Op vlak van data, blinkt AG uit. Ons nieuwe dataplatform en onze sterke datacultuur revolutioneren de manier waarop we zakelijke uitdagingen benaderen. Een voorbeeld hiervan is de expertise waarmee we de overstromingen van 2021 hebben aangepakt. Ontdek hoe strategische afstemming met bedrijfsdoelstellingen, verbeterde datageletterdheid en geavanceerde technologieën zoals Python, R, PowerBI en op het Azure platform ons hebben geholpen data te adopteren en ons voort te stuwen naar een toekomst vol mogelijkheden.
TOM DONAS
Head of Business Solutions
Data Intelligence
AG is altijd al datagedreven geweest
Traditioneel hangen veel productontwikkelings- en prijsbeslissingen in onze industrie af van data. Maar de laatste jaren gebruiken we meer gevarieerde en enorme hoeveelheden data om het schadebeheer, de verkoop, de operationele processen en alle andere facetten van onze business te verbeteren. De opkomst van GenAI zal deze transitie versnellen.
Beeld Julie Lust voor Sky News
Talrijke gebeurtenissen laten de verschuiving zien. Hoe we proactief de claims van de overstromingen in 2021 afhandelden, is er een van. Deze historische overstromingen zouden honderdduizenden, zo niet miljoenen, Belgen treffen. We hebben het initiatief genomen om de schade in kaart te brengen, door gebruik te maken van verschillende variabelen en data, waaronder de regio's waar de overstromingen werden verwacht, alle woningen binnen die regio, de nabijheid en hoogte van deze huizen ten opzichte van een watermassa die waarschijnlijk zou overstromen enz.
Vervolgens creëerden we een model om het aantal getroffen huizen en de verwachte overstromingsschade te schatten. Onze voorspelling van 1,5 tot 2 miljard euro aan claims kwam uit. De totale schadeclaims voor traditionele huizen liepen op tot 1,9 miljard euro over de hele verzekeringssector. Dit project was om meerdere redenen monumentaal:
- Het stelde ons in staat om proactief onze klanten te benaderen met een gedetailleerde beoordeling van hun schade, het claimproces te versoepelen en snel uitbetalingen te doen tijdens een stressvolle tijd. Dankzij onze nauwkeurige data konden we snel tot een oplossing komen die alle getroffen burgers enorm ten goede kwam.
- We hebben met de regionale overheid en autoriteiten de inzichten van ons model en onze ervaring gedeeld om de getroffen gebieden en burgers adequaat te beoordelen.
- De astronomische kosten veroorzaakt door de overstromingen overschreden een bepaalde drempel, waardoor de overheid moest bijdragen aan de uitbetaling van de schadeclaims. Ons gedetailleerde model vergemakkelijkte de gesprekken met onze nationale overheid.
- Tenslotte zette het ook alarmbellen af in onze industrie, aangezien wij de eerste verzekeraar waren die deze informatie kon leveren. Het toonde aan dat data cruciaal is in tijden van crisis.
Deze prestatie was enkel mogelijk door onze historische toewijding aan datagestuurd werken en geavanceerde analytische vaardigheden. Het komt voort uit maatregelen die data consequent in het hart van onze hele waardeketen hebben geplaatst.
Data moet afgestemd zijn op bedrijfsstrategieën
Om data centraal te stellen, moet het een positieve impact hebben op bedrijfsresultaten. Daarom zorgen we ervoor dat onze datastrategie is afgestemd op de overkoepelende bedrijfsstrategieën. We verzamelen data niet zomaar; onze strategie is duidelijk: we willen gebruiksvriendelijke toepassingen, systemen en producten bieden. Dit wordt vergemakkelijkt door onze collega's. Zij hebben data omarmd als sleutel in hun projecten en betrekken ons vanaf het begin van een project. Ze zijn overtuigd van het idee dat onze bevindingen hen helpen relevante en gebruiksvriendelijke toepassingen te creëren en bedrijfsprocessen te verbeteren.
Daartoe definiëren we use cases die de doelen en behoeften van onze zakelijke tegenhangers dienen. Het definiëren van business gerichte dataprojecten maximaliseert de ROI van onze inspanningen en helpt onze collega's de waarde van onze data-inspanningen in te schatten.
Datageletterdheid vergroten voor data-adoptie
Het begrijpen van de waarde van onze dataprojecten en data is net zo cruciaal als de strategische afstemming. Onze niet-data collega's zullen onze inspanningen alleen waarderen als ze het begrijpen. Daarom hebben we samen met het team van mijn collega Patrick Sergysels upskilling-sessies ontwikkeld. Tijdens deze sessies leren onze toehoorders cruciale principes van data-eigendom en -beheer. Ze verwerven ook de tools om datacomplexiteit te ontwarren en worden zich bewust van het belang en de consequenties van hun rol als datastewards.
