DATA ENTERPRISE 8 Nov 2023
roberta luisi
Created on November 1, 2023
Over 30 million people create interactive content in Genially.
Check out what others have designed:
7 CONTINENTS
Horizontal infographics
A2 - ABENTEUER AUTOBAHN
Horizontal infographics
EUROPE PHYSICAL MAP
Horizontal infographics
TEN WAYS TO SAVE WATER
Horizontal infographics
GRETA THUNBERG
Horizontal infographics
FIRE FIGHTER
Horizontal infographics
DEMOCRATIC CANDIDATES NOV DEBATE
Horizontal infographics
Transcript
DATA ENTERPRISE
SAL DATA ENTERPRISE 8 Novembre 2023
Overview
Data Driven Companydove siamo e dove vogliamo arrivare
Progetti Spoke
SAL con deep dive su alcuni progetti
Data Governance
Modello NBO
Modello Riscatti
Data Culture
Agenda
Data Enterprise
Dashboard Investimenti
Dashboard Cruscotto Territoriale
Modello Tenure
Demo Generative AI
compagnie che possiedono capacità tecniche, cultura e pratiche in grado di supportare programmi data-driven.
18%
Relevant data
Fonte:https://www.econopoly.ilsole24ore.com/2023/03/24/assicurazioni-data-driven/
OBIETTIVO: DIVENTARE UNA DATA DRIVEN COMPANY
CULTURA
DATI ETECNOLOGIE
INTERCONESSIONE
Data
Contabilità & incassi
Profilo&Dialogo
Output modelli
Dati sintetici
Reportistica tradizionale
Web Analytics
TERZE PARTI
PROPRIETARI
Generative AI
DINAMICI
STATICI
GIS e GENERATIVE AI
Demo
‹N›
SPOKE
To do
In progress
Pilota
Done
plan calendar
Q3
Q3
Q2
Q3
Lorem ipsum dolor sit amer consectetuer
Q4
Q4
Q4
Medium
Q4
Q4
Tenuta di portafoglio
Dashboard
P&C Distribution - Mandrici Rizzuto
Raccolta Netta
Dashboard
P&C Distribution - Mandrici Rizzuto
Cruscotto territoriale
Dashboard - Prodotto Cliente Rete
Cross Area
NBO
Modello - Produzione
MKT - Radini
Starlight
Modello - Pilota
MKT - Radini
Task title here
Lorem ipsum dolor
Month 00, 20XX
Stile Alleanza
Modello - Sviluppo
MKT - Radini
Modello Riscatti
Modello - Test Sviluppo
P&C - Mandrici
Generazione Alleanza
Modello - Sviluppo
Gov Rete - Silvani
Investimenti
Dashboard
Investiment - Biancolella
‹N›
Attività di AA – Monitoraggio progetti in Produzione
DATA ENTERPRISE
TENURE ARRETRATI VITA/DANNI
Previsione, per le polizze in stato di arretrato, della probabilità di rientro al corrente prima della data di riduzione (6 mesi)
SEMAFORO
Prioritizzazione dei contatti della Rete sulla base di informazioni esterne (stima attività finanziarie) ed interne (operazioni e contatti avvenuti)
DESCRIZIONE
IMPATTO STIMATO - KPI industriali
STATO - PERCENTUALE
ADOPTION
Stato
Percentuale completamento
100%
Stato
Percentuale completamento
100%
L’impatto sugli incassi delle polizze tornate al corrente nel mese successivo al Q3 2023 è di 1,5ml€ (incassato) per un totale di circa 8000 polizze in più tornate al corrente
Adoption: da fine Q2 su tutta sullo strumento ufficiale di rete
Forecast al Q4: 1.8M€ a 2.1M€
Utilizzo attivo: 75%
Adoption: tutta la rete Utilizzato anche per il potenziamento delle campagne marketing.
RACCOLTA NETTA/TENUTA PTF
Stato
Percentuale completamento
100%
Adoption: tutta la rete
Dashboard di monitoraggio Raccolta Netta e Tenuta di portafoglio
14,2% SCR
Raccolta Lorda: 92 mln
Il 25% dell’impatto dell’intera iniziativa viene attribuito allo strumento.
Premio medio: 13K€
‹N›
Attività di AA – Project Chart Avanzamento Progetti Blue Book – Data Enterprise
DATA ENTERPRISE
STARLIGHT Marketing (Radini)
DESCRIZIONE
L'obiettivo del progetto è quello di espandere la customer base per la generazione di valore per Alleanza.
