Γιατί οι ασφαλιστικές δεν χρησιμοποιούν την ανάλυση δεδομένων;

15 Ιανουαρίου 2021

Είναι δεδομένο πως όσο διευρύνεται και το 2021 η χρήση του διαδικτύου για τις καθημερινές συναλλαγές, τόσο σημαντικότερη θα καθίσταται η ανάλυση δεδομένων (η συλλογή των οποίων θα γίνεται ολοένα και ευκολότερη) για την προώθηση των επιχειρηματικών στόχων.

Σε μια ανησυχητική όσο και καθοριστική για το μέλλον της επιχειρηματικότητας στην Ελλάδα διαπίστωση προβαίνει έρευνα του ΣΕΒ σχετικά με τον βαθμό αξιοποίησης των δεδομένων από την πλευρά των εταιρειών που δραστηριοποιούνται στη χώρας μας.

Σύμφωνα με αυτήν, μόλις οι 4 στις 10 επιχειρήσεις έχουν εντάξει την ανάλυση των δεδομένων στην κουλτούρα και στις διαδικασίες λήψης αποφάσεων.

Και αυτό παρά το γεγονός ότι η Ελλάδα φιγουράρει στη 12η θέση μεταξύ των 27 χωρών της Ευρωπαϊκής Ένωσης στη σχετική λίστα που περιλαμβάνει τα κράτη που προμηθεύονται σύγχρονα εργαλεία ανάλυσης μεγάλου όγκου δεδομένων, καθιστώντας τα επί της ουσίας ανενεργά.

Αλλά και παρ’ ότι η εφαρμογή μιας τέτοιου είδους σύγχρονης τεχνολογίας αποφέρει αποδεδειγμένα σημαντικά οφέλη, ορατά ήδη σε εκείνες τις εταιρείες που επενδύουν με ουσιαστικό τρόπο σε αυτές τις τεχνολογίες, μετασχηματίζοντας τη διοικητική λειτουργία τους.

Ειδικότερα, με βάση τα ευρήματα της έρευνας, η υιοθέτηση της χρήσης τεχνολογιών ανάλυσης δεδομένων βελτιώνει προβληματικές και χρονοβόρες λειτουργίες μειώνοντας έως 35% τον χρόνο εκτέλεσης εργασιών παραγωγής, βοηθάει καθοριστικά στην αναγνώριση ευκαιριών αυτοματοποίησης και τυποποίησης περιορίζοντας έως 25% τα αποθέματα, ενώ παράλληλα τεκμηριώνει σύνθετες διοικητικές αποφάσεις επιφέροντας αύξηση εσόδων έως 3%.

Επιπρόσθετα, συμβάλλει στην πρόβλεψη επιπτώσεων εξωτερικών παραγόντων στην επιχείρηση, κάτι που έχει σαν αποτέλεσμα την επίτευξη υψηλότερης απόδοσης μιας επένδυσης έως και 7 μονάδες ενώ προσαρμόζει και την παραγωγή στην μεταβαλλόμενη ζήτηση με τρόπο ώστε να μειώνονται οι δαπάνες Έρευνας και Ανάπτυξης μέχρι και 25%.

Tαυτόχρονα, μέσω αυτών των τεχνολογιών δημιουργούνται προσωποποιημένα προϊόντα σε πραγματικό χρόνο, με αποτέλεσμα να μειώνονται οι δαπάνες μάρκετινγκ σε ποσοστό έως 5%.

Τότε γιατί δεν επενδύουν στην ανάλυση δεδομένων;

Ποιος είναι λοιπόν ο λόγος που παρά την πληθώρα των ευεργετημάτων δεν δίνεται η απαραίτητη προσοχή σε μια επένδυση που οι περισσότερες επιχειρήσεις έχουν ήδη είτε κάνει είτε δεχθεί ότι πρέπει να κάνουν;

Την απάντηση δίνει εν μέρει πρόσφατη έρευνα της Deloitte, με την οποία συνεργάζεται το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ.

Σύμφωνα με τα ευρήματα αυτής, το 66% περίπου των επιχειρήσεων περιορίζουν τη συλλογή και ανάλυση των δεδομένων σε μια πολύ μικρή ομάδα εργαζομένων.

Ενώ το 67% των ανώτερων διοικητικών στελεχών δεν αισθάνεται άνετα με τη χρήση δεδομένων από άλλες εσωτερικές μονάδες στην επιχείρηση.

