EXCLUSIVO – O CEO da Dataholics, Daniel Mendes, explica como a análise detalhada de uma base de dados maior pode contribuir para a subscrição de riscos mais eficiente
Como a Dataholics percebeu a necessidade de atuar nesse setor?
Daniel Mendes: As seguradoras possuem formas muito padronizadas e previsíveis para medir a sinistralidade das pessoas, através de questionários enviesados, que levam em consideração informações básicas sem entrar no nível de personalização. Por exemplo, conseguimos detectar nuances de comportamento, dados do bairro e até da rua, clima e outros fatores que levam a análise de risco para o nível individual, sendo portanto bem mais eficaz. Também, recebemos algumas demandas de empresas de seguros e empresas de tecnologia que propõe soluções para seguradoras, solicitando nosso serviço.
Qual é a importância da análise de crédito no processo de avaliação de risco em seguros?
Daniel Mendes: Hoje em dia se leva muito em consideração o score de crédito tradicional para a análise de risco de seguro. O que propomos não é isso, mas sim o uso de dados abertos e de fontes de informações não convencionais, aliadas à inteligência artificial, para que se crie mecanismos de análise de sinistralidade mais amplos e inteligentes, que possam predizer com exatidão a precificação do seguro de forma individual, ajudando assim a baixar o grau de sinistralidade a aumentar o faturamento da empresa. Podemos ainda monitorar toda a base de segurados para acompanharmos o score de sinistralidade de cada cliente, podendo reagir a tempo ou alterar o preço do seguro conforme a variação do risco.
Quais são os principais fatores que as seguradoras consideram ao analisar o score de um indivíduo hoje?
Daniel Mendes: Existem vários produtos diferentes de seguros, mas tomemos como exemplo o seguro de automóvel: as seguradoras se interessam pelo perfil de idade, saber se a pessoa usa o carro para o trabalho, o local onde estaciona e outras questões padrão sobre o uso do veículo. Mas, imaginemos que usem a Dataholics como ferramenta, poderia então ter um modelo de inteligência artificial que observa aquele potencial cliente e compará-lo em tempo real com os outros centenas de milhares de clientes, e dá-lhe uma nota de risco pela similaridade. Para essa análise poderia, além das perguntas tradicionais, analisar o índices de roubos de veículos em sua rua ou bairro, a taxa de criminalidade da cidade, o nível de segurança que a profissão da pessoa tem para poder seguir pagando as parcelas, o nível de estudos da pessoa, vínculos familiares, fraudes cometidas etc. Enfim, pode agregar automaticamente uma enormidade de outros fatores que irão descobrir o perfil do bom segurado e aceitar apenas os clientes que apresentam esses atributos.
O que vai mudar com a atuação da Dataholics na prática?
Um maior nível de automação no processo por utilizar um modelo que coleta dados e interpreta-os de forma rápida. Escala comercial e de receita da operação por confiar no processo e poder replicá-lo exponencialmente por ser digital. Diminuição da necessidade de aumento de time analítico e de modelagem. Evolução contínua dos modelos de análise de risco, com re treino a cada quatro meses trazendo melhorias operacionais e novos conjuntos de dados inéditos.
Como as seguradoras lidam com clientes com um score baixo hoje?
Este cliente acaba pagando um valor mais alto pelo seguro, pois a empresa seguradora tem receio que este aplique uma fraude ou incida em sinistros que tragam prejuízos. Isso leva a pessoa a cair justamente em inadimplência ou abandonar o produto, além de aumentar a rejeição pela compra.
Existe algum investimento da DATAHOLICS em tecnologia para esse setor?
Daniel Mendes: A Dataholics está desenvolvendo um projeto, ainda sigiloso, para uma empresa de tecnologia que deseja gerar uma solução inusitada para seguro de bens materiais eletrônicos.
Que tipo de ganho esse tipo de empresa pode ter ao se tornar parceiro da Dataholics?
Daniel Mendes: Com um modelo de análise de risco customizado, que entende bem o perfil do público consumidor e consegue predizer o bom e mau cliente com grande acurácia, a empresa seguradora tende a aceitar mais bons clientes e rejeitar os maus, e consequentemente aumentar suas receitas. Também, irá se diferenciar e distanciar de seus concorrentes por dar condições mais vantajosas para clientes que são rejeitados ou inflacionados pelos competidores, melhorando sua imagem e volume de adesão.
Quais são as práticas recomendadas para os consumidores melhorarem seu credit score e, consequentemente, obterem melhores condições de seguro?
Daniel Mendes: A prática mais indicada é manter uma reputação boa e transparente, contendo uma carreira em crescimento, estudos condizentes, afastando-se de crimes e de incidir em inadimplência. O bom comportamento se refletirá nos dados observados e, consequentemente, no score de crédito calculado pelo algoritmo.
Como o avanço da tecnologia e o acesso a grandes volumes de dados estão influenciando o uso do credit score no setor de seguros?
Daniel Mendes: As seguradoras, que antes eram consideradas empresas de baixa tecnologia, agora estão contando com mais apoio de startups e de seus times internos para revolucionarem o setor. Cases como o da empresa internacional Lemonade mostram que o caminho de análise de dados é fundamental para a melhora da efetividade de análise de risco de pessoas e empresas. Barreiras como a dificuldade de acesso básico a dados cadastrais dos próprios clientes devem ainda serem superadas.
Quando você fala em crédito, seria para qualquer segmento – auto, casa?
Daniel Mendes: Os produtos de seguro não deixam de ser produtos de crédito, onde uma empresa fornece um serviço contando com a pontualidade no pagamento das parcelas deste. Logo, todos os produtos de seguro, sejam eles para casa, vidas, automóveis, bens materiais, podem ser aprimorados pelo uso de tecnologia de ponta e de dados, uma vez que todos exigem uma análise de risco antes da efetivação do contrato.
K.L.
Revista Apólice