Het tweede cruciale onderdeel van data-adoptie is rapportage. We doen er alles aan om tijdige, gemakkelijk verteerbare en betrouwbare datarapporten te genereren. Data kan alleen een centraal onderdeel van onze workflows worden, als onze zakelijke collega's het potentieel conceptueel begrijpen en projectspecifieke rapporten begrijpen.
Datakwaliteit is essentieel
Datakwaliteit is even kritisch. Het is de belangrijkste reden waarom veel organisaties er niet in slagen een datagestuurde cultuur te bevorderen. Om de datakwaliteit te verbeteren, hebben we tal van gedrags- en technologische maatregelen aangenomen. We hebben strengere standaarden voor data-invoerkwaliteit vastgesteld en overeenkomstige instellingen en metadata geïmplementeerd op ons nieuwe dataplatform. Onze bedrijfseenheden zijn gebonden aan deze standaarden. We hebben ook een vlagsysteem geïmplementeerd dat invoeranomalieën detecteert en verdachte patronen in de datapipelines aan het licht brengt.
Technologie: de grote facilitator
Hoewel deze inspanningen het resultaat zijn van kwaliteitswerk door onze datawetenschappers en -ingenieurs, is technologie een formidabele enabler. We hebben de afgelopen jaren tools gebruikt zoals Python, R, PowerBI en anderen. Vorig jaar hebben we onze datasystemen van een SAS on-premises data-platform naar de cloud gemigreerd. We wilden in staat zijn om grote volumes gestructureerde en ongestructureerde data efficiënt op te slaan en te verwerken, onze schaalbaarheid te vergroten en de diensten te bieden die onze collega's en klanten willen.
Ons nieuwe platform is gebouwd in Microsoft Azure Synapse Analytics, met de focus op automatisering, standaardisatie en kostenefficiëntie. Onze architectuur combineert Azure Databricks en Azure Data Lake Storage Gen2 voor het omgaan met grote datavolumes. We gebruiken Azure SQL DB voor data-automatisering, Synapse Dedicated SQL pools voor data-distributie en Azure Data Factory voor het in kaart brengen van datastromen en ETL-processen. Daarnaast hebben onze collega's een self-service gebied met Microsoft Power BI en Azure-tools voor eindgebruikers gecreëerd en een aangepast PySpark-framework voor efficiënt datamanagement.
Wat de toekomst in petto heeft: GenAI and ML
Ons cloudgebaseerde platform en nieuwe cloud-ready infrastructuur stellen ons in staat om nieuwe tools en opkomende technologieën zoals generatieve AI en ML te benutten. Deze technologieën helpen ons eerder onderbenutte ongestructureerde data te gebruiken en futuristische droombeelden om te zetten in haalbare toepassingen. Gen AI en ML zullen alles om ons heen omzetten in bruikbare data.
Laten we het auto-claimproces als voorbeeld nemen. We kijken ernaar uit om een model te creëren dat ongestructureerde data gebruikt om het type en de kosten van de schade te beoordelen op basis van foto's van de schade die door de klant zijn verzonden. Vervolgens zou het model de foto interpreteren en vergelijken met ons enorme volume aan data om de omvang van de schade te beoordelen. Wanneer we deze inzichten hebben, ontgrendelen we een breed scala aan procesverbeteringen voor onze klanten en partners, zoals het maken van een afspraak bij een carrosseriebedrijf of met een verzekeringsdeskundige.
Afgezien van het automatiseren van claimprocessen, verwacht ik dat opkomende technologieën de manier waarop we met data werken zullen veranderen. Het handmatig creëren van datarapporten zal tot het verleden behoren en volledig geautomatiseerd worden. We zullen in staat zijn om met een chatbot te interageren, een gedetailleerd datarapport aan te vragen en het onmiddellijk te krijgen. Dit zal de data en informatie democratiseren, onze bedrijfseenheden diepgaande en duidelijke inzichten geven in een oogwenk. Door de alomtegenwoordigheid van data en de snelheid waarmee deze wordt verwerkt, zal datagestuurde besluitvorming de norm worden.
Conclusie
Terugkijkend hebben we enorme stappen gezet om van AG een datagedreven bedrijf te maken. Zoals blijkt uit enkele van onze baanbrekende projecten, zoals de claimprocessen tijdens de overstromingen, is AG klaar om data volledig te adopteren als het middelpunt van onze processen. Nu we de technologische fundamenten hebben gelegd om GenAI en ML te benutten voor toekomstige projecten, kijken we uit naar wat de toekomst ons brengt. We houden u op de hoogte van significante nieuwe doorbraken op het IT Hub.