Los profesionales del riesgo y el sector de los seguros llevan tiempo comprendiendo las ventajas de la modelización del riesgo, pero acaban de empezar a apreciar el valor del análisis predictivo y geoespacial. La capacidad de predecir resultados -desde la probabilidad de litigio en una reclamación de indemnización por accidente laboral, hasta el impacto físico y financiero de sucesos específicos de un lugar- no sólo cambia las reglas del juego en la toma de decisiones sobre riesgos. Es la próxima frontera de la gestión de riesgos y los seguros.
Hasta ahora, el sector de los seguros se ha centrado en gran medida en las actividades posteriores al siniestro. Así ha sido históricamente, y con razón: no se disponía de los datos y análisis necesarios para respaldar los pasos previos al siniestro, como la prevención y contención de pérdidas. Ahora, sin embargo, el sector dispone de herramientas sofisticadas que hacen posible un cambio hacia un enfoque previo a la pérdida.
El análisis predictivo se refiere a un conjunto de herramientas diseñadas para identificar tendencias, pautas y correlaciones que, de otro modo, podrían pasar desapercibidas en fuentes de datos dispares. La inteligencia artificial y el aprendizaje automático son elementos fundamentales del análisis predictivo, que facilitan la evaluación comparativa y la previsión de resultados. El análisis geoespacial amplía el análisis predictivo con datos tradicionales para incluir el contexto de la ubicación, el momento y la perspectiva histórica. Con un enfoque geoespacial de los conocimientos predictivos, los profesionales del riesgo pueden visualizar y considerar no sólo los sucesos que podrían ocurrir, sino también dónde y cuándo podrían ocurrir.

Plantear y responder nuevas preguntas

Para ilustrar este cambio de la acción posterior a la pérdida a la acción anterior a la pérdida, consideremos algunas de las cuestiones que pueden considerar los análisis predictivos y geoespaciales:

  • ¿Qué impacto podría tener un huracán en una propiedad determinada en su trayectoria actual?
  • ¿Cómo afectarán las temperaturas más altas del aire y el aumento del nivel del mar a los bienes de las zonas costeras?
  • ¿Qué lugares son más propensos a los disturbios civiles que podrían perturbar o dañar las propiedades comerciales?
  • ¿Cómo pueden los patrones climáticos históricos y las tendencias actuales informar las decisiones sobre dónde construir una nueva propiedad?
  • ¿Qué tipo de demandas de indemnización por accidente laboral es probable que se litiguen?
  • ¿A cuánto deben ascender las reservas para determinados tipos de siniestros?
  • ¿Dónde es probable que una empresa vea su próxima serie de siniestros de alto coste?

Éstos son sólo. algunos escenarios, pero ya está claro que la analítica predictiva y geoespacial permite a las organizaciones plantearse -y responder- una variedad de preguntas que quizá ni siquiera se hubieran planteado antes, y mucho menos aplicarlas a sus estrategias empresariales. Con el procesamiento del lenguaje natural integrado en las plataformas analíticas, este tipo de preguntas pueden plantearse a medida que surgen, sin necesidad de traducir las consultas a marcos estándar. Es posible mantener una conversación informal con los datos sobre riesgos y retos empresariales que antes era imposible. El análisis de sentimientos, el análisis de textos y las tendencias de palabras en campos de datos no estructurados son capacidades adicionales que hacen de la analítica predictiva una herramienta poderosa en la toma de decisiones sobre riesgos.

Prever la próxima carta

Cualquiera que haya jugado o visto una partida de blackjack, o 21, comprenderá que la capacidad de predecir la secuencia de cartas repartidas puede reducir fundamentalmente las probabilidades del jugador y aumentar enormemente sus posibilidades de ganar. Por ejemplo, si a un jugador se le reparte una carta que vale 10 puntos y sabe que es probable que la segunda carta de la baraja tenga el mismo valor, esa intuición puede hacer que el jugador rechace una tercera carta, maximizando la posibilidad de ganar al crupier hasta 21. Saber qué cartas es probable que salgan también puede hacer que los jugadores aumenten sus apuestas y sus ganancias. Del mismo modo, la capacidad de predecir siniestros y eventos de pérdida puede suponer una enorme diferencia para los profesionales del riesgo, sus organizaciones y sus aseguradoras. Por eso, los modelos analíticos se entrenan para predecir con gran confianza la segunda y tercera «cartas» del juego. Un modelo predictivo permite a los profesionales del riesgo saber lo que se avecina, y responder en consecuencia para mitigar el riesgo o reducir los costes de los litigios. Las «ganancias» en este escenario pueden incluir la mejora de la seguridad, la reducción de los costes de los siniestros y la preservación del capital, todo lo cual puede reinvertirse para apoyar el negocio subyacente.
Aflorar ideas y tendencias en los datos no consiste en ofrecer soluciones de software. El análisis predictivo y geoespacial consiste mucho más en asociarse con profesionales del riesgo para responder a preguntas empresariales. Para más información sobre la analítica de Rickonnect, visita WWW.RISKONNECT.COM.