به گزارش پایگاه خبری بانکداری الکترونیک، در سپتامبر ۲۰۱۶، گروه بیمه‌ی آمریکا و همیلتون (AIG and Hamilton Insurance Group) طی سرمایه‌گذاری مشترک با توسیگما (Two Sigma)، پلتفرم داده و فناوری جدیدی را تحت ‌عنوان آتون (Attune) ایجاد کرد که توانست بالغ بر ۸۰ میلیارد دلار سرمایه از بازار بیمه‌های تجاری کوچک و متوسط را از آن این شرکت‌ها کند. با تکیه بر پلتفرم آتون، شرکت‌ها درصدد ایجاد تحول در بخش‌های کوچک بازار بیمه با استفاده از داده‌ها، فناوری هوش مصنوعی و تکنینک‌های مدل‌سازی پیشرفته هستند. آتون با مشارکت دلالان، کارگزاران، نمایندگان و سایر واسطه‌های فعال در حوزه بیمه، قیمت‌گذاری، انتخاب و بستن قرارداد‌های بیمه را برای صاحبان کسب‌وکار‌های کوچک تسهیل خواهد کرد.

    بیمه‌گران به لحاظ تاریخی حجم قابل توجهی داده را گردآوری و ذخیره‌سازی کرده‌اند، اما میزان بهره‌مندی از این حجم داده و کسب درآمد از آن‌ها، تاکنون بسیار محدود و کند بوده است.

چرا که استفاده از این داده‌ها مستلزم ارائه مدل‌ها یا خط مشی‌های جدیدی برای کسب‌وکارها است که طبیعتا نیاز‌مند صرف زمان، انرژی و هزینه بالایی است تا بتواند ارزش داده‌ها و تجزیه و تحلیل آن‌ها را به منصه‌ی ظهور برساند. ضمن این‌که با افزایش تمایل کاربران شرکت‌های بیمه‌گر برای تعامل، مقایسه محصولات و قیمت‌ها و فرایند‌های خرید آنلاین، حجم داده‌های قابل دسترسی نیز به‌صورت فزاینده افزایش می‌یابد. البته، فناوری‌های تحلیلی مدرن و پیشرفته امروز، تا حدودی امکان استفاده از این داده‌ها را برای بیمه‌گران میسر ساخته، امری که در سال‌های گذشته ممکن نبود. با این حال، بسیاری از شرکت‌های ارائه دهنده خدمات و محصولات بیمه، با چالش‌های سازمانی عدید‌ه‌ای در تبدیل شدن به شرکتی داده محور مواجه هستند. سایر شرکت‌ها نیز به جای ارتقای توانمندی‌ها و قابلیت‌های تحلیلی خود و تلاش برای استفاده از داده‌ها، در انتظار فرصت‌های تجاری هستند تا از این طریق کسب‌وکار خود را پیش ببرند.

در میان فعالان صنعت بیمه برای ایجاد مدل‌های کسب‌وکار جدید و استفاده از داده‌ها و روش‌های تحلیلی مدرن، شرکت‌هایی که منتظر نشسته‌اند تا از دستاورد‌های سایر شرکت‌ها و یا فرصت‌های تجاری بهره‌مند شوند، بیشترین ضرر را خواهند دید. شرکت‌هایی که بی‌تردید در آیند‌ه‌ای نه چندان دور از گود رقابت‌ها خارج خواهند شد. تبدیل شدن به سازمان بیمه‌ای داده محور، مستلزم بازنگری شرکت‌ها در ایجاد و مدیریت داده‌ها و تکنیک‌های تحلیلی و هم‌چنین توسعه قابلیت‌های ورود به بازار است که می‌تواند آن‌ها را در ارائه راهکارهایی داده محور به مشتریان و موفقیت در بازار‌های جهانی کمک کند.

