Whitepaper
VERZEKERD VAN UW KLANTEN?
Holger Wandt
! !
!
Autoriteit Financiële Markten (AMF): Een duurzame verandering in de verzekeringsbranche wordt alleen bereikt wanneer de sector het centrale klantbeeld internaliseert
Management summary !
!
Verzekeraars staan voor een uitdaging: om een duurzame verandering van de verzekeringsbranche te bewerkstelligen moet de sector het centrale
!
klantbeeld internaliseren. Ook in het kader van recente compliancemaatregelen, zoals Solvency II,
!
is het belangrijk om de data op orde te hebben. Er moet dus worden geïnvesteerd in de kwaliteit van de klantgegevens, die doorgaans in verschillende systemen worden vastgelegd.
!
In deze whitepaper leest u hoe
!
!
datamanagement en gecentraliseerd Master Data Management (MDM) voor
!
klantdata u gaat helpen om aan wet-‐en regelgeving te voldoen. Daarnaast gaat
!
deze paper ook in op de mogelijkheden om de operaHonele efficiency te verhogen en
!
hoe de mogelijkheden voor sales en markeHng binnen de verzekeringsorganisaHe beter benut
!
kunnen worden.
!
! ! ! !
2
Voor de verzekeringsondernemingen in
De klant centraal?
Nederland betekent dit dat er gezocht moet worden naar oplossingen om de
De Autoriteit Financiële Markten (AFM) is
klant door middel van geautomaDseerde
gedragstoezichthouder op de financiële markten.
processen beter te bedienen en passende
Dat houdt in, dat de AFM toezicht houdt op het
aanbiedingen te doen.
gedrag van de gehele financiële marktsector: sparen, beleggen, verzekeren en lenen. Met het
Hiervoor moet echter worden
gedragstoezicht wil de AFM een bijdrage leveren
geïnvesteerd in de kwaliteit van de
aan het goed funcDoneren van de financiële
klantgegevens. Veel verzekeraars leggen
markten.
voor elk verkoopkanaal (online, call center, persoonlijke gesprekken via buitendienst
Voor de verzekeringsbranche geldt, dat de
of bemiddeling via tussenpersonen)
AFM de verandering naar organisaDes die
separaat gegevens vast in verschillende
het klantbelang centraal stellen, wil
systemen. Dit leidt er toe, dat het unieke
aanjagen en faciliteren. Daarom
klantbeeld vaak ver te zoeken is. Vaak is
propageert de AFM de volgende stelling:
het niet eens duidelijk of het (binnen
Een duurzame verandering van de
een systeem of over meerdere
verzekeringsbranche wordt alleen dan
systemen) om dezelfde klant
bereikt, wanneer deze sector het
gaat. In het kader van recente
centrale klantbeeld internaliseert.
compliancemaatregelen, zoals
Verzekeraars werken hard om het
Solvency II, is dit een uiterst
klantvertrouwen, dat in de laatste jaren
onwenselijke situaHe.
erg onder druk is komen te staan, te
In deze whitepaper leest u hoe
herstellen. Binnen de verzekeringsbranche
datamanagement en gecentraliseerd
zijn een aantal ontwikkelingen te
Master Data Management (MDM) voor
benoemen die de sense of urgency voor
klantdata u gaat helpen om aan wet-‐en
een centraal klantbeeld benadrukken
regelgeving te voldoen. Daarnaast gaat dit
In deze whitepaper wordt aan de hand van
paper ook in op de mogelijkheden om de
prakHjkvoorbeelden verder ingegaan op
operaHonele efficiency te verhogen en hoe
ontwikkelingen en trends waarbij het
de mogelijkheden voor sales en markeHng
internaliseren van het centrale klantbeeld
binnen de verzekeringsorganisaHe beter
van het grootse belang is; daarbij wordt
benut kunnen worden.
ook sHlgestaan bij de moeilijkheid daarvan
! !
in de complexe omgeving van de verzekeringsbranche.
