¿Por qué este libro electrónico?

Este libro electrónico trata sobre los datos: los datos necesarios para
evaluar los riesgos, gestionar siniestros y detectar fraudes. Los datos
internos y, cada vez más, los datos externos son fuentes de conocimientos
indispensables. Pero la cantidad de datos disponibles está aumentando
constantemente, y el procesamiento se está volviendo más complejo. Tal
vez no sea tan malo ¿verdad?
 ESO ES RARO...
Acerca de las tormentas de granizo y daños extraños 4
DATOS COMO BASE PARA LA GESTIÓN DE RIESGOS Y LA LUCHA CONTRA EL FRAUDE
La automatización avanzada permite procesar cada vez más datos 4
TRES TIPOS DE DATOS
Elija el conjunto de datos óptimo 5
DATOS INTERNOS
Ya sabes mucho 5
DATOS AGRUPADOS
Juntos saben más 6
DATOS EXTERNOS
El mundo exterior lo sabe todo 6

Disposición DATOS = BENEFICIO

Los datos confiables y el buen uso que se hace de ellos se traduce en beneficios 7

de la DATOS EXTERNOS DE FUENTES CERRADAS

Datos básicos de fuentes cerradas 8
DATOS EXTERNOS DE FUENTES ABIERTAS
sección: Innumerables fuentes abiertas disponibles
EJEMPLO:
8

