Nós entrevistamos Eduardo Sánchez Delgado, subdiretor-geral da Área Atuarial da MAPFRE
ENTREVISTA ISABEL GARBISU | FOTOGRAFIA MAPFRE | ILUSTRAÇÃO ISTOCK
Eduardo Sánchez Delgado, subdiretor-geral da Área Atuarial da MAPFRE, é doutor em ciências do seguro, atuário, estatístico e economista, e nesta entrevista compartilha seus conhecimentos sobre big data, seu uso em modelos de previsão e sua aplicação no mundo do seguro. E tranquiliza a todos sobre como estão utilizando nossos dados.
O que entendemos por big data?
O conceito big data está de moda. Raro é o dia que não escutamos nas notícias ou lemos alguma notícia relacionada com este termo. Porém, não há uma única definição do que é e significa.
De forma literal falamos de grandes volumes de dados que foi o termo que em 1997 os investigadores da NASA utilizaram em artigo sobre as dificuldades no tratamento de grandes volumes de informação.
No ano 2001 foram utilizados para a caraterização do big data as “3 Vs” que se referem a:
- Volume. A quantidade enorme de dados gerados e armazenados pelas organizações.
- Velocidade. Os dados são transmitidos e processados a grande velocidade.
- Variedade. Os dados disponíveis são de fontes muito diferentes e com formatos diferentes.
Após esta caraterização do big data apareceram outras definições que incorporam novas Vs à definição e que completam o termo original. Me atreveria a definir o big data como a análise de dados proveniente de diferentes origens, que são incorporados e tratados a grande velocidade, para obter um valor agregado ao tomar decisões nas empresas.
Quais são as fontes das que o Big Data se alimenta?
A digitalização do mundo em que vivemos é a que permite a criação de novos grandes volumes de dados. Primeiro com a Internet das coisas, que consiste na incorporação de sensores métricos em dispositivos como os smartphones, as pulseiras de atividade ou o GPS, para sua conexão à Internet e o armazenamento de informação, sem que exista intervenção humana. Segundo com o auge das redes sociais que geram constantemente informação sobre nossos usos e gostos. Adicionalmente outra informação que alimenta o Big data são as transações, por exemplo, pagamentos com cartão, informação biométrica, reconhecimento facial ou DNA. Também a gerada por pessoas, por exemplo, e-mails ou gravações com operadores.
Para que serve?
Para que o big data seja útil é necessário incorporar inteligência a esses dados a partir do aplicativo de modelos estatísticos de previsão. Assim, é possível realizar previsões sobre eventos futuros desconhecidos. Portanto, o importante não é o volume de informação, mas que ela explique o que analisar. Por isso, gosto de falar não apenas sobre big data ou de small data, mas de smart data, os dados inteligentes. O smart data centra-se mais na qualidade que na quantidade de informação necessária para poder prever adequadamente o que analisamos.
A MAPFRE foi pioneira na Espanha na utilização do big data em seguros de automóveis com o lançamento de seu produto YCAR há 10 anos
Então temos também que falar de small data ou smart data ao realizar um modelo de previsão?
Os modelos de previsão ajudam a dar resposta a uma necessidade empresarial. Portanto, o primeiro passo consiste em analisar qual a métrica necessária para tomar decisões. Em segundo lugar, devemos procurar as diferentes fontes de dados. Muitos destes dados provavelmente são internos e small data. Além disso, é preciso considerar se as fontes de big data proporcionam informação adicional que ajuda a melhorar as previsões. Toda a informação relevante e sua análise formam o smart data.
Minha recomendação é utilizar sempre os bancos de dados internos estruturados da instituição, antes de procurar fontes externas. Normalmente, a informação interna é mais fácil de obter e processar e, com frequência, com melhor previsão que a externa e mais valiosa para tomar decisões informadas.
Que tipos de análises são realizadas para a modelização de previsão de seguros?