3
Wie is eigenlijk de klant?
luisterfouten in een call center (“Mathijsen of Matheysse?”) en het fouHef
Verzekerde, verzekeringnemer, begunsHgde,
samenvoegen van systemen. De ervaring
polishouder, betaler – die aanduiding van klanten
leert dat zelfs databases die geregeld
binnen verzekeringsondernemingen verschilt met
worden opgeschoond, gemiddeld tussen
de rol die deze klanten binnen het proces
de twee en Hen procent doublures
vervullen. Alleen al daarom is het niet eenvoudig
bevaYen. Bij slecht onderhouden systemen
om vast te stellen wie de klant nu eigenlijk precies
sHjgen deze percentages tot twinHg of zelfs
is. Daarnaast hebben verzekeraars ook nog eens te
derHg procent.
maken met verschillende soorten polissen (diverse producten, zoals bijvoorbeeld autoschade en
Zulke percentages kosten geld. Denk aan
opstal, maar ook differenHaHe in de zin persoon
de klant of de potenHële klant die bij een
versus huishouden). En verder is steeds meer
mailing meerdere keren dezelfde
sprake van productcombinaHes, zoals bijvoorbeeld
aanbieding ontvangt. Naast het verlies van
de basisverzekering voor ziektekosten en de
de portokosten zijn er dan ook nog kosten
aanvullende verzekeringen.
(gemiddeld 10 euro per bewerking) voor het handmaHg nabewerken van gegevens
Een complicerende factor is het feit dat
die naar aanleiding van de acHe incorrect
een klant vaak meerdere verzekeringen bij
blijken te zijn (deze klant woont niet meer
een maatschappij heeV afgesloten, maar
op dit adres….).
dat deze doorgaans door verschillende
Bij slecht onderhouden
medewerkers (vaak ook in verschillende systemen) worden bewerkt. Het opstellen van een eenduidig klantbeeld, waarbij alle
databases loopt het
medewerkers binnen alle systemen en op elk HjdsHp de juiste klant weten te
doublurepercentage
vinden, is dus niet zo eenvoudig. De oplossing hiervoor ligt in de
op: 20 tot 30% is
idenHficaHe van de klanten in de diverse rollen en systemen.
niet ongewoon…
Klantdatabases van verzekeringsbedrijven bevaYen zeer vaak doublures en
Dit valt het meeste op binnen sales en
inconsistente en incomplete informaHe. De
markeHng. Hier kunnen de mogelijkheden
redenen hiervoor zijn talrijk: geen
om de klant verder te binden niet opHmaal
invoercontrole, verhuizingen, fouten bij de
worden benut: het potenHeel voor cross-‐
vastlegging van naam-‐ en adresgegevens,
en upsell wordt onvoldoende in kaart
4
gebracht en ook het winnen van nieuwe
weergegeven en zij kennen de werkelijke
klanten is lasHg waneer de kwaliteit van de
klantwaarde -‐ ook wanneer klanten
markeHngdata niet deugt. Voor business-‐to
meerdere keren in verschillen systemen
consumer acHviteiten geldt dat geo-‐ en
met verschillende producten voorkomen.
micromarkeHngcampagnes niet opHmaal
Hierdoor weet markeHng de juiste keuzes
lopen, kredietwaardigheidsbeoordelingen
te maken wanneer het bijvoorbeeld om
onbetrouwbaar zijn en het gebruik van
cross-‐ en upsell gaat en kan sales de klant
sociale media en big data niet tot de
op het juiste HjdsHp persoonlijk
gewenste analyseresultaten leidt. En dit
aanspreken. Een Hjdig aanbod bij een
geldt voor alle verkoopkanalen: direct,
veranderende gezinssituaHe of bij de
tussenpersonen of selfservice via het web.
overstap van leaseauto naar privé-‐auto kan het verschil maken. Ook het herkennen
Binnen
van relaHes binnen de database(s) is hier
business-‐to-‐
van belang. Denk bijvoorbeeld
business
meerpersoons-‐huishoudens of aan
geldt, dat
bedrijven, waarin personen bepaalde
wanneer de
funcHes uitoefenen. Hiërarchie-‐
informaHe
management is hier op zijn plaats.
over een onderneming
Paradigmawissel: niet
incompleet is, het erg lasHg is om mogelijke verbanden te herkennen. Dit kan
de interne processen,
gevolgen hebben voor inschadngen en analyses op het gebied van
maar de klanten staan
kredietwaardigheid en de conHnuïteit van een onderneming.