Emmet se traiciona en Facebook 9

EJEMPLO:
Vendido y luego robado 10
VINCULACIÓN DE REDES
Nueva visión mediante la combinación de datos 11
EJEMPLO:
Los involucrados se conocen 12
LA INTELIGENCIA ARTIFICIAL HACE QUE LOS DATOS SEAN PODEROSOS
Muchos datos requieren del uso de la inteligencia artificial 13
NO PUEDE IGNORARLO
Empezar hoy mismo 13
Eso es raro...
“Cayó granizo del tamaño de huevos de paloma” informa
un periódico al día siguiente de una fuerte tormenta
acompañada de granizo. La corta pero intensa caída de
granizo provoca daños considerables a la propiedad.
Las aseguradoras están sobrepasadas por la cantidad de
siniestros. Durante el procesamiento de estos siniestros,
la aseguradora compara los siniestros con los datos de las
estaciones meteorológicas. Por lo general, las características
se ajustan a la situación: techos dañados o tragaluces rotos
en áreas afectadas por granizo. Algunas declaraciones, sin
embargo, no encajan del todo con la imagen: daños que
habrían sido causados por granizo, pero en lugares donde,
según las estaciones meteorológicas, no había caído
granizo. Eso es raro...
Datos como base para
la gestión de riesgos y la
lucha contra el fraude
Los datos meteorológicos son una de las aplicaciones
más antiguas de fuentes de datos externas en la industria
de seguros. Mientras tanto, el número de fuentes que
pueden utilizarse para evaluar los siniestros o para evaluar
adecuadamente el riesgo en las pólizas sigue creciendo. Se
pueden obtener nuevos conocimientos a medida que se
pueden acceder a nuevos orígenes de datos y es posible
establecer conexiones entre orígenes.
La automatización cada vez más avanzada basada en la
inteligencia artificial permite analizar una enorme cantidad
de datos en un plazo muy corto. Esto le da a la aseguradora
acceso a cantidades sin precedentes de datos que la ayudan
a gestionar el riesgo y luchar contra el fraude.
“LA AUTOMATIZACIÓN CADA VEZ MÁS
AVANZADA BASADA EN LA INTELIGENCIA
ARTIFICIAL PERMITE ANALIZAR UNA
ENORME CANTIDAD DE DATOS EN UN
PLAZO MUY CORTO”
4
Elegir el mejor
conjunto de datos
No se trata de usar tantos datos como sea posible
para evaluar cada nueva solicitud de seguro o
un siniestro. Esto es posible, pero es ineficiente y
genera desconfianza por parte del asegurado.
Seleccionar los datos correctos y aplicarlos para
los fines y por las razones específicas es el camino
a seguir. Cada producto de seguro, cada tipo
de cliente y cada forma de daño tiene su propio
conjunto óptimo de datos. Se pueden utilizar tres
tipos de datos, normalmente combinados entre sí.
Datos internos:
sabes mucho
Es posible que no sepa la importancia de los datos con los que
ya cuenta dentro de la empresa. Como aseguradora, tiene una
enorme cantidad de datos a la espera de ser utilizados.
Se trata principalmente de datos sobre el cliente, como números
de teléfono, números de cuenta bancaria y dirección de correo
electrónico, histórico de siniestros, comportamiento de pago
e información sobre los productos de seguro que su cliente ha
comprado en el pasado. Además, cuenta con muchos datos
sobre sus propios productos, patrones de daños, tipos de clientes,
comportamiento de talleres de reparación, etc.
La mayoría de las aseguradoras tienen muchos más datos de los
que creen. Desafortunadamente, esos datos a menudo son de
difícil acceso o cuesta trabajo compartirlos dentro de la empresa.
Un ejemplo perfecto: los datos recopilados durante los siniestros
rara vez se utilizan para predecir el riesgo de suscripción. No tiene
idea de lo valioso de toda esta información. Es fácil hacer que estos
datos sean accesibles y que se transformen en una valiosa fuente
de información.
LA MAYORÍA DE LAS ASEGURADORAS TIENEN
MUCHOS MÁS DATOS DE LOS QUE CREEN.
5
Datos agrupados:
juntos saben más
El segundo origen de datos proviene de grupos de datos.
Esto incluye datos de un gran número de aseguradoras.
Estos datos se reúnen en un grupo al que todos
contribuyen y del que todos pueden obtener información.
Por ejemplo, los grupos de imágenes (fotos de objetos),
grupos de reparación (datos sobre empresas de
reparación) o grupos de lesiones (datos sobre los tipos
de lesiones que pueden ocurrir en ciertas situaciones de
accidentes específicos). Esta forma de intercambio de
datos está surgiendo lentamente. Las aseguradoras están
descubriendo cada vez más que compartir datos, en lugar
de aferrarse a ellos, puede ser bastante beneficioso. De
hecho, es la falta de intercambio de datos por miedo a la
competencia lo que genera la desventaja.
Datos externos: el mundo
exterior lo sabe todo
La gran mayoría de los datos provienen de fuentes
externas que, a menudo, son públicas. Hay cientos
de fuentes que se pueden utilizar individualmente o
combinarse entre sí.
Afortunadamente, como aseguradora, usted no tiene
que descubrir cada fuente por sí mismo y no tiene
que estar constantemente a la búsqueda de nuevas
fuentes utilizables. Es el negocio principal de empresas
especializadas de insurtech (como FRISS) desarrollarse
continuamente en esta área. Estas empresas se aseguran
de que las fuentes estén siempre disponibles, que se
añadan nuevas y que los análisis avanzados conduzcan
en tiempo real a datos útiles que se pueden utilizar para la
gestión de riesgos y la detección de fraudes.
6
Datos = beneficio
Los datos confiables dan como resultado
ganancias. Puede evitar una gran cantidad de
fraude mediante el uso de datos confiables
y cuando el fraude ocurre se puede detectar
fácilmente. Los datos confiables también
contribuyen a procesos de suscripción y
siniestros más sencillos y rápidos, así como a
una mayor satisfacción del cliente.

La integración de datos también genera

beneficios porque los resultados suelen
superar rápidamente los costos y mejoran
los ratios de siniestralidad. Las preguntas
principales son: ¿qué datos se necesitan para
prevenir ciertos riesgos? y ¿Cuánto costará?

“LOS DATOS CONFIABLES DAN

COMO RESULTADO GANANCIAS”.

