Sesión 5 Presencial: 17 y 18 de junio de 2024 Online: del 24 al 27 de junio de 2024
Colabora:
Todas las sesiones incluirán la resolución completa (carga de datos, modelado, cálculo de predicciones) de uno o varios casos de usos, con conjuntos de datos reales cuando sea posible, usando tanto una herramienta de AutoML (DataRobot) como Notebooks de Python.
Sesión 5
Presencial: 17 y 18 de junio 2024. Online: 24 al 27 de junio de 2024
La gestión tradicional de siniestros de autos conlleva un importante trabajo manual, con la inspección por parte de expertos de los vehículos dañados, para determinar el coste de indemnización o reparación, así como la identificación y localización de las partes afectadas. El reconocimiento automático de imágenes a través de machine learning puede automatizar buena parte de este proceso, acortar plazos, reducir errores y mejorar la precisión de las estimaciones.
Sesión 6
Presencial y online: 15 y 16 de julio de 2024
La siniestralidad asociada a determinadas coberturas en los ramos hogar y comunidades, está condicionada por variables propias de cada inmueble, como la calidad constructiva, número de baños, climatología, etc. Todo ello permite mejorar la tarifa y la gestión de siniestros.
Calendario de sesiones
Pricing en seguros no vida: Frecuencia y severidad
Realizada en diciembre de 2023
El uso de algoritmos más avanzados que los GLM y el enriquecimiento de datos con información de terceros o sensores, puede mejorar la precisión de las tarifas, con grandes impactos en la cuenta de resultados. Utilizando datos reales anónimos de asegurados de autos, estimaremos la El uso de algoritmos más avanzados que los GLM y el enriquecimiento de datos con información de terceros o sensores, puede mejorar la precisión de las tarifas, con grandes impactos en la cuenta de resultados.
Reducción de anulaciones (churn)
Realizada en enero de 2024
Usando la información de clientes y su relación con la compañía, podemos estimar la probabilidad de anulación y las principales causas, para poder tomar acciones anticipadamente con aquellos clientes cuyas posibles causas de baja sean gestionables.
Detección del fraude y atención al asegurado usando Modelos de Lenguaje Masivo (LLM) e Inteligencia Artificial Generativa
Realizada en febrero de 2024
Los Modelos de Lenguaje Masivo como GPT han logrado un nivel de comprensión del lenguaje humano y una capacidad de extraer información de textos y conversaciones sin precedentes. Esto se puede aplicar a las declaraciones de siniestros, para mejorar la precisión de los sistemas de detección de fraude. Así mismo, las posibilidades de personalización de estos modelos, les permite aprender las especificidades de nuestro negocio y usarlos eficientemente en sistemas como los de atención al asegurado.
Satisfacción del cliente (NPS, Net Promoter Score)
Realizada en abril de 2024
Con la información disponible de clientes y su interacción con la compañía, se puede estimar su NPS e identificar a los potenciales “detractores”, para tomar medidas preventivas y que se conviertan en “promotores” (o al menos en “pasivos”). Utilizaremos datos reales de encuestas de satisfacción de clientes de seguros realizadas por ICEA para crear modelos que permitan estimar la satisfacción de los clientes.