 
فناوری جدید، فرصت‌های جدید

انفجار داده‌های کاربری (اعم از داده‌های شخصی یا تجاری)، رشد فناوری‌های تحلیلی و کاهش قابل‌توجه هزینه‌های محاسباتی و ذخیره‌سازی داده‌ها با استفاده از فناوری‌های روز دنیا، شرکت‌ها را بر آن داشته است تا روی فناوری‌های تجزیه و تحلیل داده‌ها، به‌عنوان وسیله‌ای برای نوآوری، سرمایه‌گذاری کنند. رهبران صنعتی پیشرو در تفکر، به دنبال فرصت‌هایی برای ایجاد کسب‌وکار‌هایی داده محور در هسته مرکزی خود و بازار‌های مجاور هستند. اپتوم (Optum) به‌عنوان شرکت تابعه یونایتد هلث‌کر (United Healthcare)، با استفاده از داده‌های اختصاصی کاربران و از طریق ارائه فناوری، مشاوره و سایر خدمات به ارائه دهندگان، پرداخت کنندگان، نمایندگان دولتی و سازمان‌های علوم طبیعی کسب درآمد می‌کند. سرمایه‌گذاری کاترپیلار (Caterpillar) روی آپتیک (Uptake)، برای گردآوری میلیون‌ها بایت داده به منظور کمک به کاربران در تصمیم‌گیری‌های زمان واقعی، از جمله فعالیت‌هایی است که می‌تواند هزینه‌های مالکیتی و عملیاتی را به شکل چشم‌گیری کاهش دهد.

چنین مثال‌هایی در بر دارنده انگیزه‌های اولیه برای فعالان صنعت بیمه هستند تا آن‌ها را برای به‌کارگیری تکنینک‌های تجزیه و تحلیل داده‌ها در عملیات خود، نظیر بازاریابی و توزیع، عقد قراردادها و ارائه دعوی وا دارند. ضمن این‌که، علاوه بر سیستم‌های گردآوری داده سنتی نظیر اکسیوم (Acxiom)، اپسیلون (Epsilon) و اکسپرین (Experian)، بیمه‌گران امکان استفاده از منابع اطلاعاتی جدیدی هم‌چون آرگوس (Argus)، دیتالوجیک (Datalogic)، دمیست دیتا (DemystData) و ارائه دهندگان ویژ‌ه‌ای نظیر جودی دیاموند (Judy Diamond) و اتم دیتا سلوشنز (ATTOM Data Solutions) را نیز دارند که میدان دیدی ۱۸۰ درجه از کاربران و قابلیت شناسایی موقعیت‌ها و فرصت‌ها به روش‌های مختلف را در اختیار آن‌ها قرار می‌دهد.

 
بهبود مدل‌های کسب‌وکار موجود

بیمه‌گران از فناوری‌های تحلیلی استفاده می‌کنند تا با تکیه بر آن، نمایندگی‌های جدیدی با ابزار‌های تصمیم‌گیری داده محور در اختیار بخش‌های فروش و در تعامل با کاربران قرار دهند تا از این طریق، فرایند‌های تصمیم‌گیری مشتریان را ساده‌تر کرده و سرگردانی آن‌ها و هزینه‌های تحمیلی به کاربران و سیستم را بکاهند. چنین ابزار‌های تحلیلی قدرت‌مندی می‌توانند با هدف‌گیری ارزش‌مندترین کاربران و رهبران کسب‌وکار‌هایی که به‌صورت بالقوه قدرت‌مند هستند، منابع سرمایه‌گذاری سود‌مندتر و پربازده‌تری را در اختیار نمایندگان بیمه قرار دهند. ضمن این‌که با کاهش فرایند‌های پیچیده و تسهیل تصمیم‌گیری برای کاربران، حفظ بهتر مشتریان را نیز در پی خواهد داشت.

    به‌عبارت بهتر، استفاده از روش‌های تحلیلی مدرن برای مدیریت داده‌ها می‌تواند با بهبود مدل‌ها و فرایندها، سبب ارتقای بازدهی کسب‌وکارها و توسعه هرچه بیشتر آن‌ها شود.