7
Datos externos de
fuentes cerradas
Las fuentes cerradas representan gran parte de los datos
básicos que se necesitan. Esto significa que solo se puede
acceder a los datos en determinadas condiciones y, a
menudo, son servicios pagos. Algunos ejemplos son los
detalles de registro del vehículo, los riesgos de crédito, los
datos de propiedad inmobiliaria, el histórico de fraudes y
el histórico de siniestros.
Datos externos de
fuentes abiertas
Existen innumerables fuentes abiertas. Las redes sociales,
como Facebook, Instagram, Twitter, LinkedIn y similares
pueden proporcionar una enorme cantidad de datos sobre
personas y objetos, así como relaciones entre personas,
entre personas y objetos, o entre personas y lugares.
Los estafadores profesionales probablemente ya lo han
previsto. Sin embargo, el fraude se descubre, por lo
general, cuando el estafador o alguien de su entorno
aparece en una foto de Facebook con el objeto reclamado
después de que se ha iniciado el trámite del siniestro.
8
Emmet se traiciona en Facebook

Esto es lo que le pasó a Emmet. Es un trabajador

de la construcción calificado que no pudo trabajar
después de un accidente. Sufrió graves heridas en
su pie y su tobillo, y no podía ejercer presión sobre
su pierna. Afortunadamente, los ingresos de Emmet
estaban garantizados porque contaba con un buen
seguro. Después de un tiempo, sin embargo, se
descubrió a través de las redes sociales que Emmet
tocaba el bajo en una banda, recorría el país y no
tenía ninguna dificultad en pasar muchas noches
de pie en el escenario. También se encontraron las
fotos de Emmet trabajando como guía en paseos
de larga distancia. Estos datos hicieron que se lo
observara durante un tiempo. Pronto quedó claro
que lo pasaban a buscar temprano por su casa por
la mañana para hacer trabajos pesados todo el día
en una obra de construcción. Claramente no había
problemas en su pie ni en su tobillo.

También, pueden encontrarse gran cantidad de datos

interesantes en plataformas de negociación generales
como Craigslist, eBay u otros sitios de comercio de
vehículos, incluidos datos sobre la reciente oferta
para la venta de objetos que han sido reportados a la
aseguradora como desaparecidos.

9
¿Vendido y luego robado?

William informó que tanto su costoso sistema de audio como su sistema

de navegación que había instalado posteriormente habían desaparecido.
Indicó en el formulario del siniestro que habían sido robados. La prueba
que proporcionó fue acompañada por una foto de una ventana lateral
rota.

El sistema automatizado de siniestros de la aseguradora no solo registra

siniestros, sino que también realiza directamente una serie de controles
automatizados a través de los sistemas vinculados. Uno de estos sistemas
se llama Mohawk, un avanzado sistema de búsqueda y comparación
que coteja las características de daños con los datos de un gran número
de fuentes públicas de Internet, incluido eBay. El apellido de William
fue encontrado inmediatamente, junto con un anuncio de eBay,
aproximadamente un mes antes de informar el robo. El anuncio ofrecía
el sistema de audio “robado” para la venta.

El robo resultó haber sido planificado. William quería un sistema

más moderno y caro, y pensó que podía financiarlo vendiendo
su antigua radio y fingiendo que tenía un sistema de
navegación incorporado. Asumió que la ventana rota también
sería pagada por la aseguradora. FRAUD
La aseguradora podía comprobar fácilmente que la factura del sistema de
navegación había sido falsificada. William probablemente había esperado
deliberadamente hasta que la radio fuese vendida antes de simular el robo
e informar el siniestro. Sin embargo, esto resulta de interés para Mohawk
ya que este sistema no sólo mira lo que actualmente está en eBay y
muchas otras plataformas de ventas, sino que también almacena todos
los anuncios antiguos y ya no disponibles en línea.
10
Vinculación de redes
Las fuentes de datos externas contienen un determinado tipo
de datos, normalmente destinados a un propósito específico.
Por ejemplo, los datos en el sitio web de un club deportivo. El
objetivo es informar a los miembros y a los interesados sobre las
actividades y resultados deportivos. El sitio web de una asociación
de estudiantes destaca las noticias de la asociación y mira las
actividades pasadas. Los sitios web de noticias mencionan
eventos grandes y pequeños.

Todos estos datos públicos independientes pueden,

combinados entre sí, dar lugar a nuevas e interesantes
perspectivas. El uso de esta técnica todavía tiene sus objetores
dentro de las aseguradoras privadas en el contexto del Registro
General de Protección de Datos (RGPD). Esto es posible, sin
embargo, en el marco del “Proceso de Conocer a su Cliente” en el
sector de seguros.