NBO Marketing (Radini)
Analizza le caratteristiche del cliente per poter prevedere la sua affinità con i nostri prodotti, identificandone le sue aree di bisogno.
NEXT STEP
OBIETTIVI RAGGIUNTI
- Monitoraggio pilota su MYA
- Definizione roll out – 4Q
- Pilota MYA su 6 Agenzie
- Potenziamento campagne di marketing (area investimento)
PRODOTTOCLIENTE RETE
- Conclusi sviluppi Cruscotto Territoriale
Strumento di analisi e navigazione di informazioni relative al monitoraggio e sviluppo di attività di vendita.
- Integrazione con omni channel new campaign
- Roll out progressivo su Mya
- Start pilota 06 Aprile (6 Agenzie)
- Condivisione con Rete entro - 4Q
- Fixing del modello e dei tool entro -1Q
- Rollout progressivo a partire da - 3Q
Obiettivi BB
Obiettivi BB
- Prime liste di test entro -1Q
- Pilota tecnico e fixing modello entro- 3Q
- Definizione piano di roll out entro – 4Q
Obiettivi BB
- Condivisione con Rete entro - 4Q
- Test Usabilità e Revisione
‹N›
Attività di AA – Project Chart Avanzamento Altri Progetti
DATA ENTERPRISE
STILE ALLEANZA (Radini)
DESCRIZIONE
Adoption del modello comportamentale del Consulente Alleanza finalizzato a fornire una consulenza di valore ai Clienti
INVESTMENT (Biancolella)
Cruscotto di Monitoraggio dei fondi di Classe D ad uso direzionale con lo scopo di verificare gli obiettivi di gestione.
NEXT STEP
OBIETTIVI RAGGIUNTI
- Seconda release dell’indicatore
- Dashboard monitoring KPI di stile
- quadratura flussi esterni
- Finalizzazione dashboard definitiva
- Prima release dell’indicatore
- Studio correlazioni con le vendite
- Relazione tra il KPI e gli obiettivi della rete (vendite, tenuta…)
- Ingestione dati interni/esterni
- Creazione e industrializzazione dashboard di monitoraggio versione 1.0
GEN. ALLEANZA (Silvani)
Analizza gli ambiti che caratterizzano la Journey del Consulente per individuare i principali fattori di turnover.
- Ingestion dati
- Sviluppo modello
- Ingaggio fornitore esterno
- Kick off progetto (19 ott)
MODELLO RISCATTI (Mandrici)
- Calibrazione secondo osservazioni di business
- Test pilota
- Analisi
- Sviluppo dell’algoritmo
- Test in laboratorio su dati pregressi
Previsione delle polizze che con alta probabilità riscatteranno entro 3 mesi.
‹N›
DEEP DIVE
MODELLO TENURE
Impatti al Q3 2023
STATUS MODELLO: IN PRODUZIONE
Raggiungimento obiettivo - 2023
75%
Adoption dell'iniziativa
Target Q1
Target Q2
Target Q3
Target Q4
Rilascio pilota Tenure in MyA
Rilascio Tenure in MyA su tutta la Rete + dismissione Microsoft Forms
Integrazione perimetro Previdenza in Tenure
FEB 2023
LUG 2023
Q1 2024
Milestones
+8k
Polizze rientrate al corrente nel mese successivo al contatto
+25%
Importo a settembre 2023: +1,5M€ di incasso
Al Q1
Al Q2
Al Q3
Obiettivo 2023 dell'iniziativa
1.8M€-2.5M€ di incassi da polizze tornate al corrente nel mese successivo al contatto
Impatto netto dell'iniziativa in valore percentuale ed assoluto
polizze
MODELLO TENURE
Evidenze su ritorno al corrente, churn e cross-selling
Riduzione del churn a seguito del rientro al corrente
Aumento cross-selling a seguito del contatto
Probabilità di churn per cliente in fascia Tenure alta
Probabilità di churn per cliente in fascia Tenure bassa
0,3%
1%
Rientro al corrente
Permanenza in arretrato
+0%
+100%
Ricaduta in stato di arretrato sulla stessa polizza
Perimetro di analisi
!
