Zurich usa dados externos de LiDAR para oferecer preços de apólices mais transparentes e insights de subscrição mais relevantes

Se você alguma vez já precisou fazer um seguro, provavelmente já ouviu falar do Zurich Insurance Group. Com produtos de seguro para diversas empresas e entidades do setor público, como governos, escolas e hospitais, a Zurich tornou-se uma das maiores seguradoras do mercado.

Como todas as seguradoras, a Zurich trabalha com dados para entender riscos e subscrever seus produtos de seguro. Mas, embora existam muitos dados disponíveis sobre pessoas e ativos, eles costumam vir em formatos diferentes. Por isso, o impacto que esses dados exercem na avaliação de riscos e na definição de preços pode ser limitado.

Cliente de longa data da Snowflake, a Zurich adotou o AI Data Cloud para transformar um conjunto de dados públicos do governo do Reino Unido, com mais de 300 bilhões de pontos de dados, em um formato utilizável capaz de automatizar etapas do processo de subscrição, gerar preços mais transparentes e atrair novos clientes.

Há décadas, os dados são a força vital do setor de seguros. No entanto, os conjuntos de dados disponíveis, e a forma de usá-los, mudaram nos últimos anos. "Agora existe um movimento para aproveitar ao máximo os dados, em vez de apenas armazená-los", explica Jonathan Davis, Data Science Lead na Zurich. "Também há um foco crescente em dados externos. Existem muitos dados disponíveis de forma gratuita, mas eles costumam ser difíceis de usar."

As operações da Zurich no Reino Unido tinham interesse especial nos dados públicos de detecção e medição de distâncias por luz (light detection and ranging, LiDAR), que mostram a altura dos edifícios e de seus arredores na Inglaterra. Os possíveis casos de uso desses dados são inúmeros: as equipes da Zurich podem ver a altura dos edifícios, a altura e a distância de árvores próximas e outros riscos físicos que podem influenciar as decisões de subscrição.

Mas, com bilhões de pontos de dados, a infraestrutura anterior da Zurich não tinha capacidade de processamento suficiente para usar esses dados em um prazo razoável. "Os dados poderiam ser úteis", diz Davis. "Tentamos carregá-los do jeito antigo, em Python e em um servidor SQL comum, mas não demorou para falhar. Mesmo em um projeto de prova de conceito com apenas um dos 6.500 arquivos, não havia como ajustar a escala."

A Zurich já usava a plataforma Snowflake havia vários anos para ingerir e processar dados de subscrição. Com o AI Data Cloud, Davis e sua equipe perceberam que tinham a capacidade de ajustar a escala, o processamento e uma série de outros recursos para viabilizar o caso de uso.

"O suporte geoespacial nativo foi essencial", explica Davis. "Também nos beneficiamos muito do suporte a Python no Snowpark. Nossa equipe conhece bem a linguagem, e é ótimo poder trabalhar em ambientes de desenvolvimento locais e enviar tudo para o Snowflake. E tudo funciona perfeitamente."

Além da familiaridade com o Python, o suporte nativo a diferentes linguagens deu à equipe acesso a bibliotecas prontas essenciais, que tornaram o caso de uso possível. "Os arquivos LAZ e LAS são comuns em dados de LiDAR, e não há muito suporte para a leitura desses tipos de arquivo", acrescentou Isaac Brocklesby, cientista de dados na Zurich. "Mas existem dois pacotes Python muito bem desenvolvidos para ler esses arquivos. Se não tivéssemos acesso a eles, todo o caso de uso teria sido muito mais complicado."

Embora a Zurich esperasse por esse caso de uso há muito tempo, o processamento em si foi rápido assim que a equipe colocou o AI Data Cloud para trabalhar. Em apenas 100 horas de execução de um warehouse Snowpark de tamanho médio, tudo estava processado e pronto. Desde a preparação do conjunto de dados, os benefícios têm sido significativos em toda a subscrição da Zurich, tanto para consumidores quanto para empresas.

"Todos os tipos de subscrição podem se beneficiar de uma compreensão maior dos riscos", diz Anna Collins, AI Data Lead na Zurich. "Agora conseguimos ver exatamente que edifícios são altos ou de média altura e avaliar melhor o risco de inundações ou de danos causados pelo vento."

E, com dados exatos de altura de cada edifício e de cada área ao redor dele, a seguradora também consegue calcular o risco de árvores altas caírem sobre um imóvel ou quanto de um imóvel tem telhado plano que pode se deteriorar com o tempo. "Conseguimos desenvolver algoritmos complexos para transformar todos esses dados em uma análise de risco adequada", explica Brocklesby. "Relacionar dois pontos espacialmente pode ter um custo computacional alto, mas o recurso H3 do Snowflake nos permite usar indexação espacial para calcular as relações entre alturas. É muito mais rápido e foi fundamental para extrair valor desse conjunto de dados."

Com mais insights à disposição, a Zurich consegue se proteger contra riscos que poderiam gerar perdas significativas. Mas também consegue estabelecer preços para casos individuais com mais precisão, o que pode atrair novos clientes que outras seguradoras classificam incorretamente e para quem oferecem apólices mais caras. 

E, quando contratam a Zurich, os clientes têm uma experiência superior com uma seguradora que entende melhor a situação deles. "Agora o atendimento é mais rápido", diz Davis. "Não precisamos fazer tantas perguntas durante as etapas de cotação e contratação. Tenho certeza de que alguns clientes pensavam: 'vocês já deveriam saber disso!'. E agora nós sabemos."

Dados de LiDAR precisos também tornam os processos de subscrição da Zurich mais eficientes. "Isso faz parte da nossa jornada de automação", explica Will Davis, Lead Machine Learning Engineer na Zurich. "Antes, com frequência, a equipe de subscrição precisava usar o Google Street View para tentar estimar a altura de diferentes edifícios. Isso podia levar vários minutos para cada endereço. Agora, isso é quase instantâneo. E, para uma carteira de milhares de imóveis, significa uma grande economia de tempo."

A Zurich já colhe resultados expressivos com a ingestão e a transformação do conjunto nacional de dados de LiDAR, e está apenas começando. "É uma mina de dados", diz Davis. "Quanto mais tempo você passa explorando, mais 'pepitas de ouro' encontra. Ainda temos muito enriquecimento de dados pela frente."

A equipe também pretende oferecer os dados de LiDAR como uma plataforma de autoatendimento para qualquer usuário da Zurich. Davis está avaliando o suporte da plataforma Snowflake ao Streamlit como forma de desenvolver um app nativo com base no conjunto de dados de LiDAR. A equipe também está estudando como implementar modelos de IA e aprendizado de máquina na plataforma Snowflake para criar uma camada gerenciada em que os usuários possam executar diferentes modelos.

Mas não são só os recursos da plataforma que deixam a equipe animada com o futuro. Davis e o restante da equipe de ciência de dados da Zurich também contam com o suporte contínuo da Snowflake para viabilizar novos casos de uso. "A equipe da Snowflake chegou a adicionar suporte a algumas bibliotecas Python de que precisávamos", diz Davis. "A plataforma é poderosa, sem dúvida. Mas o que realmente fez a diferença foi o suporte que recebemos."