Data Quality CZ - portál věnující se tématu kvalitních dat

Datová kvalita jako klíčový faktor úspěšnosti implementace CRM systému v pojišťovnictví

[1.11.2011] D. Pejčoch

Abstrakt

Principy řízení vztahů s klienty (CRM) mohou výrazně ovlivnit metriky výkonnosti pojišťovny a to v pozitivním i negativním slova smyslu. Dobře volená odstupňovaná péče s ohledem na životní styl a hodnotu klienta může výrazně přispět k jeho spokojenosti a loajalitě. Naproti tomu zahlcení klienta nabídkami, které pro něj nejsou relevantní, může vztah s klientem trvale nenávratně poškodit. Jedním z klíčových faktorů pro implementaci CRM v pojišťovnictví se tak stává kvalita klientských dat umožňující v optimálním případě komplexní 360° pohled na klienta a jeho potřeby. Tato práce si klade za cíl představit několik klíčových úloh souvisejících s implementací CRM v pojišťovnictví a ukázat na modelovém příkladu vliv kvality dat na jejich úspěšnost.

ÚVOD

V posledních letech získala v pojišťovnách na oblibě oblast řízení vztahů s klienty (CRM). Není pravdou, že by pojišťovny vztahy s jednotlivými klienty na úrovni získatelů pojištění neřešily již dříve. Koncepce jejich primárních systémů zaměřená na smlouvu a produkt, nikoliv na klienta, jim však často znemožňovala plně využít potenciálu, který představují rozsáhlé klientsky orientované databáze. S implementací CRM systémů souvisí vytvoření klientsky orientovaného data martu poskytujícího informace o unifikovaném klientovi a dalších identifikovaných vztazích. Takto nadefinovaná databáze může velkou měrou přispět k optimalizaci procesů pojišťovny a zvýšit tak její metriky výkonnosti. Současně se však kvalita této báze stává klíčovým faktorem úspěšnosti této optimalizace. Dobře zvolená odstupňovaná péče s ohledem na životní styl a hodnotu klienta může výrazně přispět k jeho spokojenosti a loajalitě. Naproti tomu zahlcení klienta nabídkami, které pro něj nejsou relevantní, může vztah s klientem trvale nenávratně poškodit.

CÍL A METODIKA

Tato práce si klade za cíl představit několik klíčových úloh souvisejících s implementací CRM v pojišťovnictví a ukázat na modelovém příkladu vliv kvality dat na jejich úspěšnost.

Co je to CRM a jaké jsou jeho typické úlohy v pojišťovnictví

CRM představuje páteř budování dlouhodobých vztahů s klienty. Na strategické úrovni vychází především z principů Customer Intimacy, o jejichž existenci nás napříč vertikálami ubezpečují reklamní slogany typu „Pro nás nejste jen číslo“, „Banka inspirovaná klienty“ či „Každý jste jedinečný“. V praxi tento princip požaduje individuální vytváření produktů „na míru“ klientovým potřebám a jeho hodnotě pro firmu. Směřování k uspokojování individuálních potřeb klienta je však značně datově a analyticky náročné. Především je nutné vědět, kdo je mým klientem, jaké jsou jeho stávající zakoupené produkty a jaké potenciální potřeby odpovídající jeho životnímu stylu zůstaly neuspokojeny. Odpovědi na tyto otázky podává CRM na své analytické úrovni. Poskytuje jednak klientsky orientovanou datovou základnu, ale hledá i další vztahy v rámci klientské báze, jako je např. příslušnost k jedné domácnosti. V rámci této domácnosti se potom snaží nalézt osobu, která je decision maker, aby na operační úrovni vygenerovalo příležitosti pro oslovení toho pravého. Nespokojuje se však s pouhou identifikací domácnosti, ale hledá pro tuto domácnost profil odpovídající jejímu životnímu stylu. Pan Novák či paní Nováková však nemusí být pouze decision maker pro daný typ pojištění v rámci své rodiny. Mohou též ovlivňovat rozhodnutí o nákupním chování ve statutárním orgánu firmy, v níž působí. Ba co více, mohou ovlivňovat kupní chování svých přátel formou tzv. word-of-mouth. Zatímco v případě domácnosti a byznys spřízněnosti (GCC ) je možné tyto vztahy částečně identifikovat na základě dat, v případě word-of-mouth vztahů to prakticky možné není. Padla zde již zmínka o hodnotě klienta pro firmu. Důvodem pro její výpočet je staré, ale stále platné Paretovo pravidlo, že 80% profitu firmy je generováno pouze 20% klientů, zatímco většina klientů přispívá k profitu pouze malou částí. Tato skutečnost je jedním z důvodu, proč se firmy snaží budovat prioritně vztahy s klienty, kteří pro ně představují vyšší potenciál. Na otázku, který klient je pro firmu hodnotnější, umí opět na základě dat odpovědět analytické CRM.