Clienti con polizze in arretrato a giugno 2023
Osservazione del comportamento nella finestra luglio - settembre 2023
Churn: uscita dalla CB nei 3 mesi di osservazioneRicaduta: in arretrato nei 2 mesi successivi al rientro al corrente
Probabilità di ricaduta per cliente in fascia Tenure alta
13%
21%
Probabilità di ricaduta per cliente in fascia Tenure bassa
STATUS MODELLO: IN PRODUZIONE
Macrofamiglie
Macrofamiglie
MODELLO TENURE
Evidenze su ritorno al corrente, churn e cross-selling
2
-57%
effetto del cross-selling sul tasso di churn
KPI BUSINESS
Effetto del contatto sul cross-selling
Effetto del cross-selling sul contatto
Tenure
%
+13,5%
+13%
+1%
Effetto del rientro al corrente sul cross-selling
+35%
Effetto del rientro al corrente sul cross-selling
-86%
effetto del rientro al corrente sul tasso di churn
Effetto sul churn
Perimetro di analisi
Contatto cliente
!
Osservabile
Clienti con polizze in arretrato a giugno 2023
Osservazione del comportamento nella finestra luglio - settembre 2023
Non osservabile
Cross-selling
Churn: uscita dalla CB nei 3 mesi di osservazioneRicaduta: in arretrato nei 2 mesi successivi al rientro al corrente
Iniziative, concorrenza, contesto macroeconomico, ...
Rientro al corrente
Adoption
Churn
Tenure
STATUS MODELLO: IN PRODUZIONE
3
3
1
2
1
+10%
+25%
‹N›
Scheda progetto
NBO
Migliorare il cross-selling della Rete, indirizzando le azioni commerciali
Finalità
Obiettivo di progetto
Fornire un algoritmo di stima dell’affinità del cliente con aree di bisogno e macro-prodotti
INCONTRI PERIODICI
STACK TECNOLOGICO
Deep Dive NBO
Processo
Obiettivo
Suggerire l'area di bisogno ed il prodotto più affine per il cliente
Offerta personalizzata sulle esigenze del clienteMiglioramento dell'esperienza del clienteOfferta dinamica
TAKE AWAY
+ INFO
PRODUCT MIX
FILTRI
Output NBO
HA UN BISOGNO ESPRESSO?
Variabili per escludere polizze patologiche
Variabili per includere impatto inflattivo
Non suggerisce prodotti già acquistati di recente
Proposta gestita attraverso Il product mix aziendale
NEXT BEST OFFER
1,1M
Distribuzione del potenziale commerciale stimato
Caratteristiche dei clienti a perimetro
Clienti con next best offer
Anzianità
Anzianità
Anzianità
Contratti
Contratti
DimensioneComune
Numerocollaboratori
Numerocollaboratori
Numerocollaboratori
Corsi completati TS
Corsi completati TS
Corsicompletati TS
Risparmio e Investimento
Previdenza
Protezione patrimonio
Protezione persona
Media clienti NBO
Media clienti NBO su area bisogno
Anzianità
Contratti
Contratti
Numero collaboratori
Corsicompletati TS
DimensioneComune
DimensioneComune
DimensioneComune
Alto
Basso
Panoramica output aggregato
STATUS: IN PILOTA
NEXT BEST OFFER
Risultati su campagnaInvestimento Wave 2
Input - Potenziale Investimento
Output - Risultati commerciali
Campagna Investimento - Wave 2
Clienti Investimento standard
STATUS: IN PILOTA
Target ottenuto da regole di Marketing Intelligence
Target ottenuto da modello NBO
Overlap
Clienti Investimento Wave 2 NBO
Potenziale: concentrazione clienti con alta affinità stimata (clienti in NBO / clienti totali)
Risultato commerciale: % contratti sottoscritti su target NBO
NEXT BEST OFFER
Risultati su campagnaInvestimento Wave 2
Input - Potenziale Investimento
Output - Risultati commerciali
STATUS: IN PILOTA
Clienti Investimento standard
Valore 125
Valore Evergreen
Valore Futuro+
Altri
Clienti Investimento Wave 2 NBO
Valore 125
Valore Evergreen
Valore Futuro+
Altri
Campagna Investimento - Wave 2
Target ottenuto da regole di Marketing Intelligence
Target ottenuto da modello NBO
Overlap
Potenziale: concentrazione clienti con alta affinità stimata (clienti in NBO / clienti totali)
Risultato commerciale: % contratti sottoscritti su target NBO
NEXT BEST OFFER
Risultati su campagnaInvestimento Wave 2
26k€
30k€
Premio medio
Marketing+ overlap
NBO+ overlap
STATUS: IN PILOTA
8k
Contattati
Sales Conversion Rate
4K
Visitati
+42%
Sales Conversion Rate sui visitati NBO+overlap rispetto a Marketing+overlap
Contatti NBO+overlap
Visite NBO+overlap
+39%
Delta score NBO per i contraenti
NB: Entrambi i perimetri sono da considerarsi comprensivi di overlapOsservazioni registrate ad ottobre 2023
Overlap
Campagna Investimento - Wave 2
NBO
MKT
NEXT BEST OFFER
NBO comestrumento direzionale
IDEA: GENERATIVE AI + NBO
Dashboard ad utilizzo direzionale
Quali sono i mille clienti in Lombardia Ovest con la più alta affinità ai prodotti Investimento all'interno del target market?
