Nadenken over keuzes

Lex de Bruijn Insurance Data 2024

(Lex de Bruijn, Insurance Data, in katern Haal meer uit data in VVP 1-2024) Voor een succesvolle implementatie van een Business Intelligence (BI) ofwel datastrategie is het noodzakelijk om doordachte keuzes te maken. Die niet alleen van invloed zijn op de wijze waarop gegevens worden verzameld en geanalyseerd, maar tevens verstrekkende gevolgen hebben voor de algehele bedrijfsvoering en besluitvorming.

De eerste fundamentele keuze betreft de route van uw databronnen naar een data warehouse, dat fungeert als de centrale opslagplaats voor al uw gegevens. Dit warehouse vormt niet alleen de basis voor analyses en rapportages, maar ook voor toekomstige inzichten en voorspellingen. Het is cruciaal om de impact van deze beslissing op uw primaire transactiesystemen, zoals ANVA, DIAS, CCS, zorgvuldig te overwegen om prestaties, integratie en operationele efficiëntie te waarborgen.

Overweeg de mogelijkheid van een onafhankelijke entiteit die als veilige haven fungeert voor uw data, zonder beïnvloeding door andere belangen. Dit waarborgt de integriteit en veiligheid van uw gegevens, los van derde partijen.

Een kritieke vraag betreft de bewerking van data afkomstig van bronnen buiten uw systeemhuispakket. Het waarborgen van nauwkeurigheid en consistentie van deze gegevens is essentieel, en de keuze tussen bewerking door uw systeemhuis of een onafhankelijke entiteit vereist zorgvuldige overweging.

Om een effectieve BI-strategie te waarborgen, is het noodzakelijk om controle te hebben over alle tot stand gekomen koppelingen, zowel technisch als zakelijk. Begrip van hoe en wanneer gegevens worden uitgewisseld tussen systemen is van groot belang.

De keuze tussen een Microsoft-georiënteerde IT-strategie of een meer divers non-Microsoft pad beïnvloedt de selectie van BI-tools en verdere technologische ontwikkelingen binnen uw organisatie. Integreerbaarheid van systemen speelt hier een grote rol.

De strategische beslissing over het behoud van historische data vereist overweging van de duur en hoeveelheid, rekening houdend met de behoefte aan vergelijkingen met voorgaande jaren en toekomstige ontwikkelingen in kunstmatige intelligentie (AI).

Stadia van implementatie

Na het beantwoorden van deze cruciale vragen volgen verschillende stadia om tot een datavolwassen strategie te komen.

Fase 1: bron ontsluiting – De basis van beschikbare data komt vaak uit systeemhuispakketten zoals ANVA, DIAS, CCS, etcetera. Daarnaast kunnen er bronnen onstloten worden zoals Finly, Exact online, Postex, AWI en overige externe bronnen. Het is noodzakelijk gegevens uit verschillende bronnen te combineren, wat de nodige kennis van deze bronnen en koppelvlakken vereist.

Fase 2: data rationalisatie – Het rationaliseren van ruwe data vergt ervaring en programmeerwerkzaamheden om tot een bruikbare dataset te komen.

Fase 3: compleet, accuraat, betrouwbaar en consistent– Een dataset die na stap 1 en 2 compleet, accuraat en betrouwbaar is, is nu geschikt voor BItooling en andere toepassingen.

Fase 4: dashboarding – Het gebruik van BI-tooling, zoals Microsoft BI, maakt inzicht in uw data visueel. Een duidelijke strategie voor inzichten en rapportages is cruciaal.

Fase 5: implementatie van AI – Na het doorlopen van bovenstaande stappen is het tijd om AI in te zetten voor geavanceerde analyses, zoals het afzetten van klantwaarde tegen verwacht royementsrisico.

Reactie toevoegen

 
Meer over
Deloitte: "Next GenAI en Tech belangrijke versnellers transformatie naar klantvriendelijkheid tegen lagere kosten"

Deloitte: "Next GenAI en Tech belangrijke versnellers transformatie naar klantvriendelijkheid tegen lagere kosten"

"Door artificiële intelligentie (AI) verschuift de focus van polis- en administratiegerichte taken naar dienstverlening en ontzorging." Dat is een van de ontwikkelingen...

Fast én slow service

Fast én slow service

(Uit katern Pensioen & Vermogen, VVP 2-2024) “Klanten willen flexibel leven en eisen zowel fast als slow service”, aldus trendonderzoeker Mark...

AFM en DNB schetsen uitgangspunten toezicht op AI

AFM en DNB schetsen uitgangspunten toezicht op AI

In een dinsdag verschenen rapport schetsen AFM en DNB uitgangs- en aandachtspunten te voor het vormgeven van het toezicht op artificiële intelligentie (AI)....

Achmea Innovation Fund investeert in Laka

Achmea Innovation Fund investeert in Laka

Achmea Innovation Fund heeft een investering gedaan in Laka. Laka, opgericht in 2017 in Londen, is een mobiliteitsinsurtech, die inmiddels actief is in  meerdere...

Hoe groter jouw succes hoe beter voor aarde en samenleving

Hoe groter jouw succes hoe beter voor aarde en samenleving

(Gijs Mensing, Rethinq, in VVP-special Duurzaam Advies 2024) We hebben een andere manier van waardecreatie nodig. Sommigen geloven sterk dat we naar een regeneratief...

Kunstmatige intelligentie slim aanpakken

Kunstmatige intelligentie slim aanpakken

(Justin Schlee, ANVA, in katern Haal meer uit data in VVP 1-2024) Kunstmatige intelligentie is een interessante tool die het overwegen waard is, vooral als het...

Win tijd met AI en Machine Learning

Win tijd met AI en Machine Learning

(Partner in kennis Inpact in katern Haal meer uit data in VVP 1-2024) Dagelijks worden enorme hoeveelheden data gecreëerd. In de verzekeringsbranche is dat...

Blijf heer en meester over data

Blijf heer en meester over data

(Uit katern Haal meer uit data in VVP 1-2024) Weet wat u wilt met data, dat is de vraag die vooraf gaat aan elke andere beslissing op gegevensvlak. Vervolgens...

Katern Haal meer uit data in nieuwe VVP

Katern Haal meer uit data in nieuwe VVP

Pak kunstmatige intelligentie slim aan, stelt Justin Schlee (ANVA) in het katern Haal meer uit data in de dinsdag verschenen nieuwe VVP 1-2024. Schlee: "Mijn advies...

Onesurance en Insurance Data lanceren AI Engine

Onesurance en Insurance Data lanceren AI Engine

Insurance Data en Onesurance gaan samenwerken om het gebruik van data in de verzekeringsmarkt te verbeteren. Hiertoe is door Onesurance een geavanceerde AI Engine...