Muitas companhias de seguros estão explorando em grandes e rápidos fluxos complexos de big data e aplicando técnicas analíticas avançadas para transformar a maneira como eles fazem negócios. Mas no Indústria de Seguro de Vida , o uso de big data parece estar baixo na agenda executiva. Talvez o mais importante seja que essas empresas tenham poucos dados disponíveis para começar. Isso ocorre em parte porque eles têm interações limitadas com os clientes e em parte porque uma empresa geralmente não recebe muitos dados adicionais de um cliente quando um aplicativo para um produto de seguro de vida for concluído. Além disso, os dados em si geralmente envolvem questões significativas de privacidade, incluindo informações de saúde, comportamento e estilo de vida que podem ser altamente sensíveis e, em alguns países, fortemente regulamentadas. (Ver "
Life insurance companies are taking a backseat approach to big data for many reasons. Perhaps the most important is that these companies have little available data to begin with. This is partly because they have limited interactions with customers and partly because a company usually does not get much additional data from a customer once an application for a life insurance product is completed. What’s more, the data itself often involves significant issues of privacy, including health, behavioral, and lifestyle information that can be highly sensitive and, in some countries, tightly regulated. (See “ Privacidade de dados pelos números , "BCG Slideshow, fevereiro de 2014). As seguradoras estão oferecendo produtos e serviços valiosos ou aprimorados em troca de dados pessoais que os clientes fornecem voluntariamente. As maneiras
Yet after conducting a comprehensive survey of the industry, we have found that forward-thinking life-insurance companies are overcoming these challenges through four growth strategies. Some are using big data and advanced analytics to improve business processes and expand into new markets, thereby generating significant revenues and profits. Others are building long-term, trusted relationships with customers. These insurers are offering valuable new or improved products and services in exchange for personal data that customers provide voluntarily. The new offerings may help clients improve their health or may provide access to insurance for people who are considered risky or expensive to serve.
The landscape is changing. Companies that get ahead of these shifts will discover new opportunities for efficiency, growth, and innovation.
Life Insurers Can Profit from Big Data in Four Ways
Big Data e Avanced Analytics podem ajudar as seguradoras a obter acesso a uma grande quantidade de informações que os consumidores podem ser persuadidos a compartilhar - se as empresas criarem os incentivos certos, agregar valor e criar uma plataforma fácil de engajamento. A primeira dimensão permite que as empresas cresçam vendendo mais produtos para cada cliente existente e aumentando a lealdade. A segunda dimensão alimenta o crescimento, ampliando o portfólio de clientes - ou seja, vendendo para novos clientes. (Veja o Anexo 1.) Várias seguradoras líderes em todo o mundo estão atualmente explorando essas abordagens, em alguns casos que construem parcerias que estão começando a transformar a maneira como os negócios são feitos. Ferramentas e técnicas já estão aumentando significativamente o desempenho operacional. Algumas empresas, por exemplo, geraram um aumento de 5 a 15 pontos percentuais na taxa de colocação
We have observed that the four growth strategies have two dimensions: the intensity of the customer relationship and the degree of expansion into new markets. The first dimension allows companies to grow by selling more products to each existing client and by increasing loyalty. The second dimension fuels growth by broadening the client portfolio—that is, by selling to new clients. (See Exhibit 1.) Several leading insurers around the world are currently exploring these approaches, in some cases building partnerships that are beginning to transform the way business is done.
Enhancing Business Processes. Big data and advanced analytical tools and techniques are already boosting operational performance significantly. Some companies, for example, have generated an increase of 5 to 15 percentage points in the ,, que mede quantas pessoas compram uma política após iniciar o processo de inscrição. Outras empresas reduziram a duração do processo de inscrição de semanas para horas. A Aviva, por exemplo, experimentou a substituição seletiva de exames médicos caros e inconvenientes por modelagem preditiva de risco com base em dados aprimorados. Um estudo de 60.000 candidatos a Aviva descobriu que os dados não tradicionais eram tão eficazes na identificação de riscos potenciais à saúde quanto os testes de sangue e urina. Em quase tempo real, essas empresas rastreiam métricas como taxas precoces de lapso de clientes, taxas de divulgação (quanta informação um agente é capaz de obter de um candidato) e tamanho médio da política. Eles também projetam incentivos com base nesses indicadores para mover o desempenho na direção certa. Além disso, eles fornecem aos agentes ferramentas avançadas de suporte de vendas. Por exemplo, o MassMutual Financial Group desenvolveu um aplicativo móvel que destaca os clientes com maior probabilidade de comprar uma política. O sistema aumentou as taxas de colocação em 5 % em 18 meses. Essas empresas também estão aprimorando a geração e a qualificação de leads. Uma seguradora global na Ásia gera novas perspectivas de alta qualidade para sua operação de vendas por meio de modelagem preditiva de dados de um parceiro bancário de varejo. O algoritmo avançado da seguradora analisa informações sobre as compras anteriores de seguros, idade, sexo, renda, ativos e tempo de relacionamento com a empresa para compilar uma lista de milhões de perspectivas de vendas com maiores propensões para a compra de seguro de vida. A empresa espera que essa nova fonte de leads constitua de 10 a 15 % do total de leads qualificados no futuro, representando uma importante fonte de crescimento além do mercado saturado de clientes tradicionais baseados em filiais.
