Dé AI Engine voor verzekeraar, volmacht of intermediair

De meeste verzekeraars en volmachten zetten hun resource data nog maar zeer beperkt in. Ruim 70% van de verzekeraars behoort nog tot de ‘Data Laggards’ aldus onderzoek van Cap Gemini, terwijl ‘Data Masters’ gemiddeld 175% productiever zijn en 63% meer rendement maken. De mate waarin een organisatie in staat is de resource data te benutten om productiviteit te verhogen, vertaalt zich in een level van datavolwassenheid (zie ook Gartner, data maturity). 

Data maturity

De meeste verzekeringsbedrijven zitten nog op het descriptive level. Dit betekent dat beslissingen worden genomen door terug te kijken wat er gebeurd is. Het is als rijden op de achteruitkijkspiegel. De stap naar een volgend level van data volwassenheid is in de praktijk erg lastig en risicovol, omdat voor het kunnen uitvoeren van doordachte diagnostic, predictive en prescriptive analytics specialistische kennis, ervaring, skills en software nodig zijn.  

Met de Onesurance AI Engine is het niet nodig om binnen het eigen data & ICT team deze kennis, ervaring en skills te ontwikkelen en kunnen wél betere, toekomstgerichte en data gedreven beslissingen worden genomen.

Wij analyseren systematisch en continue uw data met zeer complexe algoritmes die onze cloud draaien. De algoritmes leveren predictions in de afgesproken kwantiteit, kwaliteit en frequentie vervolgens af in uw front-end applicaties.

Deliverables
  • Royement verlagen
  • Polisdichtheid verhogen
  • Adviseurs effectiever inzetten
  • STP acceptatie verhogen
  • Combined ratio verbeteren
  • Compliance en zorgplicht
Snelle implementatie

Onze werkwijze is simpel doch doeltreffend:

  1. Allereerst ontsluiten wij uw (back-end) databronnen middels API’s 
  2. Alleen het relevante extract van uw data gebruiken wij als input voor onze algoritmes. Zo verwerken wij in principe géén persoonsgegevens
  3. De data hosten wij in eigen geheel afgeschermde datacontainers
  4. Met intelligente software transformeren wij de data naar bruikbare inputtabellen voor de algoritmes
  5. Wij controleren en monitoren de predictions die de algoritmes doen op nauwkeurigheid en betrouwbaarheid
  6. De predictions leveren wij met API’s af in uw front-end applicatie in de afgesproken kwantiteit, kwaliteit, frequentie (real-time, dagelijks, per maand, per kwartaal) en afgesproken formaat
  7. Wij hertrainen de algoritmes periodiek teneinde het zelflerend vermogen aan te zetten
  8. Wij rapporteren u periodiek over kwantiteit en kwaliteit van de predictions
Uit de praktijk: actief klantbeheer 2.0

Veel verzekeraars, volmachten en grote intermediairs worstelen met de vraag hoe de klantbediening van honderdduizenden klanten toekomstbestendig kunnen inrichten en hoe ze de juiste klant, op het juiste moment, de juiste aandacht moeten geven.

De module churn predictions genereert op klantniveau een nauwkeurige voorspelling van de kans op royement. De module customer lifetime value voorspelt de potentiële toekomstige klantwaarde. Op deze wijze wordt elke klant in één van de zes data gedreven en toekomstgerichte klantsegmenten geplaatst.

Pontentieel klantwaarde

De bediening van klanten uit het DEFEND segment dient prioriteit te krijgen. Dit zijn immers uw meest waardevolle klanten én ze hebben de hoogste kans dat ze gaan royeren.  Het is verstandig deze klanten op korte termijn te benaderen. Voor klanten in de andere segmenten kan vervolgens een andere bedieningsstrategie worden bepaald.

Hoe zet u een eerste stap naar Actief Klantbeheer 2.0

Bent u benieuwd hoe uw portefeuille verdeeld is en hoeveel klanten, polissen, provisie en CLV waarde in elk segment zit? Wij verrichten graag een Eerste Data Analyse (EDA) voor u. Dit is een perfecte start voor de inrichting van Actief Klantbeheer 2.0. omdat u precies weet om hoeveel klanten het gaat en hoe u potentiële leegloop van de portefeuille kunt het beste kunt voorkomen. 