Muchos controladores de siniestros utilizan Google para rastrear

datos sobre individuos, por lo general, sin ningún registro de la
búsqueda (rastro de auditoría). Esto puede provocar problemas
al utilizar los datos que encuentran. Podemos proporcionar una pista de auditoría
completa, junto con nuestro socio Web IQ.

La vinculación de redes es una técnica que se utilizó por primera vez para detectar redes
de abuso infantil. La técnica supone que las personas siempre dejan rastros y ha sido
desarrollada para su uso con otros fines, como el rastreo de líderes de operaciones de lavado
de dinero.

11
Las personas involucradas se conocían

John había sufrido un grave accidente con su

nuevo y costoso vehículo. Afortunadamente, sólo
el vehículo sufrió daños. Presentó un reclamo
por siniestro por daños a la aseguradora del otro
conductor, Peter.

La aseguradora utiliza un sistema de análisis de

red avanzado. Las fuentes públicas de Internet se
utilizan para buscar similitudes en las características
de las dos partes involucradas. Estos mostraron que
John y Peter han sido miembros del mismo club
deportivo durante varios años y que, a menudo,
beben una cerveza juntos después de un partido.
Así que se conocían bien. Por supuesto, incluso los
conocidos pueden tener un accidente. Pero esta
colisión tuvo lugar a última hora de la noche en un
polígono industrial casi desierto y no, por ejemplo,
en el estacionamiento del club deportivo.

También resultó que el costoso vehículo de

John estaba siendo puesto a la venta a un precio
llamativamente bajo. Investigaciones posteriores
mostraron que el vehículo había sufrido graves
dañados. Peter también había comprado
recientemente otro vehículo... uno viejo, que
era muy barato. Esta colisión no había sido un
accidente desafortunado.

12
La inteligencia artificial No puede ignorarlo
hace que los datos sean Los avances en el campo del análisis de datos están
sucediendo cada vez más rápido. Las aseguradoras no
poderosos tienen más remedio que sustentar su estrategia y sistemas
con el uso de datos y el análisis avanzado de los datos
Cuantos más datos estén disponibles, si se los utiliza disponibles. Existen muchas maneras de hacer que las
de manera específica, mejor será el resultado. Pero el fuentes de datos internas y externas sean valiosas para su
procesamiento de grandes cantidades de datos requiere empresa. ¡La buena noticia es que usted puede empezar
tecnología avanzada e inteligencia artificial. Esta es a utilizarlas hoy mismo!
una herramienta muy poderosa para recopilar, analizar,
combinar y aumentar la cantidad de datos. La capacidad
de autoaprendizaje de la inteligencia artificial garantiza
que se pueda obtener acceso y analizar cada vez más
fuentes, dentro del marco de las normas de privacidad.

Una empresa especializada en insurtech utiliza esta

técnica en sus operaciones y puede ponerla al servicio
de terceros de inmediato. Se puede vincular fácilmente
al sistema principal existente de la aseguradora. Las
intervenciones técnicas no son necesarias.

“CUANTOS MÁS DATOS ESTÉN DISPONIBLES,

SI SE LOS UTILIZA DE MANERA ESPECÍFICA,
MEJOR SERÁ EL RESULTADO.”

13
 ACERCA DE FRISS

FRISS tiene un enfoque de detección del fraude y del riesgo 100% automatizado para las aseguradoras de
seguros generales en todo el mundo. Las soluciones de detección accionadas con Inteligencia Artificial para
las suscripciones, los siniestros y la Unidad Especial de Investigación ayudan a más de 175 aseguradoras a
hacer crecer sus negocios. FRISS detecta el fraude, mitiga los riesgos y apoya la transformación digital. La
implementación del sistema en las aseguradoras se realiza dentro de los 4 meses, logra incrementar 10
veces su retorno de inversión y aumenta un 80% el procesamiento directo de solicitudes de pólizas y en el
manejo de siniestros. Las soluciones FRISS ayudan a reducir el ratio de siniestralidad, permiten el crecimiento
de una cartera rentable y mejoran la experiencia del cliente. Para obtener más información, www.friss.com.

marketing@friss.com © 2019

14