Ecco a te i clienti che cercavi! Vuoi effettuare qualche filtro?
Humanoversight
Esplorazione target
Trasparenza dei risultati del modello
Artificial Intelligence Governance principles
NEXT BEST OFFER
NBO comestrumento direzionale
Dashboard ad utilizzo direzionale
Dove devo concentrare i miei sforzi per massimizzare il tasso di conversione nella vendita di Valore 125?
Secondo le previsioni del modello, in MARCHE ABRUZZO MOLISE ci sono 1032 clienti con elevata affinità al prodotto. Questa regione è inoltre quella con i più alti tassi di conversion osservati.
Come si distribuiscono le ricerche in merito a prodotti assicurativi di investimento in Italia? Qual è il sentiment?
Risultati Google Trends:- Mappa delle ricerche relative a "polizza" e "investimento"- Sentiment: positivo. Correlazione con: rendimento BTP
Ricerche web da fonti attendibili
Automazione analisi del dato
IDEA: GENERATIVE AI + NBO
Humanoversight
Esplorazione target
Trasparenza dei risultati del modello
Artificial Intelligence Governance principles
NEXT BEST OFFER
NBO comestrumento direzionale
Humanoversight
Ricerche web da fonti attendibili
Automazione analisi del dato
Consultazione target
Trasparenza dei risultati del modello
IDEA: GENERATIVE AI + NBO
Generative AI: trend nel mondo Insurance
Fonte: "Leading Insurers Are Having a Generative AI Moment" (Christopher Freese, Boston Consulting Group)
Applicazione n.1: claim automation
Applicazione n.1: Knowledge assistant(uffici+rete)
Applicazione n.2: customer journey rethinking
Applicazione n.2: Coding assistant
Causal e Explainable AI
Explainability is part of the concept of transparency and concerns the ability to explain the output of the AI system to a particular audience, in particular the weight or influence and causal relationship of a specific variable (or group of variables) in the final output.
EIOPA, Artificial Intelligence Governance Principles
Valori condivisi dall'EU AI Act
Generative AI come strumento a supporto di modelli/analisi esistenti e per automazione processi
Modelli "black-box" non (ancora) appropriati per un insieme di use-case
Trasparenza e mitigazione dei bias tramite Explainable AI
Interpretazione delle variabili in analisi secondo logiche di causa-effetto
Human oversight
Few use-cases, but at scale
Transforming verticals end-to-end
Trend
‹N›
Tentative Timeline NBO
Next Best Offer
Lug
FEB
Inizio sviluppi
Test PilotaCampagna "investimenti"e"WSalute"
Set
industrializzazione
Ott
Pilota6 Agenzie
Ott
Integrazionesu MYA
Q1
Roll out e Formazionesu tutta la rete
Evoluzione NBO
Q3
Q3
Pilota 6 agenzie
Q4
Roll oute Formazionesu tutta la rete
2023
2024
Pianificazione tentative con il coinvolgimento di Distribution - IT Operation - MKT - CDOil piano terrà conto dei seguenti aspetti:- strategia campagne 2024- piani IT con rilascio evolutiva- formazione
Pianificazione tentative
‹N›
Tentative Timeline NBO
Next Best Offer
Lug
FEB
Inizio sviluppi
Test PilotaCampagna "investimenti"e"WSalute"
Set
industrializzazione
Ott
Pilota6 Agenzie
Ott
Integrazionesu MYA
Giugno
implementazione migliorie e affinamento controlli target market
Check Quality GateFine osservazione pilota
Sett
Q3
Roll oute Formazionesu tutta la ete
2023
2024
‹N›
Scheda progetto
MODELLO RISCATTI
Permette attività di caring sul cliente e saving sul portafoglio
Finalità
Obiettivo di progetto
Fornire una lista di clienti con un’alta probabilità di riscatto
INCONTRI PERIODICI
STACK TECNOLOGICO
Deep Dive Modello Riscatti
Processo
Obiettivo
Fornire una lista di clienti con un’alta probabilità di riscatto dal periodo di osservazione ai 3 mesi successivi
La lista potrà essere utilizzata per effettuare delle azioni mirate a seconda della probabilità di riscatto.