تقویت ارتباطات کانالی

استفاده از تجزیه و تحلیل‌های مدرن می‌تواند شرکت‌های ارائه دهنده بیمه را در تقویت ارتباط با کارگزاران کمک کند. برای مثال، پلتفرم ای‌بی ۳۶۰ (EB360) ارائه شده توسط شرکت ای‌ایکس‌ای (AXA)، ابزار‌های تحلیلی جدیدی را عرضه می‌کند که کارگزاران می‌توانند با استفاده از آن، وضعیت اپلیکیشن‌ها، مدیریت خسارات و کمیسیون‌ها را ارزیابی کرده و فرایند‌های منتهی به اهداف کسب‌وکار را کنترل کنند. این ابزارها که به منظور کنترل و کاهش ورودی داده‌ها و تسریع روند انتقال آن‌ها طراحی شده‌اند، کارگزاران را قادر می‌سازند تا کسب‌وکار خود را بهتر و کارآمدتر مدیریت کنند. از این رو، وسیله‌ای مثبت برای بهبود روابط کارگزاران و بیمه‌گران به شمار می‌روند.

 
تغییر روابط با کاربران

آن‌چه که مسلم است، تغییر روابط کاربران و شرکت‌های ارائه دهنده بیمه در خلال استفاده از روش‌های نظارت زمان واقعی و تجسمی‌ است. کاربرانی که به شرکت‌های بیمه اجازه نظارت در زمان واقعی را می‌دهند، در حقیقت آن‌ها را قادر می‌سازند تا با بررسی رفتارها و عادات‌های روزمره کاربران، برنامه‌ها و مدل‌های بهتر و کارآمدتری برای ارائه محصولات و خدمات طراحی کنند. در نتیجه، با ارزیابی رفتارها و عادات و انجام پیش‌بینی بر اساس این رفتارها، امکان مدیریت داده‌ها برای کاهش ریسک نیز میسر می‌شود. یک مثال روشن برای چنین رویکردی، حوزه بیمه خودرو است. تله‌ماتیک‌هایی (telematic) که در این حوزه برای نظارت روی عادات رانندگی کاربران در زمان واقعی مورد استفاده قرار می‌گیرند، مدل‌های جدیدی از خدمات و محصولات بیمه را قابل ارائه می‌کنند که ناشی از نوع جدید رابطه کاربران و بیمه‌گران است. نتیجه نهایی، توانایی بیمه‌گران برای ارائه محصولات و خدمات بر اساس سیاست‌های مبتنی بر مصرف و تعیین دقیق، عینی و آسان می‌زان خسارات و مطالبات است.

 
طراحی مجدد محصولات

مثال بارزی برای طراحی مجدد محصولات و ارائه خدمات جدید شرکت کلایمیت (The Climate Corporation) است که سعی دارد تا با استفاده از داده‌ها و تکنینک‌های مدرن تحلیلی، تعریف جدیدی از بازار بیمه محصولات کشاورزی ارائه دهد. این شرکت از داده‌هایی نظیر الگو‌های آب و هوایی، ویژگی‌های خاک و سایر مشخصات مرتبط با محصولات کشاورزی تولیدی توسط کشاورزان استفاده می‌کند تا سیاست‌های جدیدی برای کاهش ریسک در حوزه کشاورزی طراحی کند. سیاست‌هایی که بتوانند کشاورزان را از خطرات و خسارات ناشی از جریانات آب و هوایی یا سایر رویداد‌های ناسازگار مشابه آن حفظ کنند.

 
ایجاد مدل‌های جدید کسب‌وکاری

شرکت بیمه‌گر کانادایی سونت (Sonnet) با اتکا به یک مرکز داده (data hub) قابلیت خرید ۱۰۰ درصد آنلاین را در اختیار کاربران خود قرار داده و خدمات و محصولات متمایزی در حیطه‌های مسکن و خودرو ارائه می‌دهد. این مرکز داده، حجم بالایی از داده‌ها را از طریق پایگاه‌های داده متعددی گردآوری کرده و از آن‌ها برای تسهیل فرایند‌های خرید استفاده می‌کند. در اکثر سیستم‌های ارائه دهنده بیمه، کاربران و بیمه‌گذاران برای دریافت یک محصول نظیر بیمه خودرو، ناچار به پاسخ‌گویی به بیش از ۲۰ سوال هستند؛ در حالی‌که سونت، این تعداد را به کمتر از ۱۰ سوال تقلیل داده است. البته رویکرد سونت و شرکت‌هایی نظیر آن، بیشتر برای کاربرانی مناسب است که روش‌های فناورانه را می‌پسندند و نسبت به سیستم‌های اتومات اعتماد دارند. برای کاربرانی که نیاز به مشاوره و خدمات غیر آنلاین دارند، یاری گرفتن از کارگزاران بیمه و نمایندگی‌ها می‌تواند انتخاب بهتری باشد.