voortaan in het
Het behouden van een tevreden klant is voor een verzekeraar gunsHger dan het het
middelpunt
conHnu winnen van nieuwe klanten. Om klanten te binden zijn service en vertrouwen van groot belang. Met behulp
Sales en markeHng moeten zich niet druk
van een centraal klantbeeld (single
maken over programma’s , data en
customer view) hebben alle medewerkers
processen. In plaats daarvan moeten zij de
alHjd en overal toegang tot de relevante
focus leggen op de klanten en de
klanHnformaHe. Zij weten dat de gegevens
potenHële klanten. Deze uitspraak
correct zijn, dat de opt-‐in keuzes juist zijn
herbergt een paradigmawissel: in plaats
5
van het opHmaliseren van allerlei
-‐
processen, stellen verzekeraars voortaan
het behoud van bestaande klanten (klantretenHe)
de klant in het middelpunt. Met Master
-‐
Data Management maken bedrijven de
verhogen van de NPS
Voorbeeld Risk & Compliance
persoonlijke interacHe met hun klanten mogelijk. Deze interacHe is dan ook nog
Het professioneel en flexibel toepassen
eens gebaseerd op betrouwbare en
van risicomanagement, governance -en compliancemaatregelen
relevante informaHe. Dit biedt evidente voordelen voor markeHng en sales,
betekent voor
bijvoorbeeld bij het herkennen van
verzekeraars meer dan
bijzonder waardevolle klanten. Het
alleen maar het opvolgen van wet-‐ en
eenduidig klantbeeld zorgt voor:
regelgeving. De
• Betere segmenta,emogelijkheden • Op,malisa,e van poten,eel voor cross-‐ en upsell
gevolgen van slechte datakwaliteit zijn juist op het gebied van
• Betrouwbare data en dus meer transparan,e
compliance en risicomanagement erg
in processen en beslissingen
hoog. Naast de directe kosten door
• Correcte data-‐invoer en correcte datamuta,es • Hogere efficiency
opgelegde boetes is er ook hier sprake van indirecte kosten door het verlies van
• Hogere flexibiliteit • Databescherming
vertrouwen bij de klanten.
!
Het nieuwe kapitaalregime Solvency II
Ook verzekeraars die slechts sporadisch
moet de verzekeringnemers beschermen
contact hebben met hun klanten, hebben
door verzekeraars te verplichten hun
baat bij het centrale klantbeeld -‐ zeker nu
risico’s transparanter en draagkrachHger in
er veel veranderingen zijn op het gebied
beeld te brengen. Dit vraagt een forse
van bijvoorbeeld provisiebeleid voor
investering in het datamanagement van
tussenpersonen….
deze organisaHes. De kwaliteit van klantgegevens lijkt slechts een deelaspect
Andere mogelijkheden voor een centraal
van de Solvency-‐wetgeving, maar het is
klantbeeld op het gebied van sales &
wel één van basisvoorwaarden voor het
markeHng zijn: -‐
-‐
welslagen van maatregelen binnen dit
Door o.a. provisieverbod transiHe
kader van regels en voorschriVen. Want
van productgericht naar
zelfs geringe afwijkingen in de data kunnen
klantgericht werken.
leiden tot grove inschadngsfouten bij de
weet wie je klant is (KYC)
risicobeoordeling. Het feit dat gegevens
6
binnen de verzekeringsbedrijven vaak in
Binnen de complexe omgeving van de
meerdere systemen zijn opgeslagen,
verzekeringsbranche zijn in dit kader nog
verhoogt daarbij de kans op zulke fouten.