Fotografia delle polizze attive attualmente in portafoglio
Modello
Selezione Ranking: sole polizze attualmente attive che hanno un’alta probabilità di riscatto
Cliente
Polizza
Agente
TAKE AWAY
Mese da ultimo pagato
Riserve
Frazionamento
Importo del premio
Anzianità di polizza
‹N›
COME ABBIAMO TESTATO IL MODELLO?
Percentuale dei riscatti correttamente intercettati dal modello
SCENARIO OTTIMISTICO ASSUNZIONI Percentuale di lavorazione della rete: 50% Tasso di rework: 40% Importo medio riscattato: 12.000 Tra Giugno e Agosto avremmo potuto intercettare 67 mln € di riscatti e recuperare 27 mln € di nuova produzione
SCENARIO CONSERVATIVO ASSUNZIONI Percentuale di lavorazione della rete: 30% Tasso di rework: 40% Importo medio riscattato: 8.000 Tra Giugno e Agosto avremmo potuto intercettare 27 mln € di riscatti e recuperare 11 mln € di nuova produzione
MODELLO RISCATTI
Maggio
Quali polizze riscatteranno tra 3 mesi
FORECAST
Punto di osservazione del modello
OUTPUT DEL MODELLO
RISCATTI REALI TRA GIUGNO - AGOSTO
70%
‹N›
Timeline
MODELLO RISCATTI
Mag
Inizio sviluppi
Ott
Fine Sviluppi
Dic
Pilota
Nov
Valutazione e consolidamento Business
Training
Q3
Q2
on goingTrasformation
2023
2024
‹N›
Scheda progetto
CRUSCOTTO INVESTIMENTI
Verifica degli obiettivi di gestione
Finalità
Obiettivo di progetto
Costruzione di un cruscotto di monitoraggio e reporting per i fondi di Classe D
INCONTRI PERIODICI
STACK TECNOLOGICO
Deep Dive Cruscotto Investimenti
Processo
Obiettivo
Cruscotto di monitoring/reporting ad uso direzionale volto a garantire una vista unificata sui trend dei portafogli di Classe D in maniera aggregata, per Linea e a granularità dei fondi sottostanti. Lo strumento consentirà il confronto dei nostri portafogli con i rispettivi benchmark di mercato e una vista sui principali KPI di rischio-rendimento, per verificare il raggiungimento degli obiettivi di gestione.
Dati Portafogli (Sofia)
Dati Linee (SVG)
Dati Fondi (Factset)
Google Cloud Platform
Calcolo KPI
- Pesi empirici fondi
- NAV
- AUM
- YTD Returns
- Volatilità Rolling
- Sharpe Ratio
135 mln
Record al GG
Settimanale
KPI calcolo
SVG
9 mln
Record al GG
Fondi esterni
‹N›
DASHBOARD
CRUSCOTTO INVESTIMENTI
‹N›
Scheda progetto
Mostra una visione unificata di correlazione tra diverse informazioni (Clienti, Rete, Info Esterne)
Finalità
Obiettivo di progetto
Dashboard di BI per monitorare KPI strategici
INCONTRI PERIODICI
STACK TECNOLOGICO
CRUSCOTTO TERRITORIALE arricchimento del progetto Prodotto - Cliente - Rete
‹N›
Overview
CRUSCOTTO TERRITORIALE
‹N›
DATA CULTURE
‹N›
DATA GOVERNANCE
‹N›
BACK UP
‹N›
DATI
Next Best Offer
Età contraente, INT Provenienza geografica Titolo di studio Professione
% uscite patologiche Premio medio annuale Contratti cumulati/attivi per area Riscatti/resciss. primi/ultimi mesi Prevalenza polizze Vita/Danni
Cluster polis, popolazione Stima valore immobiliare Stima patr. finanziario Stima familiari/propensioni
% incremento clienti Account vs. sostenibilità Operazioni medie TS % obiettivo trim. raggiunto TNPS, Decadenze
ANAGRAFICA CLIENTE
PORTAFOGLIO CLIENTE
DATI ESTERNI
AGENZIA DI APPARTENENZA
Modello affinità Risparmio
. . .
