Nuevas tecnologías aplicadas al derecho de seguro Big Data y Data Mining(*)

Sumario: 1- Introducción. 2- ¿Qué es Big Data? 3- ¿Qué es Data mining? 4- Ente regulador Sujetos Obligados, legislación vigente. 5- Usos y aplicaciones del Big Data y Data Mining en materia de seguros. 6- Data mining: algoritmos de detención de fraude. 7- Big Data, data mining y recursos humanos. 8- Ponencia.

  1. Introducción: Big Data y Data Mining

En estos últimos años las compañías de seguros han atravesado muchos cambios no solo a nivel normativo sino también tecnológico obligándonos a quebrar con una vieja estructura para permitir un cambio de paradigma en pos de adaptarse a las exigencias del mercado, han cambiado no solo la legislación sino también el entorno que nos rodea en el cual nuestros clientes se han vuelto más selectivos, más tecnológicos y por excelencia exigentes, lo cual nos obliga a mejorar nuestra competitividad a través de un análisis de rentabilidad para incorporar nuevas tecnologías que nos permitan no solo analizar datos, sino detectar y extraer información valiosa que nos permita prevenir ciertas conductas de los usuarios de seguros.

El Big Data y Data Mining son herramientas que en el mundo de los negocios tienen gran relevancia en la actualidad; seguramente han escuchado hablar de ellas y del Business Intelligence también y esto las convierte en herramientas fundamentales para generar más negocios rentables a través del uso de datos

  1. ¿Qué es Big Data?

Cuando hablamos de Big Data nos referimos a conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales. ¿A qué datos nos referimos? ¿Cualquier dato es valioso? Para que los datos se consideren Big Data deben cumplir cuatro requisitos fundamentales y estos son: ser un gran volumen de datos, velocidad, variedad y veracidad. En nuestro cotidiano generamos datos constantemente, tan solo con trasportar nuestro celular en el bolsillo estamos emitiendo señales de localización, cuando damos “me gusta” a alguna página de redes sociales o cuando miramos un avance de alguna película estamos generando datos, luego estos datos recopilados se derivan a un software (Handoop) que procesa dichos datos y nos muestra estos datos traducidos en información para la toma de decisiones en nuestro negocio.

Como mencionamos anteriormente, Big Data debe reunir cuatro requisitos y vamos a detenernos en cada uno de ellos para explicar porque es importante esta herramienta en el ámbito del seguro.

-El gran volumen de datos: Big Data maneja una cantidad de datos, por ejemplo, si lo llevamos a nuestro campo podemos saber cuántos clientes tenemos, desde que año son clientes, cuantos autos aseguraron desde que contrataron la póliza por primera vez hasta la actualidad, etc.

-Velocidad: las pólizas y los siniestros, las primeras se emiten a la misma velocidad que se producen los segundos, un pago de prima fuera de término o el incumplimiento de tal genera automáticamente responsabilidades.

-Variedad: nuestros clientes han cambiado con el correr de los años al introducirse la tecnología como una fuente esencial de recursos en sus vidas y cada vez son más los canales en los que nuestros clientes tienen participación a través de redes sociales, canales de videos, almacenamiento de sus datos en la nube, entre otros.

-Veracidad: a través del uso de redes sociales nuestros clientes comentan su conformidad o desacuerdo respecto a temas sensibles, aunque no siempre podemos tener la total certeza de que estos datos sean veraces.

3- ¿Qué es Data mining?

La minería de datos, es una herramienta la cual nos proporciona no solo un muestreo de datos como lo hacía el Big Data, la cual deviene en información, sino más bien utiliza Estadística, Inteligencia Artificial, algoritmos, matemáticas y otras disciplinas para presentar dos modelos de extracción de datos, uno es el descriptivo ya que hace una exploración en busca de nuevos datos y el otro modelo que ofrece el Data Mining es el predictivo o llamado comúnmente “aprendizaje supervisado” tomo datos determinados, es decir, necesito delimitar un patrón de búsqueda para aplicar basado en la experiencia anterior para poder determinar cuál es la probabilidad de que suceda el patrón esperado. Todos estos datos extraídos nos permiten descubrir información desconocida y valiosa acerca de nuestros clientes e importante a la hora de tomar decisiones.

Este no es un Congreso de Ingeniería Informática ni de Marketing y aún no hemos respondido la pregunta ¿por qué nos interesa el empleo del Big Data y Data Mining en nuestro campo del Derecho de Seguros? Vamos a hablar un poco acerca de su empleo como herramienta necesaria para el negocio.

4-Usos y aplicaciones del Big Data y Data Mining en materia de seguros

La respuesta es muy sencilla, las nuevas tecnologías como el Big Data y el Data Mining nos permiten combatir males asociados a nuestra actividad, como por ejemplo: fraude en siniestros, prevención en siniestros mediante la detección temprana de comportamientos inusuales en nuestros clientes, el lavado de activos y financiación del terrorismo entre otros.

5- Sujetos Obligados, legislación y ente regulador

Las compañías de seguros desarrollan su actividad supeditados a un considerable número de leyes, reglamentaciones, decretos y resoluciones.

Es menester por tal motivo supervisar todas las decisiones que toma la compañía y ser en cierta medida un agente de control ante las situaciones emergentes propias de la actividad desarrollada, ¿por qué decimos esto? Porque todas las compañías son sujetos obligados, por lo tanto deben hacer frente a varias cuestiones a la vez, por un lado se rige por la ley de seguros Nº 17.418, por otro lado la regula el SSN con sus decretos-ley y para finalizar atraviesa un conflicto de intereses propio del reordenamiento jurídico sobreviniente por la unificación del actual código civil y comercial de la nación y la reforma de la ley de defensa al consumidor, lo cual dificulta aún más el panorama existente en materia de siniestros con la modificación de la prescripción de 2 a 3 años.

Vamos a dar ciertos ejemplos los que a la luz de todo lo expuesto nos brindará un sustento de los temas desarrollados sobre las nuevas tecnologías:

Comencemos por las obligaciones como sujeto obligado que nos impone la SSN y la UIF en materia de prevención de lavado de activos y financiación del terrorismo ley Nº 25246, a través de Big Data y Data Mining logramos obtener información y conocer datos, a la vez también detectar si nuestros clientes están realizando algún tipo de maniobra inusual, ya sea compra de vehículos de alta gama adquiridos a través de fondos que no están debidamente justificados sobre cuál es su procedencia u origen y denuncias de siniestros por DT o robo, entre otras acciones de fraude. Cualquiera de estas situaciones detectada a tiempo y remitida dicha información a la UIF exonera a la compañía de eventuales multas a que podría verse sometido al no detectar dichos eventos y contrarrestar así las pérdidas que arrogan este tipo de situaciones.

De cara a la reforma de nuestro código civil y comercial y la extensión del plazo de prescripción a 3 años nos ubica en un panorama no menos que desfavorable sumada la Resolución dictada por la SSN 40512/17 en la cual se exige a las compañías que sus reservas se encuentren actualizadas para todos los casos de juicios en estado pendiente. La prevención es la mejor manera de combatir el fraude en siniestros, aquí el data mining entra en escena y se manifiesta brindando no solo datos predictivos sobre cuándo, como, donde y porque un asegurado o potencial cliente puede tener tendencia a cometer fraude, podemos decir que en base a la extracción de todos esos elementos podremos evaluar la prima adecuada en función al riesgo asegurado o por asegurar.