de volgende punten van belang:
In het kort zijn dit de belangrijkste
• Solvency 2: Binnen de Solvency 2 pillars worden aspecten rondom datakwaliteit
aandachtspunten binnen Solvency II:
benadrukt als betrouwbaarheid van de
• teruggrijpend en foutloos inzicht (tot ongeveer 1991) in het dataverkeer
data (pillar 1), transparante structuur &
• garan,e op diverse kwaliteitsaspecten
en juiste informaHevoorziening voor
van de data: volledig, correct en actueel • hoger detailniveau van database-‐records • bedrijfsbrede standaardisering van de gegevens
rapportage doeleinden (pillar 3)
• uitvoeren van modelberekeningen en
raadplegen van sancHelijsten
simula,eberekeningen • invoering van een waarschuwings-‐ en prognosesystema,ek op basis van kengetallen • regelma,ge rentabiliteits-‐ en stresstests
• Inperken van de kans op imagoschade
procedures voor databeheersing (pillar 2)
• Provisieverbod: • Inzicht in risico klanten en transacHeverbod op klanten door het
Voorbeeld Opera:onal Efficiency in Processen Binnen het verzekeringswezen zijn veel
• uitgebreide voorschriKen met betrekking
bedrijfsprocessen aoankelijk van de
tot repor,ng
klantgegevens. Wanneer deze gegevens
In deze context biedt de flexibele inzet van
binnen verschillende afdelingen van
datakwaliteitsoplossingen en Master Data
de onderneming, in verschillende processen en/of op verschillende
Management een aantal evidente
hiërarchische niveau’s gebruikt
voordelen:
worden, dan is de invoering van
• risico’s worden duidelijk geminimaliseerd, wat leidt tot lagere eisen met betrekking tot de kapitaalreserves • meer transparan,e en beter inzicht • con,nu betrouwbare data
eenduidige standaards, regels, afspraken en procesbeschrijvingen onontbeerlijk. Dit soort afspraken wordt vaak onder de noemer data governance samengevat. Hoewel de formulering van governanceregels vaak een zaak is van het
• informa,ebescherming door governance • hogere flexibiliteit en een hoger reac,ef vermogen van de onderneming
management, is het verstandig om de naleving hiervan door zogeheten data stewards te laten uitvoeren. Zo zullen data stewards niet alleen de
• verbeterde opera,onele efficiency
!
toegankelijkheid van de gegevens reguleren (Wie mag welke data bewerken? Wie is de databaas?),
7
maar zullen zij ook acHef betrokken zijn bij de
bruikbaarheid (gegevens zijn onvolledig,
formulering van kengetallen of key performance
ontbrekend of verouderd) zijn groot.
indicatoren. In het geval van klantdata kun je hier
Daarnaast is er alHjd de kans van het niet
bijvoorbeeld denken aan kwaliteitsaspecten zoals
ontdekken van doublures. Het gaat
actualiteit of uniciteit. Deze aspecten hebben dan
daarom niet alleen om een een eenmalige
ook weer direct invloed op de kwaliteit van de
schoning, maar om een conHnue controle
processen: vanaf het eerste klantcontact tot aan
bij het muteren en/of toevoegen van
het verzenden van de rekening. De
klantdata. Hier geldt het First Time Right-‐
markeHngafdeling zal bijvoorbeeld beter inzicht
principe: directe detecHe van mogelijke
krijgen in de efficiency van haar mailingacHes:
doublures gecombineerd met de correcte
betere adressen leiden potenHeel immers tot
interpretaHe van gegevens. Dit leidt ertoe
een hogere responsraHo. Ook binnen finance
dat doublures bij de bron worden
en controlling zal governance op basis van
voorkomen en dat de gegevens in
gezamenlijk geformuleerde
de juiste database-‐velden worden
kwaliteitsaspecten zijn vruchten
gezet.
afwerpen.
Andere mogelijkheden voor
Datakwaliteitsmanagement
een centraal klantbeeld op het gebied van operaHonal
HeHet beheren en beheersen van de
efficiency zijn:
datakwaliteit binnen de onderneming moet in lijn zijn met de data quality lifecycle. Binnen deze
-‐
cyclus zijn verschillende deelprocessen te
Ontdubbelen, verrijken en verhogen van de datakwaliteit
benoemen, zoals bijvoorbeeld profilering,
-‐
RealisaHe van een centraal
schoning, matching, samenvoeging en rapportage.
klantbeeld binnen een systeem of
Deze deelprocessen zijn van groot belang bij de
meerdere systemen
geautomaHseerde integraHe van de data uit
-‐
verschillende systemen.
!
