Quienes pensaban que en el 2016 podrían tomarse un respiro estaban muy equivocados. Solvencia II seguros ha sometido a las empresas del sector a una presión sin precedentes que, lejos de liberarse, parece mantenerles en vilo. Y es que, tras la entrada en vigor de la Directiva, con la práctica, el rodaje está descubriendo debilidades mayores de lo esperado. En concreto, las que tiene que ver con la calidad de los datos, que ponen en peligro el potencial de Transformación Digital de muchas de las compañías aseguradores y reaseguradoras.
Créditos fotográficos: istock maxkabakov
En términos de volumen y complejidad de datos, las industrias financiera y de seguros van en cabeza. Son, por definición, dos sectores data driven, por lo que, invariablemente se debería asegurar su calidad e integridad. Y, sin embargo, en la práctica ha quedado demostrado que no es así, y esta realidad se pone de manifiesto cada vez que se acerca una nueva entrega del reporting a que obliga Solvencia II a los seguros. Pero, a estas alturas, ¿cómo enfocar el problema?
En primer lugar, es necesario identificar todas esas áreas donde se originan los problemas. Por lo general, la pérdida de calidad en la información está relacionada con:
Así, teniendo esto en cuenta es lógico pensar que, a medida que el volumen de datos aumenta, las aseguradoras necesitan un enfoque de gestión que les ayude, por una parte, a controlar la calidad de los datos en movimiento y, por otra, a adquirir la visibilidad de extremo a extremo necesaria para proporcionar la transparencia en los datos.
La peculiaridad del escenario que vive esta industria es que, a la vez que tienen que afrontar los últimos ajustes en relación al cumplimiento regulatorio de Solvencia II seguros, la mayoría de empresas se encuentran ya en un estado avanzado de Transformación Digital.
Sus esfuerzos por evolucionar, mejorar su competitividad y elevar su capacidad de innovación les descubren que sus problemas de datos son más complicados aún. Y, sí, los sistemas modernos pueden ayudar a las aseguradoras a lanzar nuevos productos al mercado más rápido, proporcionan un procesamiento más eficiente y permiten una mayor autonomía usuaria pero, si los datos no son de confianza, incluso los mejores sistemas no serán suficientes.
Los problemas no cesan y, además, se magnifican:
A medida que las aseguradoras continúan su viaje hacia la Transformación Digital, desviando el foco de Solvencia II seguros, donde la atención había estado puesta en los últimos años, avanzan en su proceso de madurez y son conscientes de la importancia de la calidad de datos a todos los niveles.
Se toman decisiones como el aumento de controles o la centralización, pero estas medidas nunca serán suficientes si no se respaldan con una estrategia de normalización y visibilidad en toda la empresa. Hay que superar las limitaciones de una perspectiva táctica, que fomenta la confusión y los silos departamentales, e ir a por todas, con un enfoque que busque lograr un mejor control de los datos de negocio de extremo de un extremo basado en la automatización y el autoservicio usuario.
Ya no es necesario involucrar a IT y responsabilizarle de todas las cuestiones de calidad de datos cuando el propio usuario de negocio, dotado de las herramientas adecuadas, puede hacerlo por sí mismo. El seguimiento de los datos es tan importante que requiere de la colaboración de todos. Este planteamiento, además, deriva sus efectos positivos a la comunicación, la visibilidad y la toma de decisiones operativas.
Y es que, una vez que se han alcanzado las metas de integridad y calidad, las aseguradoras deben también ser capaces de mantener ese nivel de confiabilidad de los datos, no sólo para cumplir con los requisitos de transparencia y reporting de Solvencia II seguros, sino para mejorar sus resultados presentes y futuros.
Por eso, las herramientas de control de datos necesitan ser fáciles de usar y accesibles a los usuarios de negocios. Es cosa el pasado el requerir a IT para una corrección de datos. Hoy es cada individuo quien recibe una alerta cuando se produce un problema de datos y, mediante una interfaz fácil de usar y un dashboard personalizado, se ocupa de resolver lola cuestión de que se trate antes de que crezca, aumente de complejidad y se exporte a otras áreas o funciones.