Co jsou to nekvalitní data

Při výkladu pojmu datová kvalita se setkáme zpravidla s očekávanou mírou naplnění vlastností dat jako je úplnost, správnost, konzistentnost, aktuálnost, unikátnost apod. Z informatického hlediska se vlastně jedná o metriky výkonnosti řízení dat jako jedné z domén řízení informatiky. Kompletní výčet hlavních vlastností dat s definicí jejich metrik poskytuje [5] či [1]. Datové nedostatky vznikají z mnoha důvodů: záměrně, vzhledem k absenci vstupních kontrol do informačních systémů, na základě selhání lidského faktoru, vlivem nekonzistentnosti měrných jednotek napříč datovými zdroji, roztříštěností datové báze v rámci různých aplikací, ale i paradoxně na základě chybně nadefinovaných pravidel pro řízení datové kvality.

Je zřejmé, že do metrik výkonnosti firmy se datové nedostatky promítají zprostředkovaně přes využití dat v rámci procesů firmy. Touto problematikou se zabývá především [3]. Uvažuje následující oblasti dopadu: Finanční dopad, (zahrnující v sobě např. přímé operační náklady, režijní náklady, dodatečné poplatky, změnu v cash-flow, dopad do odpisů a do úniku peněz z firmy, např. v důsledku fraudů), dopad do spokojenosti spotřebitele a jeho očekávaného tržního chování, dopad do rizika a kompliance a konečně dopad do produktivity firmy. Pokud CRM aktivity považujeme za klíčové z pohledu naplňování strategie pojišťovny hlásící se k principu Customer Intimacy, představuje možné selhání CRM z pohledu firmy značné operační riziko.

PRAKTICKÝ PŘÍKLAD

Zkusme si pro účely praktického příkladu dopadu vlastností dat do implementace CRM a zprostředkovaně i do metrik výkonnosti firmy přestavit fiktivní, ne však nereálný, katastrofický scénář. Uvažujme univerzální pojišťovnu poskytující následující tři typy pojistných produktů: neživotní pojištění (pojištění motorových vozidel, pojištění majetku a odpovědnosti, úrazové pojištění, pojištění podnikatelů), životní pojištění (kapitálové, investiční, rizikové) a pojištění cestovních a léčebných výloh. Pro každé z těchto typů pojištění má naše modelová pojišťovna zvláštní provozní systém pro správu smluv. Kromě těchto primárních systémů má ještě systém pro správu inkasa a zcela bokem od ostatních aplikaci pro evidenci zaměstnanců s vlastní databází. Pojišťovna navíc prostřednictvím internetu prodává pojištění odpovědnosti za provoz motorového vozidla (MTPL) a tato online aplikace má svou vlastní databázi smluv, z níž se do provozního systému neživotního pojištění importují pouze zaplacené pojistné smlouvy. Ostatní kontakty klientů se do primárních systémů nikdy nepřesouvají. Pojišťovna nemá vytvořený PDI Hub, který by data partnerů z jednotlivých systémů integroval. Pojišťovně to dosud nevadilo, neboť správu smluv umožňovaly jednotlivé primární systémy, které měly i své oddělené moduly pro likvidaci pojistných událostí. Online pojištění je pro pojišťovnu okrajovou záležitostí a tudíž ani jeho integrací do primárního systému pro neživotní pojištění se dosud nezabývala. Zcela stranou od ostatních systémů byla též aplikace pro evidenci stížností, vytvořená na platformě dokumentové databáze, bez možnosti snadné integrace s ostatními systémy.

