La ‘Analytical Revolution ’ del mercato assicurativo
Groupama Assicurazioni
2
Groupama Assicurazioni
8°Assicuratore
Danni
25°
AssicuratoreVita
Numeri chiave
Giro d’affari• 1,6 MiliardiDanni• 1168,4 MilioniVita• 467, 4 MilioniClienti• 1,8 MilioniDipendenti• 839Agenti• 1000 Data at 31/12/2014
Groupama Assicurazioni S.p.A. è la filiale italiana di Groupama, un Gruppo assicurativo e bancario francese di origine mutualistica e di dimensione europea
3
C’era una volta, nell’universo dei dati, le assicurazion i cheeffettuavano le loro valutazioni utilizzando dati storici e informazioni semplici per determinare informazionideterministiche:
Le riserve
Le tariffe
Il Bilancio
I Prodotti
Fino a quando…
4
BIG DATA BANG
5
Per un pò tutti continuaronoad usare gli stessi strumentiper esplorare la “nuovarealtà”
6
Ma il mercato assicurativodivenne più competitivo e con margini più bassi.
Quindi migliorare glistrumenti e le tecnichedivenne necessario per sopravvivere.
7
In molti casi sicercò di aggirareil problemamettendo in attotrucchi o giri di parole per continuare ad usare i vecchistrumenti, ma…
8
… questo si rivelòimmediatamenterischioso edinefficiente. Ci sitrovò, infatti, a fare iconti con datisbagliati, ad essere in ritardo e con perditemolto più grandi di quanto si potesseimmaginare!
9
Così si decise di proiettarsi verso strumenti e tecnichepiù adeguate…
10
Ebbe inizio LA NUOVA ERA DIGITALE
Le assicurazioni accettarono il cambiamento, iniziandouna trasformazione di sé stesse e del mercato
11
Fondamentale divenne catturarenuove opportunità nel nuovo scenario di business
Ma in che modo?
12
Business Intelligence ‘olistica’Considerare il contesto :
� A livello generale, identificando� Target� Relazioni
� Avere ‘anteprime’ dei comportamenti � Far emergere nuove opportunità � Essere accurati e veloci
SviluppandoSviluppando Data Driven Strategy
13
OR
IE
NT
AM
EN
TO
ST
RA
TE
GIC
O
Conoscere
i clienti
Analisi dei
bisogni e dei
comportame
nti
Capire il
mercato e il
contesto
Analisi di
scenario
Database
Big Data /
Telematica
DWH
Strumenti
di
benchmark
Dati
finanziari
Piattaforma
per analisi
di mercato
La Data Driven Strategy
Analytical Framework UsandoUsando
14
Quadro Analitico
UniversoDati
Arricchire i dati utilizzandofonti dati esterne
Dati telematici
Industrializzazione, report integrati ed analisi evolute
Machine Learning
In tempo reale, geolocalizzazione,big dataIn tempo reale, geolocalizzazione,big data Industrializzazione, tecniche non tradizionali
,
Industrializzazione, tecniche non tradizionali
,
Data Framework Alimentato dalAlimentato dal
15
Data Framework
Dati esterniDati interniData Integration Layer
SAS EBI + SAS VASAS EBI + SAS VA
16
CHIQUANDO
DOVEPERCHE’
17
COME monetizzare le nuove informazioni?
Nuovi Servizi
Nuovi Prodotti
Monitoraggio Real Time
Proposte Real Time
Previsione dei rischi
Trasformazione verso la ‘Proximity Company’
18
Contesto
Dati
Riservazione
Storico e analisideterministicheStorico e analisideterministiche
Solvency II
Analisi stocastiche e proiezioni
Analisi stocastiche e proiezioni
Riskdata
Provisiondata
Big Data
Analisi relazionali e dinamiche
Analisi relazionali e dinamiche
Servizi Digitali
Valutazione prospettica dei dati
19
I Dati e la Percezione dei Clienti
Digital disruption
Data (Big) & Enhancement
Compagniatradizionale
Agenti tradizionali
Compagniaaffidabile
Agenti Affidabili
Proximity Company
Agenti connessi
• Prezzi• Condizioni
• Servizi (Risk connected)
• Valutazione individualedel comportamento
• Servizi fornitigiornalmente
• Consigli orientati dallostile di vita
Comportamenti
Eventi
Stile di vita e Contesto
20
L’esplorazione mette in evidenza come i giovani guidatori ( con un contrattotelematico) tendono a guidare di più e per più tempo di notte. Inoltre, l’anzianitàdel veicolo avvicina l’S/P delle fascie di età estreme.
(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali
Big & Telematic Data – Esplorazioni SAS VA (*)
21
Il profilo di guidanotturna delle donnedi età media (41- 60) è simile a quello deigiovani, con un SP maggiore ma solo in caso di ‘GuidaLibera’. Tale comportamento è riconducibile allacondivisionedell’auto con i figli
(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali
Big & Telematic Data – Esplorazioni SAS VA (*)
22
Il GLM conferma che i km notturni, il tipo di strada, l’ età del conducente e del veicolo spiegano la possibilità o meno di avere sinistri .
(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali(*) I valori degli indicatori provengono da simulazioni e sono a puro titolo dimostrativo dati reali
Big & Telematic Data – Esplorazioni SAS VA (*)
23
Clienti felici per…
24Azionisti felici
25
Domande ?
Top Related