In underwriting, some insurers are improving risk assessment during the underwriting process by including more relevant big-data variables in existing analytical models. Aviva, for example, has experimented with selectively replacing costly and inconvenient medical exams with predictive modeling of risk based on enhanced data. A study of 60,000 Aviva applicants found that nontraditional data was as effective in identifying potential health risks as blood and urine tests.
In distribution, companies are improving agent recruiting and retention by developing predictive models to identify, select, and retain the best sales performers. In near real time, these companies track metrics such as early customer-lapse rates, disclosure rates (how much information an agent is able to obtain from an applicant), and average policy size. They also design incentives on the basis of these indicators in order to move performance in the right direction. What’s more, they provide agents with advanced sales-support tools. For instance, MassMutual Financial Group has developed a mobile app that highlights the customers who are most likely to buy a policy. The system has increased placement rates by 5 percent in 18 months.
Finally, in marketing, companies are using advanced analytics to better model both the likelihood of customers buying a product and the risk of customers cancelling coverage. These companies are also enhancing lead generation and qualification. One global insurer in Asia generates high-quality new prospects for its sales operation through predictive modeling of data from a retail banking partner. The insurer’s advanced algorithm analyzes information about customers’ previous insurance purchases, age, gender, income, assets, and length of relationship with the company to compile a list of millions of sales prospects with higher propensities for buying life insurance. The company expects this new source of leads to constitute 10 to 15 percent of total qualified leads in the future, representing an important source of growth beyond the saturated market of traditional, branch-based customers.
Aumentando a penetração do mercado. Eles estão até automatizando processos de subscrição para reduzir custos, quando relevantes. Isso permite que as seguradoras e os intermediários sirvam novos segmentos de mercado de maneira lucrativa. Os contratos são tradicionalmente considerados demorados muito tempo para subscrever, e as comissões que eles produziram eram muito baixas. No entanto, o mercado intermediário representa bilhões de dólares em prêmios anuais potenciais e serve como uma ponte para vendas de outros produtos financeiros, como anuidades. Automatando os processos de subscrição e distribuição para esse segmento reduz os custos e permite que as empresas vendam lucros com lucro com margens mais baixas. As decisões são comunicadas a um agente em menos de um minuto em 90 % dos casos, e menos de 5 % das aplicações requerem intervenção humana. Um mecanismo de regras coleta e processa automaticamente dados externos de fontes como o grupo MIB, relatórios de veículos a motor e bancos de dados de prescrição. Mais de 1,3 milhão de aplicativos foram subscritos até o momento com o sistema. Some companies are expanding into new markets with leaner, faster underwriting processes powered by big data and advanced analytics. They are even automating underwriting processes to lower costs, when relevant. This allows insurers and intermediaries to serve new market segments in a profitable way.
Consider, for example, how companies have sometimes been hesitant to sell to the middle market, often defined in the U.S. as households with annual incomes of $35,000 to $100,000. The contracts have traditionally been regarded as too time-consuming to underwrite, and the commissions they produced were too low. Yet the middle market represents billions of dollars in potential annual premiums and serves as a bridge to sales of other financial products, such as annuities. Automating the underwriting and distribution processes for this segment reduces costs and allows companies to profitably sell products with lower margins.
SCOR Global Life, for instance, offers a real-time, fully automated underwriting solution called Velogica, which helps life insurers in the U.S. create affordable products for the largely underserved middle market. Decisions are communicated to an agent in less than a minute in 90 percent of cases, and fewer than 5 percent of applications require human intervention. A rules engine collects and automatically processes external data from sources such as the MIB Group, motor vehicle reports, and prescription databases. More than 1.3 million applications have been underwritten to date with the system.
