Reply ti permette di entrare a far parte di una realtà formata da persone da tutto il mondo con la passione per la tecnologia, la capacità di immaginare ed esplorare nuove soluzioni, la voglia di innovare e sfidare lo status quo.Vuoi unirti alla squadra?
La compagnie di assicurazioni tradizionali tentano di differenziare e premiare i guidatori “sicuri” per la loro condotta di guida nel tempo, come la frequenza di incidenti, i chilometri percorsi di notte o su autostrade, gli orari e le ore di guida, con l'obiettivo di allineare i premi al rischio empirico, basandosi sulla guida effettiva degli assicurati. I guidatori più sicuri pagano meno, perché la compagnia assicurativa sa come guidano e, dato che anche gli assicurati ne sono consapevoli, si avvia una spirale virtuosa in cui condotte incaute vengono evitate in cambio di uno sconto. Sfortunatamente, il mercato dell’assistenza con scatola nera sembra non aver capitalizzato i recenti progressi nelle tecnologie GPS, degli accelerometri e della telemetria e questo, unito al consolidamento dell'offerta di assistenza, ha portato a un utilizzo vastissimo di polizze Pay as You Drive o Pay Per Use. È tempo per gli assicuratori di recuperare i dati dei propri clienti, salvare il flusso dei dati di guida dai veicoli, sviluppare intuizioni e applicare sconti e tariffe ad hoc e differenziate. Questo si semplifica con l’aumento della granularità dei dati acquisiti, ma una granularità maggiore implica costi maggiori, quindi la compagnia conserva solo il 25% dei dati disponibili, mentre il tempo di elaborazione richiede solitamente una settimana lavorativa. Adottando un’architettura Hadoop un assicuratore può conservare il 100% dei dati di geolocazione degli assicurati ed elaborare questo enorme flusso di dati in poche ore. La velocità dei nuovi strumenti di analisi dei Big Data permette di analizzare quantità di dati molto elevate in modo rapidissimo, avendo così un potente alleato nella veloce e accurata ricostruzione degli incidenti, e garantendo una lotta efficace e immediata alle frodi.
Qualsiasi tempo di inattività è una potenziale perdita di fatturato per le aziende, a causa della mancata produzione, dei costi di riparazione e delle perdite generate nel processo; al fine di minimizzare questo rischio, i produttori utilizzano solitamente programmi di manutenzione preventiva, che applicano quasi sempre un approccio basato su scadenze, vale a dire che fa riferimento alla necessità di sottoporre a manutenzione o sostituire pezzi a intervalli predefiniti. Per esempio, potrebbe essere prevista la sostituzione di un componente dopo un determinato intervallo di tempo o un certo numero di operazioni. Al contrario, un programma di manutenzione basato sulle condizioni si focalizza sulle condizioni delle apparecchiature e sul loro funzionamento, anziché su un intervallo di tempo o su un programma predefinito. Con il miglioramento della tecnologia, ogni dispositivo di engineering è ora dotato di sensori e RFID che possono trasmettere attivamente informazioni basilari sulle variabili del veicolo, come temperatura, livello dell’olio, vibrazioni, carichi di lavoro, umidità, tasso di produzione, misurazione dei consumi e guasti. Inviando a un data lake l’enorme quantità di log dati generati dalla macchina e combinandoli con le impostazioni di guasto registrate quando un robot va in avaria e con la relativa cronologia di manutenzione, si faciliterà certamente l'identificazione di modelli che portano al guasto del robot, dando forma alla condizione dell'apparecchiatura in manutenzione al fine di prevedere quando un intervento di questo tipo risulta necessario.