 
سازمان‌دهی کسب‌وکار‌های مجاور جدید

بیمه‌گران بازرگانی بزرگ نیاز‌مند مشارکت با سایر شرکت‌ها و سازمان‌های مجاور برای کاهش ریسک، شناسایی خسارات و مدیریت محصولات و خدمات هستند. یک ساختمان بازرگانی بزرگ را در نظر بگیرید که تعداد زیادی سیستم تهویه مطبوع، سیستم سرمایشی و گرمایشی و غیره در آن تعبیه شده است. بدیهی است که شرکت ارائه دهنده بیمه برای چنین ساختمانی، نیاز‌مند مشارکت و تعامل با شرکت‌های سازنده تجهیزات و شرکت‌های ارائه دهنده فناوری‌های مورد نیازی هم‌چون لرزه نگاری یا الگو‌های صوتی است تا بتواند دلایل ایجاد خسارت، روش‌های پیش‌گیری از آن، روش‌های کاهش هزینه‌های به بار آمده و پیش‌بینی تخریب‌ها را ارزیابی کند.

    به‌طور کلی، بیمه‌گران به‌صورت فزایند‌ه‌ای در تلاش‌اند تا مدل‌های کسب‌وکار و محصولات ساختارشکنانه جدیدی را ارائه دهند که کنترل کننده ریسک و ارتقا دهنده درآمد آن‌ها است.

مدل‌های «داده به‌عنوان کسب‌وکار» جدیدی که به شرکت‌های ارائه دهنده بیمه اجازه می‌دهد تا از حجم انبوه داده‌های گردآوری شده استفاده کرده و با سرمایه‌گذاری روی داده‌ها و تکنیک‌های تحلیلی مدرن، دیدگاه داده محور منحصر به فردی به کارگزاران و مشتریان نهایی خود ارائه دهند.

 
سفر ۵ مرحله‌ای بیمه‌گران برای ایجاد مدل‌های کسب‌وکار داده محور

استدلال استفاده از قدرت داده‌ها و تکنیک‌های تحلیلی برای دست‌یابی به درآمد برای همه متقاعد کننده است. با این حال، سوالی که مدیران شرکت‌های بیمه همواره با آن دست به گریبان هستند این است که «از کجا و چطور شروع کنیم؟» در زیر، ۵ مرحله که مدیران می‌توانند با پیمودن آن به طراحی، راه‌اندازی و مدیریت مدل‌های کسب‌وکار داده محور و تحلیلی خود دست یابند آورده شده است.

 
مرحله اول: تعیین آرمان و تثبیت دیدگاه

اولین قدم برای شکل‌دهی یک استراتژی داده محور یا به‌عبارت بهتر «داده به‌عنوان کسب‌وکار»، تعریف آرمانی مشخص و قانع کننده برای کسب‌وکارها از سوی مدیران ارشد سازمان‌ها است. با توجه به پتانسیل اقتصادی بالایی که داده‌ها دارند، این آرمان باید جسورانه و در بر دارنده عقبه کسب‌وکار و اهداف استراتژیک باشد. برای این منظور می‌توان شعار ثابت، محکم و مشخصی برای کسب‌وکار معرفی کرد. جمله «با راه‌اندازی یک کسب‌وکار جدید، تعریف جدیدی از بازار بیمه مسکن ارائه خواهیم داد و طی ۳ سال، سهم خود از این بازار را به ۲ برابر ارتقا خواهیم داد»، مثالی مناسب برای تعریف و تعیین آرمان برای یک شرکت ارائه دهنده بیمه است که در آن، حوزه ایجاد تغییرات، مسیر اصلی کسب‌وکار و حتی هدف و زمان‌بندی حدودی آن نیز مشخص شده است.

