La Data Quality sta diventando un pilastro del nuovo sistema economico. Di conseguenza, anche del settore assicurativo. Anni fa nessuno avrebbe scommesso su una tale evoluzione, ma oggi le statistiche parlano chiaro: la quantità di dati storicizzata solo nell’ultimo biennio supera quella registrata nel corso dell’intera storia umana. E il suo volume continua ad aumentare in maniera vertiginosa.
Non poteva quindi accadere che una tale mole di informazioni restasse dormiente. L’applicazione della Data Quality alle attività di business, dunque, altro non è che la metodologia che consente un miglior indirizzo delle scelte decisionali delle aziende nei confronti di una enorme platea di Stakeholder e un supporto strutturato al processo di comunicazione in fatto di presidi attivi nel rispetto del principio della trasparenza. La buona riuscita dell’applicazione della metodologia dipende molto dalla cultura d’impresa sulle modalità di deployment della data strategy a livello organizzativo ed applicativo.
Data Quality e settore assicurativo: un rapporto sollecitato dal legislatore
In ambito assicurativo, Data Quality rappresenta sicuramente un tema introdotto e sostenuto dal legislatore, con Solvency II, che pone la gestione del dato al centro della gestione di business. Con inevitabili conseguenze anche sull’organizzazione delle imprese in termini di ruoli e di impatto sui meccanismi operativi.
Secondo alcuni studi, l’utilizzo dei Big data riguarderà nei prossimi anni un numero sempre maggiore di Compagnie assicurative (sino al 90% nel breve termine). Con quali conseguenze? Di certo l’uso consapevole e mirato di queste informazioni consentirà, ad esempio, di agire sul pricing, accrescendo la personalizzazione del premio, segnalando rischi in tempo reale e modificando i profili in corso di copertura, agevolando il management delle Compagnie in fatto di ridisegno dei processi industriali con l’obiettivo di offrire al cliente la miglior customer experience.
Il rispetto della compliance nella gestione dei dati
Si tratta, tuttavia, solo di un esempio. Le possibilità applicative dei Big data e della Data Quality in ambito assicurativo sono infatti molteplici. E sta alla prontezza imprenditoriale individuarne le prospettive verso il cliente finale.
Quel che a una Compagnia non può sfuggire, in questo quadro, è piuttosto come giungere ad un corretto uso dei dati. La compliance in termini di Data Quality richiede un completo adeguamento aziendale alle prescrizioni, con l’istituzione di figure apposite e l’implementazione di procedure ad hoc.
Il pensiero è rivolto ovviamente alla recente normativa Solvency II, la quale ha richiesto alle imprese del settore assicurativo un’attenzione specifica ai dati, al fine di tracciare le operatività aziendali e di valutarne i rischi. Sulla scia di quanto avvenuto per le banche con la normativa Basilea, le compagnie assicurative si sono conformate alla novità sviluppando un sistema di Data Quality Management, capace di garantire la qualità dei dati utilizzati nel calcolo delle riserve tecniche e nella determinazione dei vari parametri specifici richiesti dal modello utilizzato e di certificare la produzione degli output prodotti. Dal Reporting istituzionale a quello gestionale e predittivo, sia a livello sintetico, sia a livello operativo, occorre progettare, implementare e far funzionare processi di produzione dei dati da sottoporre a verifiche di accuratezza, integrità, completezza e tempestività in modo strutturato attraverso un adeguato sistema di controllo interno. Come dovrebbe essere progettato un sistema di controllo interno idoneo ad intercettare problemi di Data Quality? La risposta è abbastanza articolata e meriterebbe sicuramente una sessione di approfondimento dedicata, ma in massima sintesi i meccanismi di verifica e presidio dovrebbero garantire il monitoraggio della robustezza degli apparati di controllo in termini di capacità di intercettare errori coerentemente con i principi generali di Data Quality introdotti all’art. 13 comma 2 del Regolamento 38 dell’IVASS e della conformità dei dati in termini di esitazione dei controlli eseguiti secondo regole e algoritmi progettati puntualmente nella filiera di produzione ed elaborazione dei dati.
Si tratta di uno sforzo che nella totalità dei casi ha coinvolto svariate aree aziendali, sotto il presidio quindi di un centro di controllo e coordinamento specializzato in fatto di data literacy e di diffusione della cultura del dato, affinchè diventi parte integrante dei meccanismi di verifica all’interno di tutti i processi aziendali. Inoltre, basandosi su un sistema di governance dei dati, le assicurazioni hanno dovuto mettere in opera anche procedure in grado di garantire nel tempo, nel pieno rispetto della compliance, l’integrità, la completezza e la correttezza dei dati conservati. E hanno dovuto definire uno standard aziendale di data governance che individuasse ruoli e responsabilità nell’utilizzo e nel trattamento dei Big data.
Un percorso verso la completa riorganizzazione del business
La spinta all’organizzazione del patrimonio informativo aziendale non si fonda, ovviamente, sulla sola Direttiva Solvency II, che ha fornito impulsi sicuramente determinanti in questo senso. Le imprese assicurative sono infatti sollecitate su più fronti (vedi, tra gli altri, Regolamento Ivass n. 38/2018, IDD, IFRS 17, GDPR), anche in modo indiretto a rafforzare la loro attenzione verso la Data Quality e gli eventuali costi e rischi che possono derivare da un carente controllo delle informazioni in gestione.
Il risultato in termini di sentiment è significativo: secondo il World Insurance Report 2018 di Capgemini ed Efma, oltre il 63% degli executive intervistati afferma che l’assicurazione del futuro per essere competitiva dovrà integrare e, soprattutto, gestire le numerose fonti di dati oggi a disposizione. E infatti secondo il Regolamento Ivass n. 38/2018 il dato non è visto come entità a sé stante, ma come parte integrante di un sistema fatto di governance societaria, controlli interni e gestione del rischio.
La diretta conseguenza sarà una completa riorganizzazione del business, delle mansioni e delle funzionalità interne, ma con la possibilità – impensabile in passato – di sfruttare le potenzialità offerte dalla Data Quality: ottimizzare i processi di gestione dei dati e aumentare la trasparenza e la velocità di esecuzione decisionale. In altre parole, con l’opportunità di diventare più competitivi.