V tomto roce vedení pojišťovny usoudilo, že by se mělo zaměřit na klienta, místo smlouvy / produktu. Za tímto účelem vytvořilo CRM oddělení, které mělo tento pohled ve spolupráci s IT zajistit, zanalyzovat propojištěnost v kmeni a vytvořit prediktivní modely pro budoucí cross-sell a navrhnout způsob efektivního vytěžení stávajícího kmene. Rovněž mělo vytvořit segmenty podle hodnoty klienta, podle nichž by se následně odstupňovala různá úroveň servisních služeb. CRM oddělení si nechalo od IT oddělení připravit databázi klientů ze všech provozních systémů. Před započetím analýz si pracovníci tohoto oddělení udělali rychlou profilaci dat a zjistili následující skutečnosti: V provozních systémech je s nově vloženou smlouvou často založen nový klient i v případě, že se již v nějaké roli (pojištěný, pojistník, držitel vozidla, vlastník vozidla, obmyšlená osoba, pojištěná osoba, oprávněná osoba) na jiné smlouvě téhož typu pojištění vyskytuje. Důvodem jsou drobné odchylky od záznamu původního klienta. Nejen mezi systémy, ale i v rámci jednotlivých systémů se tak vyskytují mnohonásobné duplicity. V mnoha případech chybí údaje o rodném čísle, IČO, telefonu, emailu. Korespondenční adresy nejsou verifikovány proti registru UIR-ADR, navíc není centrálně sledována doručitelnost na adresy, tudíž není k dispozici žádná informace o tom, jaké množství adres je validních. Již na první pohled některé adresy vykazují zřejmou nekonzistenci atributů obec a PSČ.

Dopad do implementace CRM

Neúplnost informací o všech obchodních transakcích s klientem vlivem neintegrované báze pro MTPL má vliv na optimální řízení přímých kampaní co by součásti operačního CRM. Opakovaná nabídka může představovat v rámci vztahu s klientem jeden z momentů pravdy (MOT, viz např. [2]), v němž může být vztah s ním trvale poškozen nebo dokonce ukončen. Stejný vliv může mít opožděné dodání dat o nově vzniklých produktech z různých provozních systémů (tedy nízká úroveň včasnosti dat) ještě umocněné jejich případným pozdním zadáním do těchto systémů.

Neúplné kontaktní údaje mohou mít vliv na kampaňovité upomínání neplacení pojistného, tzn. některé klienty se nepodaří rozplatit na základě jejich kontaktování pomocí SMS. Taktéž nebude možné v některých případech zvýšit úspěšnost přímé kampaně pomocí SMS nebo telefonického follow-up. V rámci follow-up je často nutné klientovi pouze připomenout končící platnost akce a připomenout mu tak již jeho dřívější rozhodnutí produkt koupit. Kampaně opírající se o email jako kanál k oslovení budou předem odsouzeny k neúspěchu (nebo je nebude možné vůbec realizovat), pokud se v databázi kontaktů vyskytují chybějící či zjevně syntakticky i sémanticky nesprávné hodnoty v rámci tohoto atributu.

Chybné adresní údaje povedou k množství nedoručné korespondence. V případě kampaní využívajících k oslovení direct mail tak dojde k nežádoucím nákladům na distribuci nabídky, která nikdy ke klientovi nedorazí. Snižuje se tak efektivnost realizace těchto kampaní a současně i ROI nástroje pro jejich řízení. Pro úspěšné zacílení kampaně je též klíčová integrace analytického data martu s databází stížností. Stížnosti představují zásadní údaj historie interakcí s klientem. Výskyt stížnosti by měl nastartovat tzv. zamykací pravidlo, které u daného klienta zakazuje po určitou dobu jeho oslovení. V opačném případě se kampaň může změnit v další MOT, který posune klienta směrem k odchodu od pojišťovny.