Modello affinità Prot. Vita
Modello affinità Prot. Danni
CALIBRAZIONE RISULTATI
. . .
. . .
CALIBRAZIONE RISULTATI
- Il sistema processa i dati attraverso la computazione di 19 modelli
- Gli output vengono calibrati per rendere i risultati di ogni singolo modello comparabili tra loro
- Modello viene allenato per suggerire uno stesso prodotto acquistato da una persona con le medesime caratteristiche ( solo vendite di «qualità», escludendo polizze patologiche)
Me
Cliente come me
Prodotto risparmio
Lead
290
Lead interessate
37%
Prospect
Visitati
53%
Prospect
56
Visitati
Interessati
Contattati
106
Conversion
16%
Clienti
12
Clienti
Conversion
27%
Polizze
9
il 19% dei lead contattati ha preso almeno un appuntamento
il 3% dei lead contattati è diventato clientecon 1.3 contratti in media per cliente
il 37% dei lead contattati è interessato
‹N›
Impatti su Campagna WSalute
Next Best Offer
Descrizione: Definizione di un target selezionato per WSalute Canale: Liste su MYA Target: Clienti con propensione per il prodotto Periodo osservazione: 11/09 - 15/10
SCHEDA CAMPAGNA – WSALUTE
Clienti / Lead
Contattati
Visitati
Contraenti
23k
11k
6k
87
Sales Conversion Rate
1,4%
SCR= Contraenti / Clienti
46.2%
58.8%
Utenti + tecnologia = innovazione
Team di lavoro con ownership delle parti
il primo passo è collegare e comprendere il lavoro reciproco per garantire il successo di un progetto.Creare una cultura dei dati unisce persone, processi e dati.
Lavoro a quattro mani: business e Spoke
Write a description
SAL periodici di confronto e condivisione
Approccio vincente
AMBIZIONI DA RAGGIUNGERE
SFIDE DA SUPERARE
Data
Siamo in grado di accedere ai dati in qualsiasi momento ed eseguire in pochi minuti query ad hoc su dati risalenti anche a più anni prima.
Ottimizzare la latenza di aggiornamento
Self provisioning
Dati con domini monolitici e centralizzati
Data mesh
Automatizzare l'accesso alle fonti. Evitando logiche su dati statici (es. excel)
Qualià del dato
La qualità del dato assume un ruolo fondamentale per tutto il processo. Più preciso sarà il processo di acquisizione del dato e maggiore sarà la precisione e l’affidabilità del modello.
L’agente contatta il cliente per arricchire le informazioni sul cliente e tenere sempre aggiornato il profilo.
I dati costituiscono i driver di decisione per il modello
Quale Prodotto suggerisce ?
NBO
- interessi tra cui sport, benessere ecc..
- bisogni assicurativi
Primo prototipo di dato sintetico realizzato per il progetto Starlight.Per ogni lead associamo caratteristiche rilevate statisticamente dalla popolazione simile.
Arricchmento Lead
Here you can include a relevant fact to highlight
Si adatta ai bisogni espressi del cliente
Segue gli obiettivi strategici di Alleanza
Disegnato in base alle caratteristiche del cliente
1.9Mln
Customer Base
Ricalcolo mensile
Setting configurabiledi proporzione offerta
Data Culture
La "data culture" è una mentalità aziendale che promuove l'uso dei dati come risorsa strategica. Si tratta di incoraggiare l'acquisizione, la gestione e l'analisi dei dati in modo sistematico, per prendere decisioni informate e guidare l'innovazione.
