Seguros

comentarios

0

 

A veces se necesita un objetivo audaz, incluso intimidante, para inspirar a una empresa a encontrar nuevos niveles de innovación.

Ese fue el pensamiento detrás de la ambiciosa estrategia de crecimiento lanzada en 2016 por una empresa de seguros con sede en el Medio Oeste de EEUU. Con las nuevas empresas ágiles comenzando a abarrotar el mercado de seguros, los ejecutivos de la compañía buscaron llegar a más clientes comerciales y personales que pudieran beneficiarse del enfoque consultivo de alto contacto de la firma. El equipo de liderazgo senior estableció una meta lo suficientemente grande como para catalizar nuevos enfoques para llegar a esa base de clientes: aumentar su prima anual en cientos de millones de dólares, de manera responsable y efectiva para los clientes.

El plan de crecimiento tenía dos vertientes: encontrar nuevos clientes en los mercados existentes en todo el territorio multiestatal de la empresa, y al mismo tiempo expandirse a nuevas geografías. Dado que la empresa vende pólizas a través de una red de miles de agencias independientes, los ejecutivos necesitaban comprender qué oficinas y geografías mostraban el mayor potencial de crecimiento, y tenían que hacerlo utilizando datos para complementar sus instintos. Para expandirse a la escala y ritmo del plan estratégico, los líderes de la empresa sabían que necesitaban tecnología de datos que pudiera identificar y predecir oportunidades de alto rendimiento. No se dieron cuenta de que eso los llevaría a las cuatro mejores prácticas de inteligencia de ubicación.

Minería de datos para una ventaja competitiva

Uno de los primeros pasos que tomaron los ejecutivos fue contratar a un funcionario de análisis y datos de una institución financiera, una industria donde la capacidad de extraer información para obtener una ventaja competitiva ya es un diferenciador principal del éxito. Luego reclutó a un equipo de científicos y analistas de datos con experiencia en aplicaciones de big data, tales como algoritmos de aprendizaje automático.

Los agresivos planes de crecimiento de la empresa no estuvieron exentos de complicaciones. Los proveedores de seguros deben expandirse con cuidado, fijando un precio adecuado del riesgo que asumen y monitoreando la cantidad de riesgo asumido en cualquier mercado.

Esto requería una comprensión granular de los beneficios y peligros de los territorios donde la empresa planeaba expandirse. Al emplear un sistema de información geográfica (GIS), el equipo de ciencia de datos podría usar inteligencia de ubicación, o conocimientos comerciales basados en la ubicación, para descubrir nuevas vías comerciales prometedoras y, al mismo tiempo, proteger a la empresa de riesgos excesivos.

«Creemos que es una ventaja competitiva», dice el director de estrategia de la empresa. «El aumento en la cantidad de datos disponibles, las variables disponibles, la potencia informática disponible, las herramientas disponibles, va a separar a los ganadores de los perdedores con el tiempo, y tenemos la intención de ser un ganador».

Las cuatro A de la inteligencia de ubicación

El equipo de ciencia de datos maximizó el impacto de los conocimientos basados en la ubicación mediante el empleo de tecnologías complementarias y la ejecución de las cuatro A de la inteligencia de ubicación: analítica, arquitectura basada en la nube, inteligencia artificial (AI) y automatización.

La analítica se encuentra en el corazón del trabajo realizado por el equipo, ya que utilizaron la tecnología GIS para segmentar todo Estados Unidos en millones de celdas de cuadrícula con más de 1,000 variables, incluidos datos demográficos, geográficos y firmográficos. Esta cuadrícula rica en datos actuó como un mapa base para el crecimiento, brindando un contexto geoespacial en el que las regiones fueron fértiles para oportunidades comerciales, al tiempo que destacó riesgos como inundaciones costeras o actividad sísmica que podrían pesar en contra de la emisión de ciertas pólizas.

La AI, en forma de aprendizaje automático, junto con los GIS (una combinación conocida como GeoAI), permitió al equipo de ciencia de datos crear algoritmos que predijeron el potencial de ingresos de las regiones y clasificaron el potencial de rendimiento de las agencias con las que la empresa podría asociarse. La automatización aceleró los procesos e hizo que el análisis fuera más eficiente, ahorrando costos y agilizando la mano de obra. Una arquitectura basada en la nube respaldó el esfuerzo computacional masivo requerido para procesar millones de puntos de datos y admitir motores de aprendizaje automático.

Con esos cuatro pilares de inteligencia de ubicación en su lugar, los empleados, desde los gerentes de ventas hasta el director financiero, podían tomar decisiones sabiendo que tenían acceso a la mejor información y datos basados ​​en la ubicación. «Estamos obteniendo nuevos conocimientos sobre lo que funciona y lo que no en nuestro negocio, y luego derivamos acciones sobre lo que debemos hacer al respecto», explica el encargado de análisis. “Entonces podemos predecir y probar en escenarios lo que es probable que suceda. Eso protege nuestra inversión de una manera realmente positiva «.

Unos años después del esfuerzo de expansión, los líderes de la empresa ya pueden apuntar al éxito, en parte gracias a los esfuerzos impulsados ​​por los datos. La firma ha aumentado su prima de líneas comerciales en casi un tercio desde 2016. Durante el mismo período, la prima promedio por agencia ha aumentado en un 115 por ciento.

Encontrando nuevos clientes potenciales con el aprendizaje automático

Los algoritmos de aprendizaje automático fundamentales para el crecimiento impulsado por los datos de la compañía ayudaron a acelerar y mejorar el análisis de mercado. El equipo de análisis empleó inteligencia artificial para analizar enormes conjuntos de datos y producir conclusiones y predicciones a una escala que la mente humana no podría igualar. Combinados con el contexto geográfico de la inteligencia de ubicación, los algoritmos de aprendizaje automático brindaron a los ejecutivos información sobre dónde el crecimiento parecía más prometedor.