Roztroušenost systémů, a tedy neúplnost dat v analytickém data martu, může vést vlivem nedostupnosti některých transakčních dat relevantních pro určení současného a budoucího cash flow klienta k chybnému stanovení jeho hodnoty. To může mít vliv na jeho chybné zařazení do segmentu a následné chybné zacílení péče, které může klienta rozladit, např. pokud co by významný klient při volání na call centrum uvízne ve frontě čekajících. K mnohem horšímu dopadu může dojít, pokud je reálně méně významnému klientovi poskytnuta lepší péče než tomu objektivně významnějšímu, přičemž tito klienti jsou navzájem ve word-of-mouth vztahu. Efekt „sousedovi jste nabídli tuto výhodu a má u Vás jen MTPL“ může trvale narušit vztah s klientem. Stejný efekt jako roztroušenost systémů může vyvolat též nededuplikovaná báze (tedy báze s nízkou úrovní míry unikátnosti). Pokud nemohu určit, jaké dílčí záznamy v klientské bázi se vztahují k témuž skutečnému klientovi, nemohu určit ani jeho současné / historické produkty a transakce, které se k nim vztahují.

Určení domácnosti předpokládá, že pojišťovna je již schopná identifikovat unikátního klienta. Jedná se o typ vztahu, který je ještě možné do značné míry zjistit z dat. U dvou osob téhož příjmení majících korespondenční adresu na shodném místě existuje při zohlednění četnosti výskytu příjemní v dané lokalitě určitá pravděpodobnost, že spolu tvoří domácnost ve smyslu souboru osob společně bydlících a společně hospodařících (tedy i společně optimalizujících své portfolio sjednaných pojistných produktů). Pojišťovna identifikovanou domácnost může použít jednak pro určení její hodnoty a následné shodné nastavení úrovně servisních procesů pro všechny členy domácnosti, jednak pro optimalizaci přímých kampaní. Pro dopad chybného určení domácnosti platí to samé, co již bylo řečeno u identifikace unikátního klienta. Navíc zde existuje riziko zbytečného oslovování více členů domácnosti v rámci kampaně, potažmo oslovování člena domácnosti s nabídkou pojištění, u kterého není decision maker (např. u MTPL jím bude spíše muž, v případě pojištění úrazu dětí spíše žena).

Neúplnost dat produktů v analytickém data martu a nemožnost identifikace unikátního klienta má též dopad do kvality data mining modelů, které v rámci analytického CRM predikují koupi dalšího produktu, anebo naopak částečný či úplný odchod klienta. Kvalita těchto modelů přímo ovlivňuje určení potenciální hodnoty klienta a též možnosti optimalizace nabídky dalších produktů, čímž má přímo dopad na ROI nástroje pro řízení kampaní a reputaci CRM oddělení.

Úspěšnost implementace CRM nástroje v pojišťovnictví též ovlivňuje možnost identifikace obchodního kanálu, přes který má klient sjednány své produkty. Oslovování klientů v rámci přímých kampaní, kteří mají některou ze svých smluv sjednanou přes makléře může trvale poškodit vztahy s daným makléřem a snížit tak reputaci CRM oddělení.

ZÁVĚR

Kvalita dat v analytickém data martu představuje klíčový faktor úspěšnosti zavádění CRM v pojišťovně. Dopad nekvalitních dat do úspěšnosti přímých kampaní ovlivňuje ROI nástrojů pro jejich řízení. Chybně vygenerované nabídky mohou vést ke zhoršení vztahů s klientem a stížnostem jeho pečujícího obchodníka, čímž dochází ke snížení reputace CRM oddělení a prakticky znemožnění jeho dalšího rozvoje.

POUŽITÁ LITERATURA

Poznámka: Tento článek byl původně publikován jako příspěvek na konferenci EVROPSKÉ FINANČNÍ SYSTÉMY 2011, Ekonomicko-správní fakulta Masarykovy univerzity, dne 3. června 2011.

Ing. David Pejčoch, DiS.
Katedra informačního a znalostního inženýrství, Vysoká škola ekonomická v Praze
nám. W. Churchilla 4
Praha 3
130 67
david@pejcoch.com

Komentáře ke článku

Stránka byla naposledy aktualizována dne 4.5.2015
Powered by HOLOPAGE
©2011 - 2021 D. Pejčoch