Bij het samenvoegen van klantgegevens uit
Betere management rapportages door goede datakwaliteit
Tot slot kunnen we stellen dat er zeven
verschillende bronnen gaat het erom deze
voorwaarden voor succesvol
gegevens eerst te idenHficeren en
datakwaliteitsmanagement zijn:
vervolgens te beslissen hoe potenHeel dubbele records worden samengevoegd.
1. 2. 3. 4.
Dit is geen sinecure, want of data nu uit een CRM-‐systeem komen, uit een call center of van externe dataleveranciers, de verschillen in syntaxis, semanHek en
8
Data Quality Assessment Probleemgebieden iden,ficeren en bespreken Data-‐Dic,onary opstellen Garan,e van datakwaliteit in alle systemen
5. 6.
7.
!
Eenduidige iden,fica,e van alle klanten Realiseren van risico-‐profielen Instellen van data governance
ervaringen bij meer dan 200 klanten. De MDM-‐oplossing is samengesteld uit standaardcomponenten, maar kan te allen Hjde worden uitgebreid. De MDM-‐ oplossing is geschikt voor tal van scenario’s
Conclusie
en is uiterst flexibel: of het nu gaat om het
In deze whitepaper is beschreven hoe
incorporeren van informaHe uit sociale
datamanagement en gecentraliseerd Master Data
media of het toevoegen van gegevens na
Management (MDM) de verzekeringsbranche kan
een fusie of een overname.
faciliteren in een uniek en betrouwbaar centraal klantbeeld. Gezien de recente ontwikkelingen binnen de thema’s Risk & Compliance, OperaHonele Efficiency en Sales & MarkeHng is het noodzakelijk om de juiste stappen te zeYen en de toekomst van uw organisaHe duurzaam veilig te stellen. Deze paper onderschrijV de conclusie dat u, door met een funcHonele Master Data Management-‐oplossing een centraal klantbeeld te realiseren, klaar bent voor de toekomst. U kunt aanzienlijk besparen op uw kosten, uw risico’s verkleinen en voldoen aan wet-‐ en regelgeving. In een centraal klantbeeld wordt de informaHe uit verschillende bronsystemen in een zogeheten ‘golden record’ bij elkaar gebracht, geschoond en zo nodig gestandaardiseerd. Dit golden record is voor alle medewerkers de weergave van ‘de waarheid’ uit al die verschillende systemen. Het flexibele datamodel van de onderliggende MDM-‐oplossing is gebaseerd op de vele implementaHes en
9
Over Human Inference
Over de auteur
Human Inference helpt al meer dan 25 jaar
Human Inference. Als specialist op het gebied van
Holger Wandt is principal advisor bij
overheid en bedrijfsleven om beter met hun
datakwaliteitsmanagement en MDM is hij een
klanten om te gaan, door hen alle pijn rondom
veelgevraagd spreker op (inter)naHonale
klantgegevens en informaHekwaliteit uit handen te
congressen. Daarnaast publiceert hij regelmaHg in
nemen.
verschillende vakbladen en doceert hij aan Nyenrode Business University, Beeckesteyn
De soVware is gebaseerd op natuurlijke
Business School en de linguïsHsche faculteit van de
taalverwerking die gebruikmaakt van
Universiteit Utrecht. Als lid van de Strategische
landspecifieke kennis. Daarnaast kunnen gegevens
Raad van de DDMA vertegenwoordigt hij het
vanuit verschillende databronnen geïntegreerd
thema datamanagement binnen de
worden.
dialoogmarkeHng.
Meer dan 250 bedrijven zeYen de Human Inference oplossingen in voor het bereiken en
Meer weten?
behouden van een eenduidig klantbeeld, voldoen
Als u meer wilt weten over de waarde van
aan regelgeving, opsporing van fraude en efficiënte
datamanagement of een centraal klantbeeld voor
zoekprocessen in call centers.
uw organisaHe, of u wilt graag Hps en advies,
Binnen de verzekeringsbranche mogen wij o.a.,
neemt u dan gerust contact met mij op via +31 26
AEGON, delta lloyd, Zwitserleven, Allianz,
355 06 55 of per email:
NaHonale Nederlanden, Interpolis en Centraal
[email protected].
Beheer Achmea tot onze klanten rekenen.
Verdere informaHe over onze oplossingen en case studies van onze klanten vindt u op onze website: www.humaninference.nl
10