ایجاد معیار برای اندازه‌گیری رویکرد کسب‌وکار و فرایند‌های ‌صورت گرفته در خلال تحولات، امر مهمی‌ است که می‌تواند اعتبار خط فکری سازمان‌ها را تایید کند. یک کسب‌وکار سطح بالا و مدل اقتصادی مبتنی بر آرمان، در همین مرحله اول روند رشد خود را در پیش خواهد گرفت و طی چهار مرحله آتی نیز به مراتب توسعه یافته و بیش از پیش به آرمان خود نزدیک‌تر خواهد شد.

 
مرحله دوم: ارزیابی دارایی‌ها، قابلیت‌ها و فرصت‌های پیش رو

پس از تعیین آرمان و ارزیابی کاربرد‌های استراتژیک به‌عنوان مرحله اول و پایه و اساس این سفر، بیمه‌گران ملزم به شناسایی دارایی‌های خود و نحوه استفاده از این دارایی‌ها برای تقویت قابلیت‌های کسب‌وکار خود به منظور دست‌یابی به اهداف استراتژیک هستند. این مرحله، نه تنها شامل ارزیابی و اطلاع از انواع داده‌های موجود در سیستم و ارزش وجودی هر یک از آن‌ها است، بلکه نیاز‌مند اتخاذ رویکرد‌های تحلیلی مناسبی است تا بتواند داده‌های خام را به ‌صورت دیدگاهی درخور برای کارگزاران و مشتریان در آورد.

در این بین، درک اکوسیستم موجود در بین شرکای تحلیل‌گر، مهم‌ترین فاکتور برای افزایش اثربخشی تحلیل داده‌ها است. به‌عبارت بهتر، شرکت‌های ارائه دهنده خدمات و محصولات بیمه، ملزم به شناسایی شرکت‌هایی هستند که در زنجیره تامین صنعت نقش تاثیر‌گذاری از لحاظ داده‌ها و مهم‌تر از آن تحلیل داده‌ها ایفا می‌کنند. البته، شناسایی نقاطی از بازار که هنور راهکاری برای آن ارائه نشده و به اصطلاح «نقاط سفید» نام‌گذاری می‌شوند، نیز به همان اندازه حائز اهمیت است.

    به بیان ساده‌تر، برنده واقعی کسی است که دریابد، چگونه می‌توان در چنین حوزه‌هایی با ارائه‌ی راهکاری مناسب ایجاد فرصت کرد و این‌که کدام قابلیت‌های تحلیلی می‌توانند منجر به ارائه چنین راهکار مناسبی شوند.

به‌عنوان نمونه، برای ارزیابی بهتر می‌توان دست به گریبان موارد زیر شد:

    مجموعه داده‌های اختصاصی، مدل‌های یادگیری ماشین و روش‌هایی که به‌صورت مستمر منجر به بهبود مدل‌های کسب‌وکار داده محور می‌شوند.

    زیرساخت‌های داده و تجزیه و تحلیل انعطافپذیر، به منظور اجرای اهداف دارای اولویت

    ابزار‌هایی که کاربران را قادر به دسترسی کارآمدتر، درک بهتر و واکنش روی داده‌ها و دیدگاه‌ها می‌کنند.

    قابلیت‌های ورود به بازار نظیر بازاریابی و قیمت‌گذاری راهکارهای تحلیلی اثربخش

    قابلیت‌های پاسخ‌گویی سریع به نیاز‌های دائم‌التغییر کاربران و ماندن در صدر شرکت‌های هم‌نوع

نتیجه مرحله دوم، در حقیقت، مدیریت توانمندی‌ها، قابلیت‌ها و دارایی‌های کسب‌وکارها برای دستیابی به اهداف استراتژیک مشخص شده، ترمیم شکاف‌های موجود در مدل‌های کسب‌وکار داده محور و در نهایت، دسترسی به بالاترین سطح از کسب‌وکار موردنظر است. مدیران کسب‌وکارها برای این‌که بتوانند سهام‌داران و سرمایه‌گذاران را برای اجرای این تحولات قانع کنند، نیاز به تبیین کامل و روشن چرایی و لزوم اعمال این تحولات در کسب‌وکار و تاثیر شگرف تحلیل داده‌ها روی اهداف سازمان، کاربران و مشتریان آن و حتی کار‌مندانش دارند. چالش کلیدی، حصول اطمینان از این مهم است که قابلیت‌ها و دارایی‌های موجود و شناسایی شده، درست متناسب با اهداف استراتژیک کسب‌وکار هماهنگ و هم راستا شده باشند؛ چرا که در ‌صورت عدم انجام چنین هماهنگی و اتصالی، هرگز نتیجه مورد نظر برای تعالی کسب‌وکار حاصل نخواهد شد.

