Data Analytics

Royementsanalyse

Klanten die hun contract opzeggen, kosten doorgaans geld. Als we beter begrijpen waarom en wanneer klanten dit overwegen, kan hier gerichte actie op ondernomen worden. Om die reden hebben we een aantal modellen opgezet om de royementen in kaart te brengen. Naast de traditionele actuariële aanpak, hebben we gebruik gemaakt van verschillende machine learning technieken om de traditionele modellen te verbeteren of te vervangen.

Bij een van onze klanten zijn we bijvoorbeeld aan de slag gegaan met een schadeverzekeringproduct. Naast interne data hebben we hier ook externe data gebruikt, in dit geval tekstdata. Door middel van text mining hebben we trends in financieel nieuws in kaart gebracht, die vervolgens in de royementsmodellen zijn geïntegreerd.

Zo kregen we inzicht in welke polissen het meest waarschijnlijk opgezegd zouden worden. Vervolgens is er gericht op gestuurd om dit te voorkomen. Dankzij onze royementsanalyse is leegloop van de portefeuille voorkomen.