El lado humano de la tarificación

CLARA GRANADOS: Gracias a vosotros por invitarme.

CHUS GUITART: Y bueno, antes de empezar con los temas, queríamos introducir un poco a Clara. Clara actualmente lidera toda la parte de analítica avanzada en el equipo de SegurCaixa Adeslas, por lo tanto, es la responsable de todo aquello que tiene que ver con analítica predictiva en la compañía, modelización, la optimización también, y además son el equipo que ya lidera los encargados de cualquier proyecto business case que tengan en torno a la inteligencia artificial, pues también lo gestionan, lo implementan, lo desarrollan ellos desde el equipo.

Entonces, bueno, estamos muy agradecidos de tenerte aquí porque pensamos que la visión que nos puedes dar de todo lo que es, los equipos de pricing concretamente, pero también de toda la parte de analítica avanzada, pues puede ser muy enriquecedor. Por mi parte, que estaré también comentando un poco la visión que tenemos nosotros, soy directora en WTW en la práctica de ICT, lo que se conoce como Insurance Consulting and Technology.

Y bueno, llevo, prácticamente, la mayor parte de mi carrera profesional dedicándome también a la parte de analítica avanzada. Y bueno, soy una fiel creyente de que un activo muy importante, si no el más importante de cualquier equipo, son las personas. Al final las personas son las que forman ese equipo y es importante cuidarlas y tenerlas en cuenta para asegurar que los equipos tengan la potencia suficiente.

Entonces, antes de empezar en materia, sí queríamos un poco, para conocer a Clara un poco mejor, preguntarle, pues bueno, en su tiempo libre, cuando no está siendo una persona dedicada a la analítica avanzada, ¿a qué dedicas tu tiempo libre?

CLARA GRANADOS: Bueno, pues yo tengo como 2 hobbies o 2 pasiones, aparte de mi profesión, que bueno, me apasiona todo el mundo de datos, analítica avanzada, pero sí que luego como mis hobbies, pues tengo un perrito que es un bichón maltés, Coco, y pues paseo muchísimo con él y bueno, pasar tiempo con él.

Y luego, el otro hobby que he descubierto hace pocos años, que es hacer cerámica y en 2 o 3 años he creado mi propia marca de cerámica, artemesa.es podéis entrar y verlo. Y bueno, realmente me ayuda muchísimo. Dicen que es como el yoga del siglo XXI y a mí, cuando llego de trabajar, muchas noches me pongo a hacer cerámica porque me evade y me relaja muchísimo.

CHUS GUITART: Muchas gracias, Clara. Yo, fiel seguidora de Artemesa, confirmo que tenéis que meteros ahí en la web y cotillear todo lo que Clara hace, porque la verdad es que es súper creativo y seguro que en vuestra casa son piezas que encajarían fenomenal.

Yo, por mi parte, en mi tiempo libre, lo mismo. Me apasiona mi trabajo, me apasiona la analítica avanzada, la modelización, pero ese yoga que Clara encuentra a través de la cerámica, yo lo encuentro en el deporte, entonces yo en mi tiempo libre soy triatleta, compito sobre todo en media distancia y bueno, una enamorada sobre todo de la bici y de correr y nadar. Así que a eso dedico el tiempo.

Y bueno, supongo que, he ligado un poco a esto, al final ambas demostramos que es importante tener un trabajo que te apasione, pero también poder compaginarlo con otros temas de tu vida personal. Entonces, un poco encauzando esto, yo quería introducir el tema, sobre todo de cuando hablamos la parte de las personas con lo que hemos denominado the people side of things dentro de cualquier industria, pero al final pues un poco más enfocada a pricing. ¿Por qué consideramos que es importante? ¿Por qué hemos decidido hacer un podcast centrándonos en este tema?

