Ev sigortası sağlayıcısı Homeprotect, 2018 yılında, kullanıma hazır yazılımların sınırlamalarını aşarak, üst düzey BT yeteneklerinin becerileri etrafında tasarlanan şirket içi veri bilimi platformunun ilk sürümünü tamamlayarak büyük bir dönüm noktasına ulaştı. Bu, teknolojiden sorumlu başkan (CTO) Dan Huddart’ın büyük kurumsal sigorta dünyasını ölçekli bir iş ile değiştirdikten sonra yenilik yapma özgürlüğünün bir sonucuydu.
18 aylık bir süre boyunca, Cortex olarak bilinen bir veri bilimi platformu olan çekirdek sistem, sigorta ürünleri için prim hesaplamanın ötesine geçmek üzere oluşturuldu ve şimdi Homeprotect’in kilit alanlardaki iş yapma şeklini dönüştürüyor.
Cortex, Huddart 2015 yılında CTO olarak katıldığında Homeprotect’e getirilen düşüncenin bir sonucudur. Doğrudan CEO’ya rapor veren Huddart, özel sermaye devralımının ardından ev sigortası uzmanına nakit enjeksiyonu aldığı sırada geldi ve bu da beraberinde büyüme hırsını getirdi. .
Bu hırs, şirketin profiliyle birlikte, sigorta sektöründe önemli bir “büyük kurumsal” deneyim inşa eden Huddart’ın kariyer arzusuyla örtüşüyordu.
Huddart, “Büyük şirketlerin nasıl olduğunu bilirsiniz” diyor. “O noktada çok fazla fikir ve enerjiye sahip çok fazla deneyimim vardı ve sadece daha küçük bir işe girmek, bir şeyler yapabileceğim ve işe yarasa da gitmese de işlerin sorumluluğunu üstlenmek istiyordum.”
Huddart’ın sigorta sektöründe ilk kez işe başladığı yıl 2011’di ve “dijital platformlara çok yatırım yaptığı” bir dönemde RSA Sigorta’ya katıldı.
O zamanlar RSA genişliyor ve uluslararası sigorta şirketlerini satın alıyordu; bu da Huddart’a İskandinavya ve Polonya’da yurt dışında çalışma deneyimi kazandırıyordu. Bu süre zarfında uluslararası projeler üzerinde çalıştı ve tamamlandığında İngiltere’ye döndü.
İki yılı çekirdek sistem revizyonu üzerinde çalışmak da dahil olmak üzere RSA’da altı yıl geçirdi.
Homeprotect ekibi ve onun özel sermaye sahipleriyle tanıştıktan sonra “küçük ama gerçekten heyecan verici” bir yolculuğa çıktı.
O zamanlar Homeprotect’in 100.000’in biraz üzerinde müşterisi vardı ve toplamda yaklaşık 60 kişiden altısı BT personeliydi, ancak sahipleri büyümeye yatırım yapmaya hazırdı. Huddart, “İşi alıp ana akım bir sigorta şirketi haline getirmek, ölçeği büyütmek için zorlu bir işti” diyor.
Homeprotect, standart dışı sigorta konusunda uzmandı ve müşterilere çoğu sigorta şirketinden çevrimiçi olarak alamayacakları bir şey sunuyordu.
Huddart, görevine başladığında asıl zorluğun BT ekibini ölçeklendirmek olduğunu söylüyor. “Küçük işletmelerin önünde iki zorluk var. Birincisi, işleri ölçeklendirmek için otomatikleştirmeniz gerekiyor, aksi takdirde daha fazla müşteri ve personelle ilgilenemezsiniz. Sonuç olarak personel ve otomasyona yönelik kurumsal teknolojiye çok fazla yatırım yapmak zorunda kaldık.
“Büyük şirketlerin nasıl olduğunu bilirsin. Devam edip bir şeyler yapabileceğim ve işe yarasa da gitmese de işlerin sorumluluğunu üstlenebileceğim daha küçük bir işe girmek istedim.”
Dan Huddart, Ev Koruması
Huddart, “İkinci olarak, herhangi bir haftada rakiplerinizden daha fazla katma değerli şey elde etmelisiniz, aksi takdirde onları geride bırakamazsınız” diye ekliyor. “Teknolojinin, bir sigortacının müşteri deneyimi ile diğeri arasındaki farkın çoğunu gerçekten belirlediği bir pazardayız.”
Buna, Huddart’ın “sizinle rekabet arasındaki ölüm kalım meselesi” olarak tanımladığı fiyatlandırma algoritmaları, web siteleri ve veritabanları üzerindeki çalışmalar da dahildir.
“Daha fazlasını başarmak zorluydu” diye ekliyor.
Büyüme hedefleri
Bugün, BT ekibi yaklaşık 18 kişiden oluşuyor ve şirketin genelinde 100’den fazla personel bulunuyor; diğer 110 kişi de dış kaynaklı bir çağrı merkezinde çalışıyor.
Huddart, katıldıktan bir yıl sonra, 2016 yılında sektörde derecelendirme motoru olarak bilinen yeni bir fiyatlandırma motoruna ihtiyaç duyduğunda şirketin büyüme öyküsünde büyük bir etki yaratma fırsatını yakaladı.
Huddart, o zamana kadar fiyatlandırmanın daha karmaşık hale geldiğini ve sektörde veri biliminin ortaya çıktığını söylüyor.
