Door Adam Fisher, chief data officer
Het aantal claims dat elke dag wordt verwerkt en de hoeveelheid gegevens die aan deze claims worden gekoppeld, groeit.
Maar wat we doen met gegevens binnen het schadebeheer verandert voortdurend. En hoewel er rekening moet worden gehouden met risicofactoren, zijn we nog maar net begonnen met het aanboren van mogelijkheden voor de toekomst. Gegevens kunnen, in combinatie met kunstmatige intelligentie, worden gebruikt om de kosten en doorlooptijden van claims te verlagen en om schaderegelaars, artsen en klanten een intelligentere manier te bieden om beslissingen over de afhandeling van claims te nemen.
Mijn rol als chief data officer heeft me een uniek inzicht gegeven in de mogelijkheden van data in onze industrie. Ik kwam in deze rol in 2021 en in slechts 1,5 jaar sinds ik bij Sedgwick ben, zijn er zoveel dingen veranderd voor ons data science team. We hebben strategisch geïnvesteerd in de uitbreiding van dit team, evenals in het afbreken van silo's voor analisten om effectiever samen te werken in onze organisatie ter ondersteuning van de optimalisatie van beslissingen voor onze business units. We richten ons op het trainen, opleiden en bijscholen van de populatie data-analisten. En om dit allemaal mogelijk te maken, hebben we nieuwe AI-gerichte platforms en tools geïntegreerd, zodat zowel zeer technische gebruikers als zakelijke gebruikers met waardevolle contextuele kennis op nieuwe manieren kunnen samenwerken.
Maar waarom zo'n investering en focus? In mijn ogen gaat het om twee dingen: efficiëntie, zeker, maar ook kansen. Bij Sedgwick zeggen we graag dat de zorg voor mensen de kern is van alles wat we doen, en dat is zelfs waar als we nadenken over waarom we nieuwe technologische initiatieven nemen.
Efficiëntie is essentieel voor de ontwikkeling van het claimproces - en de manier waarop we voor mensen zorgen
Schadebeheer is tot op zekere hoogte altijd een gegevensgedreven bezigheid geweest. In de toekomst moeten we onze grote groep onderzoekers/schade-experts/clinici helpen om meer tijd te besparen op de zeer repetitieve taken, zodat ze nog meer tijd kunnen besteden aan het nadenken over en het bepalen van strategieën voor de complexere aspecten van schadebehandeling, zoals reserverings-/schikkingsacties. Het vereenvoudigen van het claimproces helpt ons om te zorgen voor onze klanten en de mensen die zij ondersteunen - van werknemers tot polishouders tot klanten. Het is van cruciaal belang voor de gebruikerservaring, de kwaliteit van de resultaten en de snelheid van afhandeling. Het doel is om de resultaten te verbeteren door de claimkosten of de verwerkingstijd te verlagen en we nemen projecten aan waarvan we denken dat ze de grootste impact zullen hebben.
Hoe datawetenschap en AI een verschil maken:
- Eenvoudige toegang: Door ons team en onze gegevens te koppelen via een nieuw platform dat zowel robuust als gebruiksvriendelijk is voor een groot deel van onze populatie, hebben analisten en datawetenschappers gemakkelijk toegang tot gegevenselementen die voorheen moeilijk toegankelijk waren. Gegeneraliseerde gegevens voor de populaire elementen die nodig zijn voor het analyseren en modelleren van claimresultaten stromen nu gemakkelijk het systeem binnen en modellen die nuttig blijken te zijn, kunnen vrijwel direct worden gekopieerd ten gunste van andere klanten.
- Laten we verbinding maken: Met nieuwe ondersteunende tools en robuustere rapportagemogelijkheden zijn we nu beter in staat om samen te werken binnen onze IT-organisatie en beter samen te werken met de business. Ons decision optimization team en analisten en belanghebbenden binnen onze business units vinden samen mogelijkheden waar ze kunnen profiteren van gebieden van efficiëntie binnen de huidige systemen of waardevolle inzichten uit gegevens kunnen halen om het proces te verbeteren.
- Delen is de norm: Door mensen, technologie en gegevens op nieuwe manieren met elkaar te verbinden, kan ons data science team nu snel scorecards, benchmarking tools en modellen ontwikkelen, delen en inzetten om de voordelen en waarde bij klanten te benutten. Nu ze alle hulpmiddelen in handen hebben om vooruitgang te boeken, is het eenvoudig om projecten te herhalen. Als we een klantmodel bouwen dat succesvol is voor een van onze klanten, kunnen we het model eenvoudig kopiëren, de klant veranderen en het vervolgens afstemmen op de unieke use case en historische gegevens van de klant. We hebben een nieuw niveau van wereldwijde samenwerking bereikt dat verder gaat dan de technologie.
Industriebrede impact en kansen voor transformatie
Wij hebben de verantwoordelijkheid om risico's te verminderen en onze klanten voor te bereiden en te beschermen met behulp van datawetenschap. Een veelvoorkomende uitdaging voor bedrijven en vervoerders is het vinden van een advocaat of bedrijf waarop ze kunnen vertrouwen om de schade-uitkomsten te verbeteren. Ze willen zich ook beschermen tegen financiële en reputatierisico's, specifieke uitdagingen zoals fraude en nucleaire vonnissen. Wij geloven dat vergelijkbare prestatiemaatstaven moeten worden gebruikt om deze zorgen aan te pakken. Op dezelfde manier waarop benchmarking van dienstverleners gebaseerd is op gegevens om te voorspellen welke dienstverleners de beste resultaten zullen behalen bij een claim, geloven wij dat een scorecard voor advocaten op basis van de geschiedenis van claims en uitkomsten van rechtszaken een vergelijkbaar voordeel kan bieden.
Als het gaat om het systematiseren van het gebruik van gegevens en AI, en om meer rollen en profielen een plaats aan tafel te geven, is er inderdaad een kans om nieuwe en bestaande modellen in het hele schadebehandelingsproces te verweven. Alle betrokkenen, zoals schade-experts, klantenservicedirecteuren en managers, zouden de verstrekte gegevens en inzichten kunnen gebruiken om hun besluitvormingscapaciteiten te vergroten.
Een mogelijkheid zou zijn om een globale score toe te passen op alle claims. Op die manier zouden mensen die op schadeniveau werken deze scores kunnen gebruiken om schadegevallen te prioriteren en universeel te vergelijken. Op dit moment bestaat dit alleen in de vorm van tijdreeksen voor zaken als richtlijnen voor terugkeer naar werk of ernstindices. Het toepassen van scores of modellen op meerdere gebieden van de claim kan zeker helpen om de workflows te stroomlijnen, maar pas als AI of machine learning zelf die onderzoekstaken uitvoert, zal het team AI op schaal hebben bereikt.
Voor ons is succes op het gebied van data en AI het hebben van een proces dat van begin tot eind een bruikbaar product oplevert en volledig geïntegreerd is in de systemen van Sedgwick, terwijl het minimaal onderhoud of handmatige interventie vereist. Dankzij het kaliber van onze wereldwijde datateams, de tools die we inzetten en de kracht van onze data, is onze organisatie klaar om unieke opportuniteiten te ontdekken die nergens anders mogelijk zijn. We kunnen onze gegevens niet alleen gebruiken om ons eigen schadebeheerproces te verbeteren, maar ook om nieuwe methoden of inzichten te ontwikkelen die waarde toevoegen voor de hele branche.