Πρόκειται σαφώς για έναν διοικητικό αναχρονισμό, καθώς είναι σαφές ότι τα 2/3 των στελεχών διοίκησης σε μεγάλους οργανισμούς δεν καθιστούν μέρος της κουλτούρας τους μια λειτουργία που είναι πλέον ζωτικός κορμός ανταγωνιστικότητας.

Τι είναι όμως αυτό που μπορούν να κάνουν αυτά τα εργαλεία ανάλυσης για τα οποία γίνεται τόσος λόγος;

Από τη μια μπορούν να αυτοματοποιήσουν διαδικασίες διοικητικής υποστήριξης με τεχνικές machine learning αλλά και να προβλέπουν τάσεις ώστε να διατίθενται πόροι σε καινοτομίες που θα φέρουν αποτελέσματα.

To παράδειγμα της Blueground

Χαρακτηριστικό είναι το παράδειγμα της Blueground, μιας καινοτόμας ελληνικής εταιρείας που ιδρύθηκε το 2013 που δραστηριοποιείται στο χώρο του real estate προσφέροντας λύσεις στέγασης μέσω ενοικίασης σε ταξιδιώτες και στελέχη επιχειρήσεων που θέλουν να μείνουν σε ένα πλήρως εξοπλισμένο και εύχρηστο διαμέρισμα.

Για να πετύχει όμως η Blueground τη μέγιστη δυνατή πληρότητα και την καλύτερη τιμή είναι απαραίτητοι κάποιοι παράγοντες που συνδυάζουν τις τάσεις της αγοράς, την ανταπόκριση των πελατών και την απόδοση τόσο του διαμερίσματος όσο και της περιοχής.

Γι’ αυτό συλλέγει δεδομένα από εσωτερικές και εξωτερικές πηγές και αναπτύσσει μοντέλα βελτιστοποίησης και πρόβλεψης ούτως ώστε να επιλέξει τα κατάλληλα διαμερίσματα εξισορροπώντας τον κίνδυνο (το διάστημα δηλαδή που θα μπορούσε ένα ακίνητο να μείνει χωρίς ενοικίαση) με την ανταμοιβή (τα έσοδα δηλαδή από την ενοικίαση).

Κατόπιν, προσδιορίζει την τιμή ενοικίασης χρησιμοποιώντας ιστορικά δεδομένα για αυτήν, προβλέποντας μελλοντικές τιμές και δημιουργώντας νέα συμβόλαια ή αναδιαμορφώνοντας τα υπάρχοντα.

Ταυτόχρονα, προκειμένου να πετύχει τη μέγιστη πληρότητα και τη βέλτιστη τιμή χρησιμοποιεί τεχνικές ανάλυσης σε δεδομένα σχετικά με αξιολογήσεις και κριτικές των διαμερισμάτων.

Με αυτό τον τρόπο, η Blueground καταφέρνει να πετυχαίνει τιμή ελκυστική για τον πελάτη, εξασφαλίζοντας 100% πληρότητα των διαμερισμάτων, καταθέτοντας προτάσεις στον κατάλληλο χρόνο και στο κατάλληλο πρόσωπο.

Μάλιστα, είναι δεδομένο πως όσο διευρύνεται και το 2021 η χρήση του διαδικτύου για τις καθημερινές συναλλαγές, τόσο σημαντικότερη θα καθίσταται η ανάλυση δεδομένων (η συλλογή των οποίων θα γίνεται ολοένα και ευκολότερη) για την προώθηση των επιχειρηματικών στόχων.

Underwriter Editors

Η συντακτική ομάδα του Underwriter επεξεργάζεται καθημερινά τα δεδομένα της ασφαλιστικής βιομηχανίας και τα παρουσιάζει με τον χαρακτηριστικό της τρόπο: Πρακτικά, Περιεκτικά και επί της Ουσίας.

Underwriter.gr - Το δεξί χέρι του ασφαλιστή.

Αφήστε μια απάντηση

Η ηλ. διεύθυνσή σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *

ΠΡΟΗΓΟΥΜΕΝΟ ΑΡΘΡΟ:
Περίπου 21 εκατ. ευρώ οι απαιτήσεις αποζημιώσεων στην Κρήτη

Προσεγγίζουν τα €21 εκατ. οι απαιτήσεις αποζημιώσεων στις ασφαλιστικές εταιρίες για τις ζημιές από τα ακραία καιρικά φαινόμενα στην Κρήτη....

Close