“Yaklaşık 10 yıldır standart dışı olanlar da dahil olmak üzere tüm pazarı sigortaladığımız için müşterilerimiz hakkında rakiplerimizden çok daha zengin veriler topluyorduk” diyor. “Veri bilimi ortaya çıktığında bu bizim için ortalama sigortacınıza göre daha büyük bir fırsattı çünkü standart dışı bir sigorta sağlayıcısı olarak müşterilerimize daha fazla soru soruyoruz, dolayısıyla daha fazla veriye sahibiz.”
Sigortacıların genellikle aracılar aracılığıyla daha fazla soru sorması ve sigortacıların kullanabileceği daha fazla dış veri bulunması nedeniyle fiyatlandırma daha karmaşık hale geldi.
Huddart, “İnsanları doğru şekilde fiyatlandırmaya yönelik silahlanma yarışı daha da ileri seviyelere ulaştı” diyor. “Geçmişte fiyatları hesaplamak için algoritmalar kullanılırdı. Artık oldukça gelişmiş bir veri bilimi şirketi olmanız gerekiyor ve rekabet çıtası çok daha yüksek.”
Yetenek için teknoloji
Rekabetçi olabilmek için Huddart, piyasadaki mevcut fiyatlandırma motorlarına baktı ve en iyi veri bilimi yeteneklerini aramaya başladı.
“Mevcut en iyi fiyatlandırma çalışanlarını işe almaya çalıştığımızda, yalnızca sigorta alanında değil, veri bilimi ve fiyatlandırma konusunda gerçekten yetenekli oldukça fazla sayıda kişinin bulunduğunu gördük” diyor.
Adaylarla konuşurken, sigorta fiyatlandırma sistemlerindeki sorunlardan birinin “diğer sektörlerin çok gerisinde olmaları” olduğunu keşfetti.
Huddart, hazır bir sigorta fiyatlandırma sistemi satın almanın, diğer tüm sigorta şirketleri gibi şirketi sınırlayacağını ve işe almak istediği kişilerin, pazarın arkasında gördükleri teknoloji üzerinde çalışmak istemeyeceklerini söylüyor.
Bu, Huddart ve ekibini pazarın gerisinde kalan bir şeyi satın almak yerine “yetenekli personele” ayak uydurabilecek kendi platformlarını oluşturmaya yöneltti.
“Ekibimizden en iyi beyinleri bir araya getirecek kadar çekici olacağını düşündükleri bir platform bulmalarını istedik” diyor.
Bu, Huddart’ın şirket çalışanları etrafında tasarlanmış akıllı bir platform olarak tanımladığı Cortex platformunun doğuşuydu. Şirketin yazdığı ve açık kaynak olmayan kısımlar olmasına rağmen açık kaynak teknoloji bileşenlerini kullanıyor.
“Mesajlaşma gibi ortak eğilimler vardı [where] LinkedIn gibi şirketlerin muhtemelen en rekabetçi mesajlaşma sistemi olduğunu düşündüğümüz Kafka’yı kullandığını gördük” diyor. “Ayrıca birçok şirketin Kubernetes kullandığını gördük ve bilgi işlem gücümüz için buna bahse girdik.”
Ders Dışı Korteks
Huddart, ekibinin artık Cortex olarak adlandırılan “bir platform oluşturduğunu” söylüyor. Hayata bir fiyatlandırma motoru olarak başladı ancak Huddart’a göre “bulutta çalışan, verileri alan ve çok hızlı kararlar almamıza olanak tanıyan açık bir platform”.
“Önümüzdeki birkaç yıl içinde, gelen talep verilerine dayanarak tüm veri modellerimizi neredeyse gerçek zamanlı olarak otomatik olarak yeniden eğitebilmek istiyoruz”
Dan Huddart, Ev Koruması
Cortex’in sadece fiyatlandırmayla sınırlı olmadığını ve halihazırda başka alanlarda da kullanıldığını söylüyor. Hatta Google’ı eğitiyor.
İşletmeler Google ile dijital pazarlamaya para harcadıklarında, ne tür insanları çekmek istediklerini söylemeleri gerekir. Huddart, Cortex’in müşteriler hakkında Google’a geri bildirimde bulunduğunu ve zamanla Google’a hangi müşterilerin daha değerli olduğunu öğrettiğini söylüyor. Google’ı Cortex’e bağlayarak pazarlama harcamalarını daha önceki ilişkilere dayanarak en çekici olduğunu bildiği müşterilere yönlendirmesine olanak tanıdı.
Huddart, “Cortex, harcamalarına ilişkin veriler aracılığıyla Google’a Homeprotect için en çekici müşteriler için bir rehber sunuyor” diyor.
Bir sonraki adım, gelen veriler ile veri bilimi modellerinin güncellenmesi arasındaki boşluğu kapatma girişimidir. Sürekli olarak taleplerde bulunulması nedeniyle primlerin değişmesi gerekiyor, ancak Huddart’a göre sigorta şirketlerinin verileri güncellemesi aylar, hatta yıllar alıyor. Bu, sigorta şirketlerinin değişen talep davranışlarına tepki vermesini yavaşlatıyor. Ancak bunu Homeprotect için değiştirmek amacıyla Cortex kullanılıyor.
Huddart şöyle diyor: “Cortex’in talep verilerini gerçek zamanlı olarak izlemesini planlıyoruz. Önümüzdeki birkaç yıl içinde, gelen talep verilerine dayanarak tüm veri modellerimizi neredeyse gerçek zamanlı olarak otomatik olarak yeniden eğitebilmek istiyoruz.”
