boletín de noticias

Reciba actualizaciones recientes de Hortonworks por correo electrónico

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

AVAILABLE NEWSLETTERS:

Sign up for the Developers Newsletter

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

cta

Empezar

nube

¿Está preparado para empezar?

Descargue sandbox

¿Cómo podemos ayudarle?

* Entiendo que puedo darme de baja en cualquier momento. Agradezco asimismo la información complementaria porporcionada en la Política de privacidad de Hortonworks.
cerrarBotón de cerrar
cta

Plataformas de datos conectados para
IOT de seguros y análisis predictivo

Biblioteca de recursos destacados sobre seguros

¡A explorar!

Supere el riesgo

Con las plataformas de datos conectados de Hortonworks para IOT de seguros, mucho más es posible. Por ejemplo, una vista de 360 ° de no solo sus clientes, sino también autos conectados, ayuda a entender dónde y cómo están manejando al mismo tiempo que proporciona la mejor predicción analítica de todos los macrodatos de clientes de la industria de seguros.  Usted puede ahora ofrecerles recomendaciones para rutas alternativas más seguras y el comportamiento de conducción al convertirlos en mejores conductores.

Construcción de empresas centradas en los datos con aplicaciones analíticas avanzadas

Los cambios en la tecnología y las expectativas de los clientes generan nuevos desafíos para las compañías de seguros, en la forma en que se dirigen a sus clientes, gestionan la información de riesgos y controlan la creciente frecuencia y gravedad de los siniestros. Las aseguradoras como Progressive utilizan Hortonworks para aplicar el IoT y los análisis predictivos al sector de los seguros y rediseñar los modelos tradicionales de interacción con el cliente.

casos de usos

Construir una visión de 360 ° para sus clientes

Las compañías interactúa con los clientes a través de múltiples canales; sin embargo, los datos de interacción con el cliente, política y reclamaciones están aislados en silos de datos. Pocas compañías de seguros pueden correlacionar con precisión la adquisición, la venta cruzada o el éxito del aumento de ventas con sus campañas de marketing o el comportamiento del cliente en línea. Al recopilar y gestionar los datos de los dispositivos de IOT de seguros, Apache Hadoop ofrece a las compañías de seguros una visión de 360º del comportamiento del cliente. Permite almacenar datos durante más tiempo e identificar fases distintivas en los ciclos de vida de sus clientes. Una mejor analítica les ayuda a adquirir de manera más eficiente y a crecer y retener a los mejores clientes.


Impulsa la productividad del agente con un portal unificado

Muchas compañías venden pólizas a través de agentes. Para preparar las llamadas de ventas (o para resolver las preguntas durante esas llamadas) los agentes pueden necesitar consultar los datos a través de múltiples plataformas inconexas y aplicaciones. Esto lleva tiempo y disminuye la capacidad de ventas. A diferencia de las plataformas de datos heredados, HDP almacena datos de muchas fuentes en un data lake. Esto permite una búsqueda única, sin requerir varias consultas individuales a través de diferentes plataformas de almacenamiento no relacionadas. Los agentes se preparan a fondo y pueden realizar más llamadas en un período de tiempo dado, ayudando a aumentar sus ingresos. Las compañías de seguros también pueden utilizar el mismo tiempo de visión única para entender qué agentes son los más productivos en la venta de sus productos—ofreciendo incentivos que promuevan el mejor desempeño o el cierre definitivo de la falta de productividad crónica.


Crea un caché de alta velocidad para el procesamiento de documentos de solicitud

Una vez que los clientes están de acuerdo en comprar un nuevo seguro, el agente y/o asegurador todavía tiene que procesar los documentos de solicitud. Esto puede ser un proceso manual largo que provoca errores. La velocidad es importante, pero también lo es la precisión. Un abonado a Hortonworks en la industria de los seguros construyó un caché de documentos en HDP. Apache HBasecaches, la documentación posterior a la transacción, con meta-etiquetas que aceleran el procesamiento. Y debido a que la arquitectura de HDP basada en YARN soporta el procesamiento del mismo conjunto de datos por múltiples usuarios, el seguimiento de la documentación no ralentiza la evaluación de riesgos u otras analíticas necesarias para iniciar la cobertura. El procesamiento de datos eficiente reduce los costes y mejora la productividad del agente y del suscriptor.