Al alimentar a los algoritmos con grandes cantidades de datos de la empresa y de terceros, el equipo de análisis podría enseñar a los modelos a reconocer las variables que señalan el potencial de crecimiento. Con base en el análisis de patrones históricos, los algoritmos pueden reconocer que una agencia ubicada en una ciudad con un determinado conjunto de atributos demográficos y geográficos debería generar un cierto nivel de negocio.

El mapa resultante impulsado por GeoAI ayudó a automatizar los procesos, ahorrando al equipo de ventas horas, si no días, al seleccionar los mejores clientes potenciales para nuevos puntos de distribución en áreas donde la empresa no tenía presencia.

En lugar de conjeturas, los responsables de la toma de decisiones extraen conclusiones basadas en hechos y patrones revelados por la AI.

Un mapa clave para la comunicación y la evaluación de riesgos

El mapa inteligente segmentado facilitó el intercambio de información relacionada con el plan de crecimiento entre departamentos. En lugar de buscar en archivos o gráficos, los colegas consultaron un tablero con tecnología GIS que mostraba la ubicación de agencias asociadas, agencias competitivas y posibles áreas de expansión.

El análisis se perfeccionó aún más para reflejar diferentes líneas de negocio, que dependían de diferentes entradas de datos y que se proyectaba que crecerían a ritmos variables. Utilizando análisis basados en GeoAI, el equipo segmentó esas variables y entregó mapas inteligentes útiles a los ejecutivos responsables de cada línea.

Evaluación de riesgos ante el cambio climático

Los ejecutivos sabían que el crecimiento a cualquier precio no era un crecimiento inteligente, por lo que se centraron en formas sostenibles de expansión. La inteligencia de ubicación les permitió moverse a nuevos territorios a un ritmo rápido mientras evitaban las crecientes amenazas de la volatilidad relacionada con el clima y los desastres naturales. Los suscriptores de la empresa podían mirar las pólizas actuales y ver literalmente en un mapa dónde se encontraban en relación con los peligros existentes o potenciales.

Por ejemplo, el equipo de análisis de datos ayudó a crear una herramienta que permitía a los suscriptores conectar cualquier dirección en una barra de búsqueda. Un servicio de geocodificación automatizado calcula qué tan lejos está ese punto de la costa más cercana. Esta capacidad les da a los suscriptores una mejor percepción de las amenazas a una propiedad o negocio por eventos como huracanes u otro fenómeno climatológico severo, lo que resulta en una evaluación respaldada por análisis sobre si asumir el riesgo en primer lugar.

Los suscriptores utilizaron la misma herramienta para analizar las pólizas existentes e identificar riesgos clasificados erróneamente. En realidad, algunas pólizas estaban más cerca de la costa de lo que se había registrado inicialmente, mientras que otras estaban más lejos. En ambos casos, los conocimientos geoespaciales precisos ayudaron a la empresa a cumplir con la función empresarial principal de asumir riesgos de forma adecuada.

La automatización ayudó al proceso al agregar datos nuevos o actualizados a la red nacional. «Eso solo ya es un gran ahorro de tiempo desde el punto de vista del mantenimiento del modelo», dice el director de análisis. «Libera a nuestros científicos de datos para hacer más trabajo de valor agregado en lugar de actualizar y cambiar los datos».

Las cuatro A de la inteligencia de ubicación también permiten contextualizar la información que, de otro modo, podría tratarse como puntos de datos desconectados, descartarse o ignorarse. En cambio, los analistas pudieron descubrir patrones que hacen que la empresa sea más competitiva.

Por ejemplo, un análisis de los puntos críticos de las reclamaciones en una ciudad de Ohio reveló áreas donde los clientes informaban daños a niveles más altos que los observados en el pasado. Al superponer datos como el crecimiento de la población sobre los grupos geográficos donde aumentó la actividad de reclamaciones, los administradores pudieron determinar si el aumento se debió simplemente a un mayor volumen de residentes. Esa información podría impulsar a la empresa a asignar más ajustadores de reclamaciones al área.

Alternativamente, si esas reclamaciones coincidieran con grupos de tormentas de granizo u otras tendencias relacionadas con el clima, la información podría llevar a los ejecutivos a desacelerar el ritmo de redacción de pólizas allí o a cambiar el tipo de productos disponibles.

Una suite de tecnologías de datos

Los líderes de la empresa comenzaron con un objetivo ambicioso y luego pusieron el talento adecuado en su lugar. El equipo de ciencia de datos tradujo la ambición estratégica en algoritmos y mapas inteligentes que podrían enrumbar a la empresa hacia el crecimiento, agencia por agencia, yuxtapuestos al riesgo potencial. Esa inteligencia de ubicación impulsada por GIS fue posible gracias a un conjunto de tecnologías que trabajan en armonía: los conocimientos de la analítica, el modelado predictivo de la inteligencia artificial, la eficiencia de la automatización y el poder de procesamiento de la nube.

«Ya sean nuestros mapas de calor o la huella de nuestra competencia, todos lo entienden», dice el director de análisis. “Es inmediatamente obvio lo que estás tratando de hacer. Quieres una comprensión rápida, quieres traerlo a colación y, con suerte, esto impulsa una acción rápida. Para mí, el mapeo hace esas cosas «.

 

Jay Mullen
Jay Theodore

Este artículo originalmente apareció en el Newsroom de Esri

22 de junio de 2021

comentarios

0