 
مرحله سوم: تبیین اهداف استراتژیک ویژه و مدل کسب‌وکار

گام بعدی، تببین روشن و دقیق اهداف استراتژیک کسب‌وکار، موارد مصرف و گزاره‌های مربوط به پیشنهادات مشتریان است که در اصل، بلوک‌های تشکیل دهنده آرمان کسب‌وکار یا اهداف استراتژیک کلی آن را شامل می‌شوند. در ‌صورت لزوم، مدیریت باید لیستی از اهداف استراتژیک بالقوه و مشتریان و شرکای بالقوه را با تکیه بر تحقیقات به‌عمل آمده از وضعیت بازار تهیه کند. چنین رویکردی می‌تواند درک و بینش روشن و نسبتا کاملی از تقاضای بالقوه بازار، نیاز‌های روز کاربران و مکانیسم‌های کارآمد کنونی را در اختیار کسب‌وکارها قرار دهد.

بدیهی است که تحقیق در مورد مکانیسم‌های کنونی مورد استفاده در بازار و سطح رضایت‌مندی کاربران از این مکانیسم‌ها، در خلال بررسی و ارزیابی نیاز‌های جدید کاربران و شناسایی روش‌های پاسخ‌گویی به این نیازها، تاثیر بسزایی در تبیین کلی اهداف، موارد مصرف و سپس طراحی و ایجاد مدل‌های کسب‌وکار منطبق بر آن خواهد داشت. ضمن این‌که، کسب و ایجاد قابلیت‌های جدید در یک کسب‌وکار، مستلزم مشارکت و در برخی موارد، مالکیت سایر شرکت‌ها و کسب‌وکارها است که نیاز‌مند ارزیابی خارجی توسط بیمه‌گران است. در ‌صورتی که مدیران بتوانند چنین رویکردی را اتخاذ کنند، می‌توانند با تکیه بر دانش اندوخته از بازار، مشتریان و نیاز‌های آن‌ها، در کنار همکاری و مشارکت شرکت‌های مجاور، مدل‌های کسب‌وکار داده محور جدیدی ایجاد کنند که دقیقا در مسیر آرمان تعیین شده در مرحله اول و منطبق بر دارایی‌ها و قابلیت‌های شناسایی شده در مرحله دوم حرکت می‌کند.

 
مرحله چهارم: ارائه محصولات آزمایشی

اکنون تیم می‌تواند ارزش و قابلیت‌های مدل کسب‌وکار جدید ایجاد شده را از طریق ارائه دو یا سه محصول آزمایشی کوچک در بوته آزمایش قرار دهد. بیمه‌گران می‌توانند ارزش و کارایی هریک از این نمونه‌های آزمایشی را با روش‌های آزمون و خطای پی در پی برای مدت زمانی در حدود ۸ الی ۱۰ هفته بیازمایند. ارائه این محصولات در مقایس‌هایی قابل کنترل بسیار ضروری است و نیازی نیست در این مرحله، نسبت به ارائه نمونه‌هایی در مقیاس حقیقی و منطبق بر استاندارد‌های بازار اقدام کنیم. ضمن این‌که، معیار سنجش میزان موفقیت این نمونه‌ها و محصولات آزمایشی، باید تلفیقی از جنبه آموزشی و تاثیر مالی آن‌ها باشد.