Wij kunnen de EDA produceren op basis van alle bekende back-end systemen zoals ANVA, CCS, DIAS, ASSU e.d.

Hier ziet u een voorbeeld van de output van een Eerste Data Analyse (EDA). 

Defend App ® ; integratie in het Microsoft platform

Veel verzekeraars, volmachten en intermediairs hebben wel een back-end systeem (zoals ANVA, CCS, Dias, Assu) maar nog geen strategische keuze gemaakt voor een CRM of front-end systeem. Nagenoeg alle partijen werken echter al in het Microsoft platform met producten zoals Office365, Outlook, Teams, Azure Cloud e.d.

Samen met onze partner AppReef (Microsoft Competence Center Nederland) zijn wij in staat om onze predictions aan te leveren in de Defend App ®. Deze is gebouwd in de PowerApps module van Microsoft. Dit betekent voor de gebruiker binnen uw organisatie een single-sign-on binnen Microsoft en volledige integratie met andere Microsoft producten. 

Met de Defend App® kunt u morgen gericht aan de slag om royement van uw meest waardevolle klanten te verlagen. 

Wilt u meer weten over Actief Klantbeheer 2.0?

Wat zegt de AFM er over?

Ook de AFM beveelt aan om je “ambitie over klantzorg in de beheerfase te formuleren” en een aanpak te bepalen. Er is een pleidooi om verder te gaan dan de minimale zorgplicht. Lees het AFM document ‘Interpretatie informeren en adviseren eens door. Er is sprake van adviseren in de zin van de Wft bij een persoonlijke aanbeveling aan een (potentiële) klant, over een voor hem nieuw af te sluiten financieel product van een specifieke aanbieder. Er is sprake van informeren wanneer er niet voldaan is aan één van de genoemde criteria (zoals bij een aanbeveling op een bestaand product). Daarom is informeren goed op schaal toe te passen bij beheer, omdat daarvoor (nog) geen volledig adviestraject nodig is.

Voordelen van de AI Engine
Modulaire opbouw

Wij kennen de verzekeringsdynamiek en garanderen met de modulaire opbouw verlaging van neerwaarts risco. U kunt bijvoorbeeld starten met beheersing van royement (churn predictions), vervolgens werken aan efficiency (Feeders&Bleeders of AI Acceptatie) en stapsgewijze toewerken naar personalisatie op schaal (zorgplichtsignalen of predict&prevent).  Modules kunnen op kantoor- of filiaalniveau worden ingezet.

Korte implementatietijd

U maakt direct gebruik van reeds geoptimaliseerde modellen en infrastructuur en u hoeft geen tijd en geld te besteden aan het ontwikkelen, testen, fine-tunen en hertrainen van modellen.

Kostenbeheersing

Het opzetten en onderhouden van interne datascience teams en infrastructuur is bijzonder duur. Bij de inzet van onze AI Engine betaalt u alleen voor de modules die u werkelijk gebruikt. U weet waar u aan toe bent en kunt de businesscase exact berekenen.

Expertise en kwaliteit

Wij beschikken over gespecialiseerde en ervaren datawetenschappers die voorspellende modellen ontwerpen en optimaliseren. Dit garandeert hoogwaardige en nauwkeurige voorspellingen.

Schaalbaarheid en beslag op ICT

Onze AI Engine kan gemakkelijk worden opgeschaald zonder de noodzaak van uitbreiding van interne middelen. Er vindt nagenoeg geen beslag op eigen ICT capaciteit plaats.

Focus op kernactiviteiten

Door voorspellende taken uit te besteden, kunt u zich richten op uw kernactiviteiten en strategie, terwijl u toch profiteert van data gedreven werken.

Transparantie en uitlegbaarheid

De algoritmes in de AI Engine zijn transparant en uitlegbaar en voldoen by design aan de Ethische datakaders van het Verbond van Verzekeraars.

Complementaire diensten

Belangrijke randzaken zoals data transformatie, data security, data management of data architectuur nemen wij uit handen.

Optimale integratie

Er wordt niets veranderd aan uw bestaande processen. Wij gebruiken data uit bestaande (back-end) systemen en integreren met bestaande front-end systemen.