features.360 | Estudo de experiência A/E e simulações Monte Carlo

Nossa equipe de Ciência de Dados veio nos contar um pouco sobre as novas features do s.360 e explicar porque é tão necessário usar Estudos de Experiência A/E e Estudos Monte Carlo.

Vamos entender um pouco mais o que estes estudos significam e como eles podem ser utilizados para maximizar a ação dos nossos times durante o uso do s.360?

Conversamos com nossa equipe de Data Science para entender o que os relatórios atuariais e os estudos de experiência podem oferecer para trazer inovação ao mercado segurador. Temos certeza de que esse rico bate-papo pode inspirar mais profissionais a abraçar a inovação e o aprendizado como um valor de vida.

Confira abaixo o conteúdo na íntegra:

Nós já temos um novo dashboard para finalidades estatísticas avançadas no s.360, e são os novos projetos do Data Science. Um recurso que foi lançado a pouco é o Estudo de Experiência A/E. O que é exatamente este estudo, ou melhor, pra que serve um estudo de Experiência da carteira de propostas de uma seguradora de vida?

Considero o estudo da experiência o padrão-ouro para o setor de seguros de vida – especialmente – e para o setor de previdência saber se a subscrição está atingindo seu objetivo.
É possível saber se a subscrição está sendo bem feita através da sinistralidade? Sim, é possível, mas independente da competência (contábil ou atuarial) há uma dificuldade em conhecer o prêmio de risco utilizado pela seguradora em seus diferentes produtos, o que depende de sua estrutura de custos (margens, corretagem, impostos, despesas administrativas).
Um sinistro pode ser avaliado sob competência contábil, na qual os prêmios são agrupados por data de emissão e os sinistros por data de notificação. Essa é a visão mais financeira e contábil dos sinistros.
Por outro lado, pode ser avaliada por meio da competência atuarial, na qual os prêmios são agrupados por data de vigência e os sinistros por data de ocorrência. Essa visão permite identificar "safras" de negócios e possibilita uma análise temporal da evolução da qualidade do negócio da seguradora, sendo geralmente preferida pelos atuários.
E é aí que entra a proposta do Estudo de Experiência. Ele estabelece uma janela de observação: estipulamos um período de análise, e ele servirá para determinar exatamente quanto de uma determinada tabela biométrica – que as seguradoras usam para precificar o seguro – está aderindo à mortalidade da carteira de seguros em estudo.
Um exemplo: assumimos que uma seguradora segue 100% a tabela BR-EMS-2015 em sua precificação, que é a tábua de mortalidade do mercado brasileiro. Adotando o nosso estudo de experiência, que determina as exposições aos riscos de morte, morte acidental, incapacidade funcional por doença e identifica que a mortalidade daquela carteira é de 80% da BR-EMS-2015. A partir disso, ele pode tomar uma decisão: manter 100% da tabela e garantir 20% de ganho de resultado ou então abaixar seu preço e se tornar mais competitivo no mercado.
Dito isso, o estudo da experiência é um padrão muito bom para você adequar uma série de processos atuariais. Você pode, por exemplo, alterar seu nível de reserva, o que traz informações muito valiosas para os subscritores e preços.
Aqui, na Samplemed, como temos todas essas informações de subscrição, desenvolvemos mais algumas APIs que permitirão que as seguradoras clientes nos digam o que aconteceu com as apólices que passaram pela subscrição da Samplemed, se foram aceitas e como foram com o fluxo.
Isso é totalmente automatizado, o que possibilita por um lado um direito do consumidor, pois temos que verificar e excluir dados de propostas canceladas ou após um determinado tempo – cumprindo a LGPD, e por outro lado, essas informações permitem a realização de estudos de experiência de mortalidade, cancelamento, invalidez... Ou seja, para cada uma dessas coberturas é possível fazer um estudo que mede quantas pessoas estão morrendo versus o número de pessoas que eu espero morrer de acordo com uma tábua de vida escolhida. Este seria um exemplo de estudo de mortalidade.
Os estudos experimentais usam os termos Atual (para eventos que realmente ocorreram) e Esperado (para eventos esperados, derivados da exposição ao risco e de uma tabela de referência). Então, você tem um cálculo atuarial muito preciso.
Com isso, a seguradora pode quantificar mortalidade e cancelamento com base em tabelas de sua escolha.

**Além disso, por experiência pessoal, um estudo de experiência como esse leva alguns meses, enquanto nós o oferecemos pronto por meio de APIs em questão de segundos.**

Você pode ver o que está acontecendo com a mortalidade, com o cancelamento, com a invalidez dentro da seguradora.
Então, na nossa maneira holística de olhar para a subscrição, essa será a ferramenta que nos dirá se a subscrição está funcionando. **É uma ferramenta que toda empresa do mercado deve utilizar.** Não deveria ser um estudo, por exemplo, apenas para empresas americanas ou canadenses. Lá, esse tipo de estudo é o padrão e deve ser para todo o mercado internacional.

Temos também outra feature nova, a API de Estudos Monte Carlo, que em julho será aberta aos usuários do s.360!
Antes, o departamento de Data Science fazia este tipo de estudo para os clientes Samplemed na mão, mas agora vocês automatizaram o processo e até decompuseram em duas aplicações diferentes - uma para testar sensitividade de preço e outra para avaliar o impacto da subscrição no desempenho da carteira selecionada. Ou seja, estaremos disponibilizando novos recursos para os clientes testarem suas escolhas de subscrição. Conte para nós um pouco deste projeto.