 
مرحله پنجم: ایجاد واحد کسب‌وکار جدید

به مقیاس عملی رساندن نمونه‌های آزمایشی موفق و تثبیت قابلیت‌های اساسی از طریق استخدام نیرو‌های کارآمد و متخصص، در کنار راه‌اندازی «کارخانه داده»، بیمه‌گران را به‌طور رسمی‌ برای آغاز سرمایه‌گذاری‌های جدید و فرایند‌های ارائه خدمات و محصولات نوین در مقیاس اصلی آماده می‌کند. این سرمایه‌گذاری‌های جدید می‌توانند نقش‌های جدیدی را نیز به سازمان اضافه کنند. نقش‌هایی که نه تنها شامل دانشمندان داده برای تجزیه و تحلیل کلان داده‌ها و زیرساخت‌های راه‌کاری برای مدیریت نقشه راه می‌شوند، بلکه متخصصینی را نیز در بر می‌گیرند که قادرند نیاز‌های کاربران را به زبان‌های تحلیلی مورد نیاز کسب‌وکارها بازگردانی کنند.

با تکمیل کسب‌وکار مبتنی بر داده‌ها یا به‌عبارت بهتر، مدل‌های کسب‌وکار داده محور شرکت‌ها و مدیران ارشد آن‌ها می‌توانند برند جدیدی بر مبنای توانایی‌ها و اهداف قابل دسترسی شرکت ایجاد کنند و رویکرد‌های شرکت را مطابق با این قابلیت‌ها و طرح‌های افزایش درآمد تغییر دهند. استفاده از استاندارد‌های کلیدی می‌تواند به بیمه‌گران این اطمینان را بدهد که مدل کسب‌وکار ایجاد شده و اقدامات ‌صورت گرفته طی مراحل قبل، دقیقا در مسیر دلخواه در جریان هستند و واحد کسب‌وکار جدید قادر به دست‌یابی به ارزش پیش‌بینی شده سازمان است. تمرکز اصلی در سیستم‌هایی از این دست، همواره روی ارزش ایجاد شده از طریق تحولات ‌صورت گرفته و میزان سرمایه‌گذاری‌های اختصاص یافته به این ارزش است.

    ایجاد یک کسب‌وکار داده محور، اغلب سفری چند ساله است که مستلزم تلاش‌هایی موازی در حیطه‌های مختلف نظیر مدل‌سازی داده‌ها و تحلیل‌ها و همچنین ایجاد کسب‌وکار، با سطح بالایی از مشارکت مشتریان و بخش‌های بازاریابی است.

پیاده‌سازی یک مدل عملیاتی چند تخصصه چابک

توسعه کسب‌وکاری داده محور که بتواند از طریق این داده‌ها کسب درآمد کند، در آخرین مرحله نیاز‌مند ارتقای قابلیت‌های ورود به بازار است. در این مرحله، بیمه‌گران ملزم به توسعه سریع تکنینک‌های تحلیلی، انجام آزمایشات با استفاده از کاربران حقیقی، پالایش آن‌ها از طریق آزمون و خطا و تکرار‌های پی در پی و در نهایت، قیمت‌گذاری بر مبنای ارزش حقیقی و تمام شده محصولات در کنار توان، قدرت خرید و تمایلات مالی کاربران هستند. برای اغلب حامل‌های بیمه، این رویکرد، جهش واضحی از شیوه عملکرد سنتی آن‌ها را نشان خواهد داد. با این حال، شرکت‌های دیجیتال پیشتاز در سراسر جهان، از روش‌های چابک یا اجایل (agile) برای به‌روزرسانی سریع و کارآمد کسب‌وکار خود و ارزش مشتریان استفاده می‌کنند. با توجه به این مهم، بیمه‌گران ملزم به رعایت نکاتی هستند که در زیر اشاره شده است:

    نزدیک شدن به کاربران و همکاری با آن‌ها در طراحی راهکارها

بیمه‌گران باید به جای اتکای کامل روی سهامداران و شرکای خود، نظیر مدیران فروش یا محقیقن میدانی بازار، تمامی‌ مراحل طراحی و توسعه مدل‌های کسب‌وکار داده محور را با مشارکت و هم‌اندیشی با کاربران و بر اساس بازخورد‌های دریافتی از جانب آن‌ها به پیش ببرند. این توجه می‌تواند در مرحله قیمت‌گذاری نیز با در نظر گرفتن قدرت خرید و تمایلات مالی کابران، بیمه‌گران را برای ارائه ارزش محصولات در باز‌ه‌ای مناسب و درخور کمک کند.

