El coste para las empresas de los sucesos imprevistos es muy elevado. Cuatro de cada cinco empresas consultadas en nuestro exclusivo programa de investigación han sufrido en los últimos 10 años un impacto significativo de uno o más componentes impredecibles, siendo los factores económicos los que han supuesto un impacto más severo.
A pesar de la creciente imprevisibilidad y de la presión de las partes interesadas para hacer frente a los períodos de volatilidad, muchas empresas no están lo suficientemente preparadas para los sucesos imprevistos. Menos de un tercio de las empresas (29%) han desarrollado planes de
El
20%
de las empresas del Índice de Imprevisibilidad de QBE afirman que no están bien preparadas para los sucesos imprevistos de 2019.
gestión de riesgos para los sucesos imprevistos y sólo el 17% afirma que realiza pruebas de resistencia. En general, el 20% de las empresas del Índice de Imprevisibilidad de QBE afirman que no están bien preparadas para los sucesos imprevistos de 2019.
El coste para las empresas de los sucesos imprevistos es muy elevado. Cuatro de cada cinco empresas consultadas en nuestro exclusivo programa de investigación han sufrido en los últimos 10 años un impacto significativo de uno o más componentes impredecibles, siendo los factores económicos los que han supuesto un impacto más severo.
A pesar de la creciente imprevisibilidad y de la presión de las partes interesadas para hacer frente a los períodos de volatilidad, muchas empresas no están lo suficientemente preparadas para los sucesos imprevistos. Menos de un tercio de las empresas (29%) han desarrollado planes de gestión de riesgos para los sucesos imprevistos y sólo el 17% afirma que realiza pruebas de resistencia. En general, el 20% de las empresas del Índice de Imprevisibilidad de QBE afirman que no están bien preparadas para los sucesos imprevistos de 2019.
El
20%
de las empresas del Índice de Imprevisibilidad de QBE afirman que no están bien preparadas para los sucesos imprevistos de 2019.
La era digital genera enormes volúmenes de datos. En la actualidad, más de la mitad de la población mundial (4.400 millones de personas) utiliza Internet. Los datos que se recogen son también más amplios, ya que los vehículos autónomos, los robots y los dispositivos conectados al consumidor generan cada vez
$9.300
millones en financiación de capital riesgo para empresas de inteligencia artificial en los EE. UU. en 2018
más datos. Gartner estima que en 2021 habrá 25.000 millones de dispositivos del Internet de las Cosas (IoT por sus siglas en inglés) en uso con los consumidores y las empresas (frente a los 14.000 millones actuales), que recopilarán datos sobre la salud, el comportamiento de los consumidores, el transporte y la logística, y la fabricación.
Estos datos carecen de sentido si no pueden tratarse con propiedad. Sin embargo, nuestra capacidad para analizar dichos datos y obtener información de éstos también está mejorando con la inteligencia artificial (IA) y el aprendizaje
automático, que cada vez resulta más accesible para las empresas. Se están haciendo grandes inversiones a partir del análisis de datos y el uso de tecnología como la IA; de hecho la financiación de capital de riesgo para éste tipo de empresas en los EE.UU. alcanzó los 9.300 millones de dólares en 2018, un 72% más que el año anterior, según CB Insights.
La era digital genera enormes volúmenes de datos. En la actualidad, más de la mitad de la población mundial (4.400 millones de personas) utiliza Internet. Los datos que se recogen son también más amplios, ya que los vehículos autónomos, los robots y los dispositivos conectados al consumidor generan cada vez más datos. Gartner estima que en 2021 habrá 25.000 millones de dispositivos del Internet de las Cosas (IoT por sus siglas en inglés) en uso con los consumidores y las empresas (frente a los 14.000 millones actuales), que recopilarán datos sobre la salud, el comportamiento de los consumidores, el transporte y la logística, y la fabricación.
Estos datos carecen de sentido si no pueden tratarse con propiedad. Sin embargo, nuestra capacidad para analizar dichos datos y obtener información de éstos también está mejorando con la inteligencia artificial (IA) y el aprendizaje automático, que cada vez resulta más accesible para las empresas. Se están haciendo grandes inversiones a partir del análisis de datos y el uso de tecnología como la IA; de hecho la financiación de capital de riesgo para éste tipo de empresas en los EE.UU. alcanzó los 9.300 millones de dólares en 2018, un 72% más que el año anterior, según CB Insights.
$9.300
millones en financiación de capital riesgo para empresas de inteligencia artificial en los EE. UU. en 2018
Es poco lo que las empresas pueden hacer para influir en riesgos como el cambio político, social o económico. Sin embargo, las herramientas de gestión de los riesgos que se basan en los datos representan un mercado emergente que permite vislumbrar estos riesgos, por ejemplo, vaticinando escenarios climáticos o económicos futuros. Cada vez más, la tecnología permitirá a las empresas comparar sus propios datos (sobre sus activos, cadenas de suministro y clientes) con estos escenarios,
dando una imagen general de cómo ciertos sucesos o tendencias podrían afectar al negocio.