Aprofundando os relacionamentos com os clientes. Em troca de fornecer mais dados às seguradoras, os clientes recebem um produto que oferece mais do que simples tranquilidade e proteção. As empresas também podem incluir serviços que influenciam comportamentos e ajudam as pessoas a fazer mudanças prolongadas. As seguradoras geralmente não sabem muito sobre a saúde de um cliente ao longo da vida de uma política e, como resultado, não têm informações sobre a evolução do risco de mortalidade. Os segurados, por outro lado, geralmente sabem muito - mas podem não estar dispostos a compartilhá -lo. Os clientes que assinam o programa da seguradora inserem informações sobre seu estilo de vida e comportamentos relacionados à saúde, recebem uma verificação anual de saúde e fazem outros testes para avaliar exercícios, hábitos alimentares e níveis de estresse. Com base em sua participação no programa e nas mudanças que eles fazem em seu comportamento, os clientes recebem pontos de vitalidade que podem resgatar por descontos em uma variedade de parceiros de saúde, fitness, compras e atividade de lazer. Os clientes que mantêm seus hábitos saudáveis também recebem preços marcadamente melhores nos produtos de seguro da empresa como um incentivo adicional para sustentar suas práticas de prevenção. As seguradoras ganham recebendo muito mais dados para melhor selecionar riscos e gerar maior retenção e lealdade. E a sociedade é bem servida pela redução de comportamentos negativos que representam a grande maioria das despesas relacionadas à saúde. (Ver Anexo 2.) Além disso, a Companhia estima que a vitalidade aumentou os lucros operacionais em quase um ponto percentual completo. O programa recentemente expandiu além de sua base original na África do Sul por meio de parcerias com as principais companhias de seguros, como Prudential no Reino Unido, Humana nos EUA, apresentando um seguro na China e AIA em Cingapura e Austrália. Riscos. As seguradoras de vida usadas para avaliar os riscos à saúde apenas uma vez, na inscrição, fazendo perguntas sobre comportamentos de estilo de vida ligados a um maior risco de mortalidade. Agora, as seguradoras confiáveis podem acessar dados regularmente se oferecem por clientes de alto risco em troca de seguros que, a certa altura, não foram acessíveis ou indisponíveis. A few companies are using big data and advanced analytics to extend their offerings with trust-based services that increase the intensity of the customer relationship, gaining mutual benefits for customers and insurers. In exchange for providing more data to insurers, customers receive a product that offers more than simple peace of mind and protection. Companies can also include services that influence behaviors and help people make life-extending changes.
These approaches get around the significant information asymmetry in the life insurance business. Insurers often do not know much about a customer’s health over the life of a policy, and as a result they lack information about the evolution of the mortality risk. Policyholders, on the other hand, often know a great deal—but may not be willing to share it.
Consider how Discovery has circumvented this problem with a wellness and loyalty program called Vitality. Customers who subscribe to the insurer’s program enter information about their lifestyle and health-related behaviors, receive an annual health check, and take other tests to assess exercise, eating habits, and stress levels. Based on their participation in the program and changes they make to their behavior, customers receive Vitality points that they can redeem for discounts at a range of health, fitness, shopping, and leisure-activity partners. Customers who maintain their healthy habits also receive markedly better pricing on the company’s insurance products as an added incentive to sustain their prevention practices.
Customers benefit from discounts, rewards, and a personalized program to improve their health. Insurers gain by receiving a great deal more data to better select risks and generate higher retention and loyalty. And society is well served by the reduction of negative behaviors that account for the vast majority of expenditures related to health.
Discovery estimates that it has achieved a reduction in lapsed policies of as much as 52 percentage points and a reduction in mortality of as much as 34 percentage points for most active participants in the program. (See Exhibit 2.) In addition, the company estimates that Vitality has increased operating profits by almost a full percentage point. The program recently expanded beyond its original base in South Africa through partnerships with major insurance companies, such as Prudential in the UK, Humana in the U.S., Ping An Insurance in China, and AIA in Singapore and Australia.
Underwriting New Risks. A handful of companies are on the leading edge, using big data and advanced analytics to underwrite entirely new risks that previously could not be covered profitably and to increase the intensity of the customer relationship. Life insurers used to assess health risks just once, at sign-up, asking questions about lifestyle behaviors linked to a higher risk of mortality. Now, trusted insurers can access data regularly volunteered by high-risk customers in exchange for insurance that had at one point been unaffordable or unavailable.