Detecta el fraude

El fraude al seguro es un reto importante en la industria. Según el FBI, "El coste total del fraude al seguro (no en seguros de saludo) se estima en más de 40 mil millones de dólares al año. Esto significa que el fraude cuesta a la familia estadounidense media de 400 a 700 dólares al año en forma de aumento de primas". Debido a que hay más de 7.000 compañías de seguros que recolectan más de 1 billón de dólares en primas al año, los criminales tienen un objetivo grande y lucrativo. Puede ocultar fácilmente sus pistas mientras perpetúan sus crímenes desviando las primas. Una de las compañías de seguros más grandes de los Estados Unidos utiliza HDP para el aprendizaje automático y el modelado predictivo que emplea banderas basadas en reglas de transmisión de datos para atrapar al fraude o las reclamaciones no válidas. Como los datos de las reclamaciones fluyen en el sistema, las alertas en tiempo real ayudan a la investigación para analizar y priorizar las reclamaciones con mayor probabilidad de fraude.

Presenta servicios de reducción de riesgos

Las compañías de seguros entienden los riesgos y —como en otras industrias— están pasando de un uso reactivo a proactivo de sus datos. Cualquier perito ha visto accidentes, incendios o lesiones que podrían haberse previsto y, tal vez, evitado, sacando conclusiones como: "No debería haber estado conduciendo con ese tiempo", o "Esos neumáticos eran demasiado viejos". Ahora las aseguradoras están capturando y compartiendo ese conocimiento con sus clientes antes de que ocurran las pérdidas. Con esta reducción de riesgo y prevención de servicios, las aseguradoras comparten analíticas en tiempo real con los asegurados para que puedan evitar accidentes. Por ejemplo, pueden establecer algoritmos para identificar fenómenos emergentes de alto riesgo relacionados con el mal tiempo, las enfermedades o el equipo y proporcionar alertas a tiempo para ayudar a que sus clientes se protejan a ellos mismos y a sus bienes. Un cliente de Hortonworks que ofrece seguros de vehículos está trabajando en alertas en tiempo real que notificarán a los conductores cuándo una tormenta afectará un tramo determinado de la carretera, y también sugerirá rutas alternativas de menor riesgo.

Valora el riesgo con datos empíricos

El riesgo moral describe los fenómenos de una persona que toma más riesgos porque otro descubre la carga de ese riesgo. Cuando una compañía ofrece un seguro de vehículo, se enfrenta a un riesgo moral por la asimetría de la información —los asegurados saben más sobre cómo conducen que el asegurador. Los conductores pueden conducir un poco más rápido o mirar la carretera con menos atención porque saben que están cubiertos en caso de una colisión. Las aseguradoras fijan precios para cubrir el riesgo moral, y por lo tanto, los conductores más seguros terminan subsidiando a aquellos que toman más riesgos en la carretera. Los seguros basados en el uso (UBI) tienen el potencial de reducir la asimetría de la información y el riesgo moral, recompensando a los conductores más seguros por su buen comportamiento. Una importante empresa aseguradora utiliza sus productos UBI con IOT de seguros y un sensor de datos telemático almacenado en HDP. Antes de utilizar Hadoop, solo se procesaba una parte de los datos UBI retransmitidos desde los sensores en los autos de los asegurados y los procesos de extracción-transformación-carga (ETL) retrasaban la capacidad de analizar los datos hasta una semana después de su recolección. Con HDP, la empresa captura y almacena los datos de conducción de los clientes que optan por los UBI, procesan la gran cantidad de datos en la mitad del tiempo y utilizan el modelado predictivo para recompensar a los conductores por su conducción, en lugar de adivinarlo en función de su edad, tipo de auto, ubicación e historial.