Otra tendencia en desarrollo es el rápido crecimiento de los datos predictivos y la tecnología analítica que ayuda a las empresas a generar y analizar sus propios datos sobre los riesgos. La tecnología permite aprovechar las oportunidades de gestión de riesgos que ofrecen los datos; recopilar información sobre los riesgos, pero también la capacidad de intervenir de forma
temprana y tomar medidas para evitar pérdidas, tanto si se trata de maquinaria fundamental de gran valor como si se trata de un empleado que corre el riesgo de sufrir lesiones. Los datos y los análisis predictivos avanzados para la gestión de los riesgos pueden utilizarse para crear alertas o señales de alerta, aplicando medidas de prevención de pérdidas mucho antes de lo que hubiera sido posible anteriormente.
Según Chris Gill, Head of Risk
Solutions en QBE, "con la tecnología actual, es posible conocer el riesgo, incluso en tiempo real. Los sensores, localizadores y dispositivos de monitorización son ahora más accesibles y se conectan más fácilmente al Internet, lo que facilita la recopilación de datos en tiempo real. El aprendizaje automático y la IA permiten que una gran cantidad de estos datos se analicen mucho más rápido que si lo hiciera un ser humano, identificando patrones, tendencias o anomalías”.
Es poco lo que las empresas pueden hacer para influir en riesgos como el cambio político, social o económico. Sin embargo, las herramientas de gestión de los riesgos que se basan en los datos representan un mercado emergente que permite vislumbrar estos riesgos, por ejemplo, vaticinando escenarios climáticos o económicos futuros. Cada vez más, la tecnología permitirá a las empresas comparar sus propios datos (sobre sus activos, cadenas de suministro y clientes) con estos escenarios,
dando una imagen general de cómo ciertos sucesos o tendencias podrían afectar al negocio.
Otra tendencia en desarrollo es el rápido crecimiento de los datos predictivos y la tecnología analítica que ayuda a las empresas a generar y analizar sus propios datos sobre los riesgos. La tecnología permite aprovechar las oportunidades de gestión de riesgos que ofrecen los datos; recopilar información sobre los riesgos, pero también la capacidad de intervenir de forma
temprana y tomar medidas para evitar pérdidas, tanto si se trata de maquinaria fundamental de gran valor como si se trata de un empleado que corre el riesgo de sufrir lesiones. Los datos y los análisis predictivos avanzados para la gestión de los riesgos pueden utilizarse para crear alertas o señales de alerta, aplicando medidas de prevención de pérdidas mucho antes de lo que hubiera sido posible anteriormente.
Según Chris Gill, Head of Risk
Solutions en QBE, "con la tecnología actual, es posible conocer el riesgo, incluso en tiempo real. Los sensores, localizadores y dispositivos de monitorización son ahora más accesibles y se conectan más fácilmente al Internet, lo que facilita la recopilación de datos en tiempo real. El aprendizaje automático y la IA permiten que una gran cantidad de estos datos se analicen mucho más rápido que si lo hiciera un ser humano, identificando patrones, tendencias o anomalías”.
QBE, y su división de capital riesgo tecnológico, QBE Ventures, se ha asociado con varias compañías de insurtech en los últimos dos años. Por ejemplo, QBE está trabajando con Cytora para utilizar la IA, los datos de código abierto y nuestros propios datos de suscripción para predecir el rendimiento de las cuentas individuales y las carteras. Recientemente, nos asociamos con Jupiter, que analiza y predice el riesgo climático desde una hora hasta los próximos 50 años.
Las nuevas empresas facilitarán el proceso de elaboración de modelos y predicciones de riesgos, ayudando a las empresas a recopilar datos, y a crear conjuntos de datos, escenarios y modelos. Cada vez son más los proveedores de servicios de terceros que se especializan en riesgos y seguros. ZASTI, una plataforma de
Las nuevas empresas facilitarán el proceso de elaboración de modelos y predicciones de riesgos.
tecnología basada en la nube de IA, por ejemplo, utiliza el análisis predictivo para proporcionar inteligencia preventiva en caso de incendio, incidencias en la cadena de suministro, averías en las instalaciones climatológicas o en la maquinaria. Otro proveedor, Geospatial Insight, utiliza imágenes por satélite y de aviones no tripulados, con sistemas de aprendizaje automático, para analizar los riesgos y supervisar los activos para las aseguradoras y las empresas.
QBE, y su división de capital riesgo tecnológico, QBE Ventures, se ha asociado con varias compañías de insurtech en los últimos dos años. Por ejemplo, QBE está trabajando con Cytora para utilizar la IA, los datos de código abierto y nuestros propios datos de suscripción para predecir el rendimiento de las cuentas individuales y las carteras. Recientemente, nos asociamos con Jupiter, que analiza y predice el riesgo climático desde una hora hasta los próximos 50 años.
