Liberando os insights bloqueados nos sistemas de administração de políticas e nos dados Bordereaux

Os problemas

Nosso cliente é uma grande MGA de linhas pessoais com cerca de 250 profissionais, diretamente ou por meio de parcerias, que atendem ao ciclo de vida do produto, desde a subscrição, conformidade, gerenciamento de sinistros e serviços de administração de apólices.

A equipe de consultoria da GIROUX.ai realizou uma fase de descoberta e identificou que cerca de 80% das tarefas consistiam em estabelecer e manter controles quando se tratava de qualidade e resiliência de dados. O mais surpreendente é que os subscritores esperavam de dois a três meses para obter um conjunto limpo de dados para realizar seu trabalho, o que às vezes causava atrito com as relações entre parceiros e seguradoras. Os relatórios do PowerBI estavam fornecendo resultados diferentes, dependendo de quem escreveu a consulta SQL por trás dos relatórios. Era um verdadeiro desafio.

Por exemplo, os dados de sinistros estavam incompletos, com erros como sinistros ausentes ou alocação incorreta em relação à apólice errada. Tipos incorretos de apólices levaram à aplicação de taxas incorretas. As exceções não eram detectadas em tempo hábil. Como resultado, os índices de perdas líquidas ganhas nem sempre estavam corretos, especialmente ao fornecer uma atualização de mercado à seguradora.

Hora de agir

Sem uma rápida reviravolta, a seguradora corria o risco de alienar suas parcerias com o mercado e algumas de suas seguradoras estavam ameaçando retirar sua capacidade a menos que seus relatórios melhorassem, especialmente em relação à precisão da previsão do desempenho do fichário.

Em um período de três a seis meses, a GIROUX.ai realizou uma consultoria rápida usando seu método bem ensaiado e comprovado para traduzir a estratégia da MGA em uma arquitetura de dados conceitual e física robusta. A abordagem foi totalmente participativa, utilizando uma série de entrevistas e workshops durante oito semanas. Em seguida, a equipe conjunta cliente-GIROUX.ai traçou o perfil das fontes de dados e começou a carregar dados históricos de até 10 anos, aproveitando também o trabalho da equipe de TI. Em vez de substituir o que a TI estava fazendo, tratava-se de aumentar o trabalho da equipe para preencher a lacuna entre o que os atuários e subscritores precisavam e o que havia sido construído.

Implantação e resultados

Conforme ilustrado abaixo, o sistema foi implantado com sucesso em poucas semanas e forneceu os requisitos básicos aos subscritores e atuários, bem como a outros profissionais, como gerentes de sinistros e equipe de administração de apólices.

Cada usuário tinha a capacidade de ver o que precisava para realizar suas respectivas tarefas. A definição de termos como métricas, atributos e hierarquias aproveitava o que a empresa estava acostumada a fazer, de modo que as necessidades de treinamento eram mínimas. Um benefício importante foi o fato de o processo de implementação ter incentivado a organização a adotar maior disciplina no que se refere à definição de termos para métricas e atributos. Além disso, não foram necessárias habilidades em SQL ou Python para criar relatórios ou consultar dados - todos os usuários puderam se autoatender facilmente. É importante ressaltar que a MGA em questão conseguiu garantir um contrato de capacidade adicional de três anos após a rápida reviravolta.