    تشکیل تیم‌های چندتخصصه با بهترین مدل کسب‌وکار و بازخورد مشتریان

کانال‌های معمولی شرکت‌ها و سیستم‌های ارائه دهنده بیمه نظیر فروش یا بازاریابی، محصولات، فناوری اطلاعات، امور مالی یا نیروی انسانی، نیاز به هماهنگی در سطح بالایی دارند تا بتوانند سازمان را در راستای اهداف استراتژیک مشخص شده آن به پیش برانند. تشکیل تیم‌های چند تخصصه (cross-functional teams) اختصاصی (ترجیحا از منابع اختصاصی)، می‌تواند کسب‌وکار را در پیشبرد اهداف به بهترین شکل و در هماهنگ‌ترین حالت ممکن کمک کرده و با تمرکز روی بازخورد دریافتی از کاربران، سبب بهبود مدل‌های کسب‌وکار داده محور شود.

    اتخاذ رویکرد آزمون و خطا و تمرکز روی پیاده‌سازی آن در بازه‌های زمانی کوتاه

به جای پیاده‌سازی راه‌کارهایی جامع و دارای سطح بالایی از ویژگی‌ها و مشخصات، که برای اجرا و آزمون نیاز‌مند مدت زمان طولانی در حد چندین ماه یا حتی سال هستند، بیمه‌گران ملزم به تمرکز روی کمینه محصول پذیرفتنی (MVP) هستند که در بازه‌های زمانی کوتاه‌تری نتیجه می‌دهد و در ادامه می‌تواند توسعه یافته و ویژگی‌ها و قابلیت‌های آن تکیمل شود.

با توجه به این‌که اتخاذ این رویکردها، رد شدن از مراحل ۵ گانه مورد بحث در این مقاله و جهش از مدل‌های کسب‌وکار سنتی به مدل‌های کسب‌وکار داده محور بسیاری از بیمه‌گران را در باز‌ه‌ای از زمان بسیار شکننده می‌کند، مدیران هنگام عبور از این مراحل، ملزم به رعایت برخی نکات هستند تا کسب‌وکاری را پیاده کنند که زیر بار فشار‌های تحمیلی از سوی نیازها و فرایند‌های سازمان دوام بیاورد. به‌عنوان مثال، راه‌اندازی یک کسب‌وکار جدید، نیاز‌مند استخدام نیرو‌های متخصص جدیدتر و توسعه برخی مشارکت‌های ویژه برای پیش‌برد اهداف خود است. حال آن‌که ممکن است منابع، فرایندها و یا زمان مورد نیاز برای اجرای آن‌ها (مثلا برای استخدام نیرو‌های متخصص جدید) کافی نباشند. بنابراین، مدیران ارشد کسب‌وکارها باید قبل از تصمیم‌گیری، حرکت و اقدام در این زمینه‌ها، در مورد نحوه پاسخ‌گویی به نیاز‌هایی از این دست فکر کنند تا در مرحله عمل، با اطمینان خاطر و بدون شکست مقاصد خود را پیاده‌سازی کنند.

سخن آخر

حجم بالای داده‌های قابل دسترسی بیمه‌گران، زمینه را برای ایجاد و رشد مدل‌های کسب‌وکار داده محور و جریان‌های درآمدزایی و فرصت‌های عظیم برای ایجاد ارزش افزوده فراهم کرده است. سفر طولانی کسب درآمد از داده‌ها، مستلزم بازنگری بیمه‌گران در رویکرد‌های آن‌ها برای ایجاد و مدیریت داده‌ها، قابلیت‌های تحلیلی آن‌ها، توانمندی‌های بازاریابی یا ورود به بازار و ارائه خدمات و محصولات داده محور به کاربرانشان است. بدیهی است مدیرانی که بتوانند سرمایه‌گذاری‌های ‌صورت گرفته در حوزه‌های تحلیلی را به بهترین شکل مدیریت کرده و مدل‌های کسب‌وکار داده محور جدیدی را پی ریزی کنند، برنده میدان خواهند بود.

منبع: راه پرداخت