Royement verlagen
Voorspellen van de kans op churn op polis- of klantniveau
Bewezen PRaaS voor verzekeraars en volmachten
Met onze Predictions as as Service (PRaaS) snel en moeiteloos resultaat boeken met AI
Er zijn twee hoofdvormen van AI te weten: Generative AI en Specifieke AI. De voor- en nadelen van beide vormen kun je hier terug lezen.
Binnen specifieke AI zijn wij gespecialiseerd in Predictive Analytics. Maar wat betekent dit? 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).
De meeste verzekeraars en volmachten zitten nog op het descriptive level. Dit betekent dat beslissingen worden genomen door met descriptive analytics 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.
Daarom bieden wij de oplossingen voor verzekeraars, volmachten en intermediairs in de meeste gevallen aan in de vorm van Predictions as a Service (PRaaS). Op deze wijze is het niet nodig binnen het eigen data & ICT team deze kennis, ervaring en skills te ontwikkelen en/of deze software aan te schaffen en kunnen wel betere, toekomstgerichte en data gedreven beslissingen worden genomen.
Bij PRaaS analyseren wij 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.
Werkwijze en use cases van PRaaS
De werkwijze van PRaaS is simpel doch doeltreffend:
1
Om PRaaS te leveren, ontsluiten wij allereerst 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
Veel voorkomende use cases die wij voor verzekeraars en volmachten meetbaar kunnen verbeteren met PRaaS
Polisdichtheid verhogen
Voorspellen van de next best polis per klant
Adviseurs effectiever inzetten
Voorspellen van de customer lifetime value (CLV) per klant
STP acceptatie
Voorspellen van de kans op acceptatie en de red flags
Actief prolongeren
Voorspellen van best passende motorrijtuigen verzekeraar
Combined ratio verbeteren
Voorspellen van bleeders & feeders
Aan zorgplicht voldoen
Voorspellen van de best passende dekking op polisniveau
Voordelen van PRaaS
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. Met PRaaS betaalt u alleen voor de voorspellende diensten 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 PRaaS oplossingen kunnen 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
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.
Wilt u weten wat PRaaS voor ú kan betekenen?
Voor transformatie van predictions naar polissen
Bewezen integraties
Door onze kennis van bestaande back-end en front-end systemen zijn wij samen met onze partners in staat de onze oplossingen op slimme wijze te integreren én te operationaliseren in bestaande processen.
Wij ontsluiten data uit uw back-end systemen, analyseren deze met complexe algoritmes en leveren de voorspellingen op maat af in uw front-end systemen. Zo kunt u bijvoorbeeld het adviestraject (informeren, adviseren, bemiddelen) volledig op schaal inrichten en maakt u de stap van reactief naar (pro)actief klantbeheer.
Meer weten hoe wij dit doen?
Uit de praktijk: actief klantbeheer 2.0 met AI
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.
Met onze PRaaS leveren wij op basis van predictive analytics op polis- en klantdata op klantniveau een voorspelling van de kans op royement en van potentiële klantwaarde (customer lifetime value). Op deze wijze wordt elke klant in één van de zes data gedreven en toekomstgerichte klantsegmenten geplaatst.
De bediening van klanten uit het DEFEND segment dient uiteraard prioriteit te krijgen. Dit zijn immers je meest waardevolle klanten en 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. Als u gebruiker bent van het platform van InsuranceData, kunnen wij de EDA voor u kosteloos met een druk op de knop aanleveren.
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.
Of kies voor onze bewezen DaaS of PoP diensten
Voor verzekeraars en volmachten
Naast de bovengenoemde Predictions as a Service (PRaaS) die wij aanbieden om te voorzien in de meest gevraagde verzekeringsbehoeften, helpen wij u ook graag met het snel en efficiënt realiseren van op maat gemaakte algoritmes. Dat doen wij in de vorm van een in de markt unieke dienstverlening:
- Datascience as a Service (Daas)
- Proof of Predictions (PoP)