Yo creo que la motivación principal que yo tenía desde mi lado es que al final, hoy en día, un talento o una persona con el talento necesario para formar parte de un equipo de pricing o de analítica avanzada, tiene que tener una serie de características muy peculiares, que son, principalmente, y hablando a groso modo, una capacidad analítica muy fuerte, capaz de utilizar nuevas técnicas y de salirse un poco de la caja, pero también conocer el mercado.

Y estas son cosas que no se encuentran fácilmente, entonces esta está generando una demanda muy fuerte de personas con estas cualidades y eso también está llevando, a su vez, a la importancia que tiene retener este tipo de perfiles. Porque al final son perfiles que si los pierdes, cuesta mucho encontrar a alguien que pueda sustituirlo y también cuesta mucho formarles para que empiecen a producir en la vía en la que tienes que producir.

También algo que he observado mucho es que a las nuevas generaciones que están entrando no solo les importa lo que cobran al final del mes. También valoran mucho el trabajo que están haciendo, los proyectos en los que están, el entorno en el que viven, esa facilidad de poder compaginar su vida personal con su vida laboral, tener una carrera profesional definida en el que puedan crecer, hacer proyectos innovadores y todo esto creemos que es algo que las compañías tienen que tener en cuenta y, específicamente, las áreas de pricing o de analítica avanzada, donde, al final, por la peculiaridad de lo que hacemos, requiere mucha importancia el ser capaz de retener esos perfiles.

Porque, al final, ¿qué es un equipo si no tiene a las personas del equipo? Entonces, no sé, Clara, cómo ves tú todo esto en cuanto a la importancia que tiene retener el talento, ¿qué ves importante?

CLARA GRANADOS: Bueno, para mí una de las cosas más importantes y problemas es qué capacidad tenemos las compañías para retener el talento. Al final son perfiles muy atractivos que el mercado está buscándolos constantemente y que tienes que conseguir ese engagement como compañía para que nuestros competidores no se lo lleven, porque al final, yo siempre digo, nos quitamos los recursos unas aseguradoras a otras.

Nosotros, por un lado, hemos estado trabajando en 2 aspectos clave. En un lado tenemos científicos de datos, puro data scientist que está apoyando a las tareas de pricing. Y de ahí lo que hemos visto en este tiempo es que, bueno, para el científico de datos está guay hacer pricing, pero al final puede llegar a ser aburrido y necesita tener proyectos mucho más diversos de analítica avanzada.

Y bueno, a lo mejor más novedosos porque luego empiezas a escuchar temas de IA generativa y todo el mundo quiere hacer IA generativa, quieren hacer temas de redes neuronales y en pricing y igual no es tan fácil aplicar, entonces ahí es jugar con lo que tenemos como retos y como al data scientist lo vamos a ir metiendo en proyectos de pricing, pero que además luego tenga proyectos que le resulte más atractivos.

Y luego, por otro lado, sí que a los actuarios de siempre lo que hemos trabajado es en dotarles habilidades de científico de datos. Esto, lo que nos está permitiendo es, justamente, ese actuario que ya tiene más conocimiento de negocio de toda la vida, que venía haciendo las cosas de una forma muy metódica, tradicional, pues le hemos ido formando ya en poder pues hacer modelos de machine learning y de estar acompañado por un científico del dato.

Sí. Otra cosa. Una puntualización pequeña, pero que para mí es muy importante y es en toda esa parte de pricing. Para mi, de los mayores aprendizaje es que tenemos que tener un equipo de exclusivamente dedicado a pricing. No me vale el data scientist que hoy entra a apoyar a los modelos de riesgo y luego se va y dentro de 2 años, cuando haya que calibrarlos, vuelve, sino que hay que tener un equipo sólido de actuarios o data analyst, como nosotros lo llamamos, y data engineer que estén constantemente dedicados a la sofisticación, a la supervisión y a la identificación de mejoras.