Há um grande número de modelos de previsão que podem ser utilizados nos diferentes âmbitos da atividade de seguros. O primeiro e mais óbvio é o do cálculo dos prêmios. Os atuários calculam o prêmio a partir de uma previsão do custo médio e da frequência dos sinistros que previsivelmente terão os clientes. Mas, também há um importante número de aplicativos adicionais: previsão da probabilidade de falecimento, deteção de fraude na assinatura ou em caso de sinistro, realização de modelos de sinistros de litígio ou custo elevado, de sinistros catastróficos, de captação e retenção de clientes, de up-selling e cross-selling (venda adicional ou cruzada), de valor de clientes, de não pagamento, de capital para medir a solvência e até de rotação de colaboradores.
O big data é utilizado nesses modelos? A MAPFRE utiliza esses modelos?
A informação de big data susceptível de ser incluída em seguros poderia ser a dos dispositivos instalados nos veículos (GPS), casas (sensores instalados nos sistemas de automáticos da casa), ou pessoas (pulseiras de atividade). Outra fonte pode ser a relacionada com a interação com o cliente ou agentes, como os contatos por telefone, e-mail, agregadores ou o controle dos cliques no site. Por último, a informação de redes sociais também pode ser utilizada.
A MAPFRE foi pioneira na Espanha na utilização do big data em seguros de automóveis com o lançamento de seu produto YCAR há mais de 10 anos. Desenhado para condutores jovens, era instalado um dispositivo GPS no veículo e a tarifa incorporava variáveis utilizadas tradicionalmente, mas também outras relacionadas com o tempo e o modo de condução. Isto permitia ajustar mais o preço do seguro e o aplicativo de descontos aos bons condutores. Adicionalmente, eram oferecidos serviços aos segurados, por exemplo, conexão direta aos serviços de urgência em caso de acidente.
A MAPFRE conta com mecanismos que garantem um tratamento anônimo dos dados dos clientes e o cumprimento dos máximos padrões na proteção da informação
O big data significa uma grande mudança para o setor dos seguros?
Não apenas o big data, mas também a inteligência artificial, Internet das coisas, blockchain ou realidade virtual são elementos que estão transformando o mundo do seguro. Além disso, estão sendo criadas plataformas de inovação onde as empresas de seguros colaboram com start-ups relacionadas com o negócio segurador. Muitas destas insurtechs apresentam propostas de modelos de previsão que utilizam big data.
Quais os projetos atuais da MAPFRE?
A MAPFRE, em seu plano estratégico, tem como uma de suas iniciativas a análise avançada. Nela, os modelos de previsão são um elemento fundamental ao tomar decisões baseadas na inteligência proporcionada pelos dados, incluído o big data. Além da iniciativa estratégica que SAM 3.0, realiza projetos relacionados com as novas tendências do mundo do automóvel, por exemplo, o carro ligado, autônomo ou o pagamento por uso no seguro. Nesta iniciativa estão sendo analisadas novas possibilidades de incorporação do big data para personalizar a oferta seguradora. A Área Atuarial Empresarial está promovendo a utilização de novas técnicas de previsão: o machine learning, que junto com as tradicionalmente utilizadas melhoram a capacidade de previsão dos modelos de cálculo da tarifa e das provisões técnicas nas entidades da MAPFRE.
Quais os benefícios do big data?
Pode ajudar as empresas de seguro a tomar melhores decisões. Além disso, as vantagens também são dos clientes. Por um lado, as empresas oferecem produtos mais ajustados às necessidades específicas dos clientes. Por outro, a monitorização do comportamento através de dispositivos ligados como as pulseiras de atividade, os smartphones ou dispositivos instalados em casa, permitem melhorar o conhecimento dos clientes e adotar comportamentos de prevenção para sua saúde ou para um uso mais eficiente de seus bens.
Deve haver um equilíbrio entre a particularização do risco e o princípio de compensação de riscos com o que socialmente está comprometido o seguro
Quais são os desafios do big data?
Tudo o que está relacionado com a privacidade da informação e, no âmbito segurador, a possível perda do componente mutualizador do risco no cálculo do prêmio.
Em relação à privacidade da informação, a MAPFRE conta com mecanismos que garantem um tratamento anônimo dos dados dos clientes e o cumprimento dos máximos padrões na proteção da informação.
Em relação à perda do componente de mútua e compensador de riscos no cálculo do prêmio, acho que deve ter um equilíbrio entre a particularização do risco e o princípio de compensação de riscos com o que socialmente está comprometido o seguro.