Las nuevas empresas facilitarán el proceso de elaboración de modelos y predicciones de riesgos, ayudando a las empresas a recopilar datos, y a crear conjuntos de datos, escenarios y modelos. Cada vez son más los proveedores de servicios de terceros que se especializan en riesgos y seguros. ZASTI, una plataforma de tecnología basada en la nube de IA, por ejemplo, utiliza el análisis predictivo para proporcionar inteligencia preventiva en caso de incendio, incidencias en la cadena de suministro, averías en las instalaciones climatológicas o en la maquinaria. Otro proveedor, Geospatial Insight, utiliza imágenes por satélite y de aviones no tripulados, con sistemas de aprendizaje automático, para analizar los riesgos y supervisar los activos para las aseguradoras y las empresas.
Las nuevas empresas facilitarán el proceso de elaboración de modelos y predicciones de riesgos.
Todavía es pronto para implantar una gestión de los riesgos únicamente basada en datos, y son muchas las tecnologías que no han sido siquiera probadas en escenarios reales. Sin embargo, es evidente que los datos, la información y su análisis tendrán un papel importante a la hora de ayudar a las organizaciones a gestionar tanto las ventajas como las desventajas de la imprevisibilidad en su gestión de riesgos.
Los datos deben ser sólidos para que sirvan de base a la estrategia
o a la toma de decisiones. Resulta alentador que más de la mitad (51%) de las empresas encuestadas para el Índice afirmen que la calidad de los datos internos y externos ha mejorado en los últimos cinco años. Un 42% cree que la disponibilidad de los datos ha aumentado, un 36% afirma que los datos son más exactos y un tercio afirma que ahora hay más datos para elaborar modelos*.
Conseguir el enfoque cultural correcto es uno de los mayores retos para adoptar con éxito la
Fuente: Índice de Imprevisibilidad de QBE
Todavía es pronto para implantar una gestión de los riesgos únicamente basada en datos, y son muchas las tecnologías que no han sido siquiera probadas en escenarios reales. Sin embargo, es evidente que los datos, la información y su análisis tendrán un papel importante a la hora de ayudar a las organizaciones a gestionar tanto las ventajas como las desventajas de la imprevisibilidad en su gestión de riesgos.
Los datos deben ser sólidos para que sirvan de base a la estrategia o a la toma de decisiones. Resulta alentador que más de la mitad (51%) de las empresas encuestadas para el Índice afirmen que la calidad de los datos internos y externos ha mejorado en los últimos cinco años. Un 42% cree que la disponibilidad de los datos ha aumentado, un 36% afirma que los datos son más exactos y un tercio afirma que ahora hay más datos para elaborar modelos*.
Conseguir el enfoque cultural correcto es uno de los mayores retos para adoptar con éxito la
Fuente: Índice de Imprevisibilidad de QBE
analítica de datos. El uso de datos es natural para las empresas tecnológicas, pero los sectores con modelos de negocio más tradicionales tendrán que adaptarse con rapidez si quieren aprovecharse de estas ventajas.
Las organizaciones necesitan identificar primero dónde están sus incertidumbres y tener una idea de qué es necesario para corregirlas, para determinar después si la mejora de los datos y de su análisis supondrán una diferencia significativa en su estrategia y en el rendimiento y la gestión de sus riesgos. En consecuencia, deberían tenerse en especial consideración aquellos ámbitos en los que el modelo empresarial
podría beneficiarse si estuviera mejor informado y al día, para orientar la inversión y esfuerzos de manera adecuada.
Cuando se trata de anticipar sucesos imprevistos, vamos descubriendo que el análisis del pasado tiene deficiencias evidentes; en este sentido, la planificación de escenarios y los supuestos “qué pasaría si”, deberían utilizarse para cubrir el déficit. Cualquier participante de la cadena de valor de los seguros tiene un subconjunto de datos (sobre activos, clientes, siniestros). El poder real de los datos es reunir lo que los clientes, corredores y aseguradoras tienen en común. De este modo, podremos ver el futuro con mayor claridad y,
analítica de datos. El uso de datos es natural para las empresas tecnológicas, pero los sectores con modelos de negocio más tradicionales tendrán que adaptarse con rapidez si quieren aprovecharse de estas ventajas.
Las organizaciones necesitan identificar primero dónde están sus incertidumbres y tener una idea de qué es necesario para corregirlas, para determinar después si la mejora de los datos y de su análisis supondrán una diferencia significativa en su estrategia y en el rendimiento y la gestión de sus riesgos. En consecuencia, deberían tenerse en especial consideración aquellos ámbitos en los que el modelo empresarial podría beneficiarse si estuviera mejor informado y al día, para orientar la inversión y esfuerzos de manera adecuada.
Cuando se trata de anticipar sucesos imprevistos, vamos descubriendo que el análisis del pasado tiene deficiencias evidentes; en este sentido, la planificación de escenarios y los supuestos “qué pasaría si”, deberían utilizarse para cubrir el déficit. Cualquier participante de la cadena de valor de los seguros tiene un subconjunto de datos (sobre activos, clientes, siniestros). El poder real de los datos es reunir lo que los clientes, corredores y aseguradoras tienen en común. De este modo, podremos ver el futuro con mayor claridad y, en última instancia, utilizar el análisis predictivo para la gestión de los riesgos y tomar mejores decisiones.
Inscríbase para recibir los próximos artículos del Unpredictability Series y otros comentarios, informes y percepciones de QBE.