AllLife fornece seguro de vida e incapacidade acessível aos segurados que sofrem de doenças gerenciáveis, como HIV e diabetes, e que concordam em aderir a um protocolo médico rigoroso. Os pacientes recebem verificações mensais de saúde e recebem conselhos personalizados sobre como gerenciar suas condições. Com a permissão do cliente, os dados são extraídos diretamente de prestadores médicos. Se um cliente não seguir o protocolo de tratamento ou interromper o tratamento, os benefícios ou a cobertura poderão ser reduzidos ou cancelados após um aviso inicial. A empresa avalia seu risco a cada três a seis meses, e não apenas uma vez. Seis meses após a inscrição, os sistemas imunológicos de pacientes com HIV, por exemplo, melhoraram 15 % em média - mesmo sem tratamento. Ao mesmo tempo, a Alllife se beneficia quando os clientes tomam medidas voluntárias para reduzir seu risco e aumentar o fluxo de informações de saúde para a seguradora. Doenças. Quando as seguradoras adicionam dados voluntários de avaliações de risco (como exames de saúde) e fontes de dados não tradicionais (como dados comportamentais ou não estruturados), elas podem reduzir significativamente a assimetria de informações que existe entre eles e seus clientes. Eles também podem abrir novos caminhos vitais para o crescimento. reivindicações e detecção de fraude. (Ver
Clients who have participated in prevention programs have boosted their health and lengthened their life expectancies. Six months after enrollment, the immune systems of HIV patients, for example, improved by 15 percent on average—even without treatment. At the same time, AllLife benefits when clients take voluntary measures to reduce their risk and increase the flow of health information to the insurer.
The company is growing at an annual rate of 50 percent and aims to insure 300,000 HIV patients by 2016. An investor claims that AllLife’s model is highly profitable and that the company’s risk is not much higher for HIV clients than it is for clients who do not suffer from these diseases.
How Life Insurers Can Get Started
These strategies demonstrate that policyholders are indeed willing to share personal data with insurers in exchange for improved customer relationships, lower pricing, richer rewards, or previously unavailable or unaffordable coverage. When insurers add voluntary data from risk assessments (such as health exams) and nontraditional data sources (such as behavioral or unstructured data), they can significantly reduce the information asymmetry that exists between themselves and their customers. They can also open up vital new pathways for growth.
Companies can enhance their ability to generate competitive advantage from these strategies with the following actions.
Start with data-intensive business processes that have clear business potential. In the short term, insurers should focus on the “moments of truth” that occur in situations where companies already have a lot of contact with clients, such as underwriting, claims, and fraud detection. (See “Big Data: a próxima grande novidade para as seguradoras?” Artigo do BCG, março de 2013.)
Desenvolva dados proprietários. Por exemplo, as montadoras que usam dados telemétricos dos carros dos clientes criaram uma proposta de valor exclusiva que será difícil de deslocar. (Ver In an industry with limited information, the only way to build long-term advantage is to develop one’s own data sets. For instance, automakers using telemetric data from customers’ cars have built a unique value proposition that will be hard to displace. (See “Telemática: o teste para as seguradoras”= Artigo do BCG, dezembro de 2013.) Algumas seguradoras podem obter uma vantagem trabalhando por conta própria, como a descoberta fez. Outros, dependendo do tamanho e dos recursos existentes, podem precisar confiar em parcerias até certo ponto. Mas agora agora reside em outros departamentos também. A equipe ideal deve ser capaz de cooperar entre os departamentos e deve incluir marketing, atuarial, reivindicações, ciência de dados e funções legais. Em alguns casos, as empresas podem precisar dar uma responsabilidade executiva por explorar novos caminhos de design de produtos e avaliação de riscos por meio de big data e análise avançada. As seguradoras devem demonstrar como um maior acesso a dados pessoais produz vantagens claras para os consumidores e a sociedade por meio de novos produtos e serviços. (Veja
Break down information silos. Traditionally, analytical expertise has resided in the actuarial department. But it now often resides in other departments as well. The ideal team should be able to cooperate across departments and should include marketing, actuarial, claims, data science, and legal functions. In some cases, companies may need to give an executive responsibility for exploring new avenues of product design and risk assessment through big data and advanced analytics.
Build trust through mutual benefit. In such a heavily regulated industry, companies must create trust with both consumers and regulators. Insurers must demonstrate how greater access to personal data produces clear advantages for both consumers and society through new products and services. (See A vantagem de confiança: como ganhar com big data , BCG Focus, novembro de 2013.)
O potencial verdadeiramente transformador dessas estratégias levará tempo para serem reproduzidas. A longo prazo, essas abordagens abrirão caminhos importantes para o crescimento e a inovação para empresas dispostas a experimentar agora. Eles ganharão os melhores clientes, reduzirão o risco, aumentarão a lealdade e criarão mais oportunidades de produtos e serviços cruzados.
Insurers that excel at these and other strategies to intensify the customer relationship and move into new markets will catch up to—or even surpass—more nimble companies that are already in the game. They will win the best clients, reduce risk, increase loyalty, and create more opportunities to cross-sell products and services.
O restante corre o risco de ficar para trás ou ceder os relacionamentos mais atraentes do cliente e os mercados emergentes a outras pessoas.
Paul Clark
