4 minuten lezen
Honderden sensoren op een Formule 1 bolide pompen tijdens trainingen en races een indrukwekkende hoeveelheid data door aan het team. Die vrijgekomen data is ongekend belangrijk in een wereld waar de verschillen – met name tussen de topteams – extreem klein zijn. Tijdens een race moet alles realtime worden geanalyseerd. In de Formule 1 weten ze al jaren dat data het verschil maakt tussen winst of verlies.
Wat heeft dit met de verzekeringsmarkt gemeen? Net als in de Formule 1 hebben verzekeraars de beschikking tot enorme hoeveelheden aan data. Real-time inzichten, straight-through processing en snelle besluitvorming zijn hierin belangrijk. Snelheid en nauwkeurigheid ondersteund door kunstmatige intelligentie zijn belangrijke concurrerende wapens voor verzekeraars. Bijvoorbeeld bij acceptatie, pricing of bij het behandelen van schades en fraude. De vraag is: wat kunnen verzekeraars leren van data-analyse uit de Formule 1?
Telemetrie
Matt Cadieux, de CIO van Red Bull Racing, gaf in een interview aan dat er per seizoen maar liefst 30.000 wijzigingen aan de auto worden gedaan om deze te optimaliseren. Die wijzigingen worden gebaseerd op inzichten uit data. Voormalig wereldkampioen Sebastian Vettel was er zelfs wat weemoedig over. Telemetrie (het op afstand meten en analyseren van data) krijgt volgens hem een te dominante rol in de sport. ‘Als vroeger iemand in een bocht sneller was doordat hij zijn eigen lijn reed, behield hij het hele raceweekend zijn voorsprong. Tegenwoordig is er zoveel data dat de engineer een betere lijn kan voorstellen.’ De machine krijgt het bochtenwerk dan dus op basis van data beter onder de knie dan de coureur.
Datameisje
De groeiende rol van data in besluitvorming is een onomkeerbare ontwikkeling. Een goed voorbeeld daarvan was de zege van Max Verstappen op Interlagos in het najaar van 2019. De Red Bull Racing teambaas schoof na afloop Hannah Schmitz met Verstappen het podium op. Zij werd door commentatoren wat spottend neergezet als het ‘datameisje’. De werkelijkheid was dat deze ‘Senior Strategy Engineer’ een cruciale rol had gespeeld in de overwinning door op het einde van de race een extra bandenstop te adviseren tijdens een safety car situatie. Dat leek een gewaagde zet: de stop dwong Verstappen de leiding af te staan aan Lewis Hamilton. De Nederlander moest dan in de laatste ronden op versere banden de zesvoudig wereldkampioen nog inhalen.
Schmitz moest bij de start van de safety car situatie in een paar seconden de knoop doorhakken. Ze was daar als data-analist op voorbereid, onder andere omdat het team van tevoren honderden scenario’s doorrekent en omdat ze op basis van de data een onderbouwd besluit kon nemen. Dergelijke datagedreven beslissingen zijn in de moderne Formule 1 wereld dan ook een belangrijk concurrentiewapen geworden en zetten de teambazen in een iets andere rol: de machine vervangt hun intuïtie en ervaring. Of op zijn minst een deel daarvan.
Verzekeraars
Ook verzekeraars gaan steeds meer (real-time) beslissingen nemen op basis van data. Hierbij kan je denken aan dynamic pricing, geautomatiseerde acceptatie of schadeafhandeling. De potentie van data is groot. Zo kan je data inzetten om inzicht te krijgen in onder andere het verloop, de embedded value van polissen en het potentieel voor cross-selling. Met dat inzicht kunnen verzekeraars betere besluiten nemen over onder meer allocatie van kapitaal en (maatwerk) acties op het vlak van verkoop, marketing en klantervaring.
Voor veel verzekeraars blijkt het een worsteling om datagedreven te werken. De vraag is: waarom? De Formule 1 is ‘data volwassen’ en men is zich er bewust van dat data een belangrijke bron is om races te winnen, terwijl verzekeraars nog aan het begin staan van het digitale tijdperk.
Wat veel mensen zich tegenwoordig moeilijk kunnen voorstellen, is dat data in de basis een bijproduct is voor verzekeraars. Een verzekeraar heeft een maatschappelijke functie met solidariteit als grondslag. Data was geen aanjager voor meer omzet of om de klantervaring te verbeteren. Dit heeft ervoor gezorgd dat data vaak niet op orde is. Verzekeraars zijn, met het solidariteitsprincipe in het achterhoofd, wel bezig om meer en meer datagedreven te werken. Bestaande verzekeraars hebben moeite met die transformatie (door verouderde systemen en slechte dataverzameling) terwijl nieuwkomers zoals Lemonade direct de toon zetten. Zij hebben geen last van ‘legacy’ en zien data als de ‘motor om races te winnen’. Lemonade is misschien het bekendste voorbeeld, maar er zijn genoeg startups die beter zijn in data-analyse dan een traditionele verzekeraar. Dat maakt voor vandaag nog niet het grote verschil (in omzet), maar in de toekomst zal data een doorslaggevend concurrentievoordeel opleveren.
Betere informatie, betere beslissingen
Beslissingen worden steeds meer het resultaat van data-analyse en mensen spelen daarin slechts een marginale rol. Of in elk geval een andere rol: er ontstaat een andere realiteit in het nemen van besluiten. Wie koeltjes naar de feiten kijkt, ziet een ongelijke strijd tussen mens en machine, ook al omdat de machine een veel grotere complexiteit aan kan. Bovendien heeft de mens wat weeffouten (biases) en kun je op basis van wetenschappelijk onderzoek jezelf afvragen hoe goed menselijke beslissingen eigenlijk zijn. Onderzoek laat namelijk zien dat de meeste van onze beslissingen niet eens bewust tot stand komen, maar in het onderbewustzijn worden genomen. Het is dan ook heel simpel: de machine neemt betere beslissingen dan de mens.
Boodschap
Daarin schuilt ook voor (het management van) verzekeraars een belangrijke boodschap. Ze moeten zich niet gek laten maken door allerlei nieuwe technologische hypes, maar vooral onderzoeken hoe ze tot betere beslissingen kunnen komen op allerlei niveaus in de organisatie en in elke denkbare functie. En ze zullen moeten erkennen dat zelfs de beste manager af en toe menselijke intuïtie of ervaring terzijde moet schuiven en de machine moet volgen. Precies zoals Formule 1 coureurs af en toe hun meerdere moeten erkennen in een datameisje...