ore di formazione erogate sulla reteogni anno
1 mln
IDL TALK FORMATIVI
DATA FOUNDATION PROGRAM
L’obiettivo di questa analisi è comprendere meglio fenomeno dei riscatti sui Premi Unici in base alle evidenze che sta osservando il modello
ANALISI CLUSTER CLIENTI con maggiore propensione al riscatto
- La maggiore incidenza di riscatti si registra nei cluster polis "Poco Abitate" e " Benessere"
ANALISI CLUSTER PRODOTTI con maggiore propensione al riscatto
- Osservando i riscatti su area di bisogno si nota un'incidenza maggiormente su Investimento Tradizionale (10,4%) e Ibridi (11.38%)
- I prodotti ibridi tendono a riscattare oltre i 10 anni (32%) e tra i 5 e 10 anni (24%)
- Il 35% dei prodotti ibridi oltre i 10 anni viene reworkato
* Risultati in fase di analisi e approfondimento
Analisi eseguita su un campione di polizze con almeno un'operazione nel 2023
- Prima release dell'indicatore
- Studio correlazione con le vendite
- Calcolo del KPI per Agenzia
- Seconda release dell'indicatore
- Dashboard di monitoragigo KPI
Next Step
Obiettivi Raggiunti
STILE ALLEANZA
Sviluppo
Adoption del modello comportamentale del Consulente Alleanza finalizzato a fornire una consulenza di valore ai Clienti
- Pilota su 6 Agenzie su MYA
- Potenziamento campagne Marketing
- Monitoraggio pilota su MYA
- Pianificazione Roll out
- Prime liste di test entro Q1
- Pilota tecnico e fixing modello Q3
- Definizione piano di Roll out entro Q4
Next Step
Obiettivi Raggiunti
NBO
Pilota - Produzione
Analizza le caratteristiche del cliente per poter prevedere la sua affinità con i nostri prodotti, identificandone le sue aree di bisogno.
Obiettivi BlueBoook
- Analisi
- Sviluppo dell'algoritmo
- Test in laboratorio
- Calibrazione secondo le osservazioni business
- Test pilota
Next Step
Obiettivi Raggiunti
MODELLO RISCATTI
Sviluppo
Previsione delle polizze che con alta probabilità riscatteranno entro 3 mesi.
- Ingestion fondi interni/esterni
- creazione e industrializzazione Dashboard v-1.0
- quadratura fondi esterni
- finalizzazione dashboard definitiva
Next Step
Obiettivi Raggiunti
DASHBOARD INVESTIMENTI
Sviluppo
Cruscotto di Monitoraggio dei fondi di Classe D ad uso direzionale con lo scopo di verificare gli obiettivi di gestione.
- Visit the Analytics settings;
- Activate user tracking;
- Let the communication flow!
Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions!Premium tip: Get information on how your audience interacts with your creation:
Got an idea?
Here you can include a relevant fact to highlight
Here you can include a relevant fact to highlight
- Visit the Analytics settings;
- Activate user tracking;
- Let the communication flow!
Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions!Premium tip: Get information on how your audience interacts with your creation:
Got an idea?
Here you can include a relevant fact to highlight
Here you can include a relevant fact to highlight
- Pilota su 6 Agenzie con WebApp (Aprile)
- Integrazione con omni channel campaign
- Roll out su MYA
Next Step
Obiettivi Raggiunti
STARLIGHT
Sviluppo
L'obiettivo del progetto è quello di espandere la customer base per la generazione di valore per Alleanza.
- Fixing Modello e Tool entro Q1
- Roll out progressivo a partire da Q3
Obiettivi BlueBoook
- Ingaggio fornitore esterno
- Kick-off progetto (19 ott)
- Ingestion dati
- sviluppo modello
Next Step
Obiettivi Raggiunti
GENERAZIONE ALLEANZA
Sviluppo
Analizza gli ambiti che caratterizzano la Journey del Consulente per individuare i principali fattori di turnover.
- Lorem ipsum dolor sit amet.
- Consectetur adipiscing elit.
- Sed do eiusmod tempor incididunt ut.
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod.
bofu
- Visit the Analytics settings;
- Activate user tracking;
- Let the communication flow!
Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions!Premium tip: Get information on how your audience interacts with your creation:
Got an idea?
Here you can include a relevant fact to highlight
Here you can include a relevant fact to highlight
CASA SEMPLICE
- Visit the Analytics settings;
- Activate user tracking;
- Let the communication flow!
Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions!Premium tip: Get information on how your audience interacts with your creation:
Got an idea?
Here you can include a relevant fact to highlight
Here you can include a relevant fact to highlight