CHUS GUITART: Sí. Yo creo que estoy súper de acuerdo con todo lo que has comentado. Y además, vosotros ya habéis dado pasos para poder tener ese equipo, pues a lo mejor el dream team que dirían en la NBA, ¿no? Ya habéis dado pasos para intentar llegar a eso, pero hasta ahora, ¿qué has observado tú? Además por tu carrera profesional, también incluso cuando llegaste a SegurCaixa, ¿qué cosas has observado que las compañías han estado haciendo mal a la hora de eso, de asegurar que los equipos de pricing están en línea con la sofisticación del mercado, las personas motivadas haciendo cosas que les gustan? Porque al final es verdad que no puedes hacer que todo el mundo en todo momento esté haciendo cosas que le gustan.

Por ejemplo, algo que, como actuarios y en el mundo actuarial vemos mucho es que al final la importancia de los datos. Para poder hacer lo que quieras dentro de un equipo de pricing, técnicas de machine learning, lo que sea, necesitas datos buenos y probablemente es la parte menos agradable de estos equipos, de este tipo de tareas.

Entonces, ¿cómo verías o qué piensas que las compañías han estado haciendo mal todo este tiempo cuando se enfocaban en tener equipos para retener a los perfiles atractivos y valorados en el mercado?

CLARA GRANADOS: Bueno, yo no sé si es mal o bien. ¿Vale? Porque yo tengo un modelo muy claro, pero me cuestiono si es el modelo ideal. O sea, para mí una pieza clave era tener los data engineer separados, y son los expertos en datos los que se van a dedicar a construir los datos de una forma automática, a revisar y cerciorarse de la calidad del dato, de todo ese end to end el dato y para mí eso es una clave.

El ingeniero del dato está dedicado a los datos, el científico hace los modelos y los actuarios, junto con los científicos de datos, le dan ese sentido de negocio. Aunque este es mi modelo, yo diría que no lo estábamos haciendo bien hasta ahora, porque al final el data scientist está haciendo datos. Para volver a construir una base de datos sólida nos pasamos meses hasta que se actualiza, no está automática y eso no es el modelo ideal.

Pero sí hay una parte cuando se definen qué datos necesitamos, qué datos hay que construir, que no tenemos que aislar al científico del dato. Y, por ejemplo, para mí es el aprendizaje de algo que en mi última etapa aquí, en SegurCaixa, igual no estamos haciendo del todo bien.

Porque, aunque el ingeniero del dato lo construye, el científico del dato tiene que estar pegado a ese ingeniero del dato porque va a ser el científico del dato o el actuario el que va a definir qué datos quiere, cómo los quiere y el científico de datos también tiene que tener esa sensibilidad del dato, porque le va a permitir también pensar y ya, según está viendo los datos, pensar otras variables sintéticas a construir.

CHUS GUITART: Sí. Eso hablaremos, porque una de las siguientes preguntas que tenía para ti es ¿qué sería o cómo ves tú las best practices o el dream team? que ahora entraremos a ello.

Pero antes de entrar a eso, sí quería también, a lo mejor hacer un poco de hincapié en las tecnologías también. Porque algo que nosotros hemos visto es que hay perfiles que al final también quieren estar trabajando con las mejores tecnologías del mercado, las más innovadoras. A veces es un poco por ese trending topic, lo que decías tú, la IA generativa. Escuchas esa palabra y todo el mundo quiere poder decir que está trabajando en cosas de IA generativa, pero a veces no se puede estar siempre trabajando en eso.

Entonces pasa un poco también a lo mejor con las tecnologías. Hay tecnologías que están más en boca de todos y mola mucho pues poder decir yo estoy trabajando con esta tecnología o esta otra, entonces pienso también que los perfiles valoran mucho también tener a su disposición herramientas que les permitan hacer sofisticación y cosas mucho más automáticas, como tú bien decías, con la extracción de datos, por ejemplo, para poder dedicar su tiempo realmente a las cosas que les apasionan, que al final es qué puedo sacar de todos esos datos y cómo los puedo poner en producción luego para sacar algo de valor para el negocio y para lo que estoy haciendo en ese momento.

