melmacia es el resultado de un reto

melmacia es el resultado de un reto. Tras muchos años investigando y trabajando sobre novedades y tendencias en el mundo del seguro, una tarde un grupo de amigos nos planteamos el desafío de aplicar la Inteligencia Artificial al sector asegurador.

Un año más tarde ¡lo conseguimos!

soluciones

En melmacia hemos desarrollado un algoritmo basado en tecnología IA que predice la caída de cartera (y seguimos investigando).

CHURN RATE

personitas

Existe entre un 8 y un 10% de caída de cartera en el sector seguros.

Nuestro Algoritmo señala las pólizas que están riesgo.

Actuando preventivamente sobre estas pólizas mejora la rentabilidad del negocio.

por qué somos diferentes

Trabajamos con bases de datos reales. La teoría es válida para los modelos académicos, pero en Melmacia trabajamos con la vista puesta en el negocio. No hemos formulado una hipótesis de estudio para luego contrastarla con la realidad del mercado, sino que hemos obtenido nuestros algoritmos partiendo de la realidad de los datos de negocio.

Aunque la IA parece algo muy novedoso existen equipos que llevan trabajando en el área de la analítica de datos y su aplicación a la empresa desde hace tiempo.

Conocemos el modelo de negocio y sabemos cómo hacerlo rentable. Los resultados obtenidos deben tener en cuenta la realidad (económico-legal) de la industria aseguradora y al mismo tiempo ser capaces de dar respuesta a una problemática real del negocio.

Estudiar y depurar bien los datos y su estructura es clave para la obtención de resultados reales y de aplicación práctica. Más de un año de trabajo con los mejores técnicos nos avalan.

claves del proyecto

Algoritmos creados en colaboración con el CIMNE
El Centro Internacional de Métodos Numéricos en Ingeniería (CIMNE) es una organización de investigación creada en 1987 en el corazón de la prestigiosa Universidad Técnica de Cataluña (UPC) como una asociación entre el Gobierno de Cataluña y la UPC, en cooperación con la UNESCO. CIMNE es un centro de referencia internacional y líder en mecánica computacional, gracias a la excelencia de todas las actividades llevadas a cabo por el centro.
Inteligencia Artificial al alcance de todos
Acuerdo de colaboración con MPM para la integración del algoritmo en su software de gestión integral para corredores de seguros Elevia. MPM software son líderes en el desarrollo de soluciones de software para el sector asegurador. A través de su ERP Elevia dan servicio a más de 1.000 clientes. Con este acuerdo los clientes de MPM podrán aplicar el algoritmo en sus bases de datos y obtener los resultados directamente en su programa de gestión.

cómo trabajamos

Business Understanding
El negocio asegurador tiene poco secretos para nosotros. Casi 15 años de trabajo en el sector desde todas las perspectivas posibles han hecho que podamos detectar necesidades reales a resolver mediante Inteligencia Artificial. Nuestra primera incógnita a resolver fue la de encontrar la caída de cartera y para ello se analizó si era un problema de clasificación o de regresión, un aprendizaje supervisado o no supervisado, si la tarea estaba más enfocada a interpretar los datos o a obtener un resultado, dónde estaban los datos y cuáles serían necesarios, etc. Resueltas estas dudas iniciales, ahora ya estamos trabajando en nuevas versiones del algoritmo que resuelvan otros problemas igualmente importantes para el sector.
Data Understanding
Los datos en el sector asegurador son un problema. La falta de conciencia en tratar con tablas y datos estructurados hace que sea difícil afrontar un proyecto de ciencia de datos. Conocíamos esta situación y para ello empezamos a trabajamos con datos reales para realizar un primer análisis que permite familiarizarse con estos, identificar problemas de calidad de datos, descubrir de manera preliminar cierto conocimiento, etc. En nuestro caso, contábamos con una base de datos de 585 tablas. Estas, al tener un tamaño considerable, elevaban el trabajo al ámbito del Big Data, por lo que fueron traspasadas a un entorno de trabajo en el BSC, donde contábamos con recursos suficientes como para tratar datos de estas magnitudes.
Data Preparation
Esta fase es la que suele conllevar la mayor parte del tiempo empleado en el desarrollo de un proyecto de ciencia de datos. En este momento es necesario llevar a cabo las tareas necesarias para preparar un conjunto de datos que alimente posteriormente al modelo de Machine Learning. Tareas tales como selección de atributos, transformación de formatos, limpieza de errores o imputación de datos faltantes son habituales durante esta fase. En nuestro caso, comenzamos por una anonimización de los datos y continuamos con la eliminación de atributos, datos redundantes, transformaciones de fechas, de valores numéricos, caracterización de atributos nominales, etc. Esta fase requiere de mucha interacción entre el equipo de ciencia de datos y los expertos en la materia ya que estos últimos saben diferenciar entre un error y un dato válido en algunos atributos.
Modeling and Evaluation
Tras las primeras fases de preparación entramos de lleno en la de generación del modelo. Se emplean diferentes técnicas de aprendizaje (Machine Learning), se entrenan distintos modelos calibrando sus parámetros y se obtienen las métricas con las que poder realizar una evaluación de los procedimientos realizados. En nuestro caso, de todos los modelos actuales que probamos, los basados en árboles de decisión fueron los que mejores resultados obtuvieron. Posteriormente, en la fase de evaluación se procede a valorar los distintos modelos en base a las métricas obtenidas, la importancia de las variables en la predicción, etc.
Deployment and Maintenance
En esta última fase, se despliega el modelo para que el cliente pueda utilizar el algoritmo. En nuestro caso, integramos el modelo al software de MPM para que sus clientes pueden aplicar las ventajas de los avances en Inteligencia Artificial a sus negocios. Futuras ampliaciones permitirán al cliente conocer qué variables afectan y cuánto afectan, de manera negativa o positiva, a la predicción para poder así actuar en consecuencia.
Previous
Next

nuestro equipo

Román Mestre

Socio fundador

Ignacio Valero

Socio fundador

Jordi Jiménez

Socio fundador