Ogni compagnia assicurativa si preoccupa di minimizzare il rischio e di massimizzare le opportunità di bilanciare la possibilità di riscuotere premi con il rischio di pagare indennizzi laddove pochi individui possono causare perdite straordinarie se le loro attività dolose passano inosservate. Le compagnie assicurative immagazzinano ed elaborano enormi quantità di dati, ma solitamente questi rimangono isolati in silos funzionali, mentre la loro integrazione in Apache Hadoop può fornire una migliore comprensione per migliorare i margini operativi e anticipare gli eventi unici che potrebbero causare perdite disastrose. Ogni assicuratore possiede già i sistemi per l’analisi di dati strutturati a un livello adeguato. Sfortunatamente, le informazioni raccolte su una base indennizzo per indennizzo rimangono nella maggior parte dei casi limitate ad aree funzionali della compagnia diverse e separate (gestione degli indennizzi, amministrazione, finanza, gestione delle frodi) e vengono usate raramente dalle funzioni attuariali per migliorare i modelli di prezzo. Note di indennizzo meno strutturate e analisi basate su social media aggiungerebbero un valore significativo per una migliore comprensione dei soft link tra azionisti coinvolti in un incidente o, più in generale, in un processo di gestione degli indennizzi, ma questo approccio non va bene e passa facilmente nei magazzini di dati tradizionali; la combinazione di dati di testo o sociali con dati strutturati in un ambiente RDDMBS non è infatti una via economicamente percorribile. Un sistema con “schema on read” come Apache Hadoop permette di acquisire una gamma molto più ampia di tipi di dati, per poterli poi riunire in un data lake in modo semplice e rapido, per avere un quadro più chiaro e olistico del rischio effettivo. Questa capiente riserva di dati può essere ulteriormente analizzata con gli strumenti di intelligenza aziendale esistenti e le competenze dei dipendenti, grazie alla vicina integrazione tra la piattaforma Hadoop e le piattaforme BI più utilizzate che sono attualmente collegate oppure, ancora meglio, tramite la nuova classe di strumenti di data discovery. L’approccio proposto, che supera le gerarchie dei ruoli, porta a una visione unificata dei fenomeni, fornendo un’opportunità per comprendere in anticipo nuove tendenze o modelli di frode che non potrebbero essere rilevati facilmente, analizzando i fenomeni attraverso la solita indagine settoriale.
Ogni compagnia, con la combinazione di molti clienti e molti punti di interazione tra clienti, aspira a realizzare la proverbiale prospettiva del cliente a 360 gradi. Tuttavia, il raggruppamento di dati provenienti da molti sistemi amministrativi separati, sistemi di richieste di indennizzo e altre sorgenti di dati (solitamente una miscela di software commerciali e di applicazioni create in proprio) non è così facile, mentre estrarre, sostituire o semplicemente toccare questi sistemi di registrazione di importanza critica è solitamente fuori discussione. Quindi come potrebbe una grande compagnia assicurativa accedere alle informazioni da queste varie sorgenti? Negli ultimi anni i database NoSQL si sono affermati come un’opzione diversa e scalabile per riunire i dati acquisiti da numerosissimi sistemi legacy che contengono decine di terabyte di dati, in modo da fonderli in un unico record che si aggiorna quasi in tempo reale, nel momento in cui i dati di un nuovo cliente vengono inseriti. È facile comprendere la spinta effettiva che una "prospettiva cliente con record singolo", che rappresenta una cronologia dello stato, delle transazioni, degli indennizzi e delle richieste di un cliente, può dare in termini di efficienza dei processi e di conseguenza di soddisfazione del cliente. Inoltre, il valore di una semplice integrazione tra informazioni semi-strutturate e strutturate, come le immagini di cartelle cliniche, certificati medici, lamentele, informazioni amministrative o basate su file, e dati transazionali diventa giorno dopo giorno sempre più necessario per il miglioramento della qualità del servizio. Un altro punto a favore di NoSQL. La distruzione dei silos di dati che impediscono la prospettiva a 360 gradi del cliente può essere un compito impossibile, ma l’integrazione dei dati attraverso un’architettura NoSQL per tracciare e presentare tutte le interazioni dei clienti con i contact center, i login a vari siti web e le interazioni personali con agenti assicurativi o specialisti in materia di indennizzi per comprendere i requisiti dei clienti e aiutarli con il giusto prodotto, nel momento giusto e al costo giusto, può essere effettuata all'incirca in un quarto d'ora.