Quería saltar, entonces, una vez haber hecho esta aclaración, o bueno, este punto de vista es de mi lado, ¿cómo ves tú cómo sería el dream team dentro del pricing? ¿Qué necesitaría? ¿Qué habría que tener en cuenta?

Ya has adelantado un poco. Por ejemplo, eso, que el data scientist se dedique a la parte de los datos, pero que no puede estar solo, que tiene que estar acompañado por alguien que entienda el mercado y que entienda lo que va a necesitar.

Entonces, si te dieran una carta a los reyes magos que dicen, te lo vamos a regalar, ¿qué pedirías en esa carta?

CLARA GRANADOS: Pues fíjate que lo que pediría, aparte de lo que acabo de decir, data engineer, data scientist, actuarios, para mí lo que les pediría es que jugaran en equipo. No son cajas independientes, no son roles independientes, sino que entre todos tienen que darse cuenta que tienen que ser un equipo y realmente ver como las técnicas, la tecnología, entre todos ellos generan ese valor adicional y clave a la hora de hacer pricing.

También creo que para ese dream team, lo que le pediría sería esa formación continua. Es súper importante que tengan formación continua, que sientan que se apuesta por ellos y que se sientan, que aunque hagan tareas a veces que son monótonas o que no molan tanto, no son tan guays, pero en el fondo sí que tienen formación que les permite evolucionar y no perder esa parte de formación constante y de evolución y estar al día, ¿no? porque esto cambia tanto.

Hoy has aprendido algo y mañana ya te han sacado una nueva versión de algo y ya tienes que volver a empezar. Entonces, esa parte de formación y apuesta por la formación de ellos es lo que también les pediría a ese dream team.

CHUS GUITART: Estoy muy de acuerdo y a mí siempre me decían de pequeña, no pierdas la curiosidad por nada, siempre ten curiosidad por las cosas. Y eso es un poco el motor que te hace siempre estar en constante evolución, y más en nuestro sector, que como tú bien dices, y más sobre todo la parte de pricing, la parte de P&C, que es donde más se está sofisticando todo. Y, o estás al día con esa curiosidad, queriendo aprender, queriendo entender o te quedas obsoleto en día y medio y vienen las generaciones nuevas.

Yo ahora mismo no sé si podría llegar a comparar incluso que la gente que se está graduando ahora mismo de la universidad, aquellos que no sepan Python OR, igual es un poco la comparativa al que hace unos años no sabía leer o escribir, que es ya como un must que tienes que tener sí o sí para poder empezar a ser alguien dentro de la industria.

Y luego otro punto, que a mí al final es un poco el gran olvidado a lo mejor, pero es tener presente que somos la primera fuerza trabajadora, por así decirlo, en la cual están trabajando 3 generaciones conjuntamente. Y es verdad que a veces, a lo mejor a la generación más mayor, que están y a lo mejor cerca de la jubilación, pero siguen ahí, se les tacha un poco de obsoletos o de gente reacia al cambio porque llevan utilizando las mismas tecnologías o las mismas formas de hacer las cosas durante años y a lo mejor les cuesta más dar ese salto a cosas nuevas y ya por eso se les suele dejar un poco al margen.

Y pienso que ahí se pierde mucho valor de todo lo que esas personas tienen que aportar también. Al final han vivido crisis económicas, han vivido todas las fluctuaciones del mercado, tienen mucha experiencia y conocen muy bien el mercado. A lo mejor no de forma científica como podríamos hacer nosotros ahora, pero el potencial y todo lo que pueden aportar en sus cabezas es tremendo.

Entonces creo que también hay que encontrar la manera en la cual esas 3 generaciones que estamos conviviendo ahora mismo seamos capaces de sacar lo mejor de cada uno y con eso potenciarnos unos a otros. Y al final a lo mejor puede ser un mentoring de los más jovencillos, pues toda la parte analítica, toda la parte de sistemas y de los más mayores, pues toda la experiencia y el know how que tienen en el mercado.

Por último, antes de cerrar nuestro podcast de hoy, sí quería, Clara, preguntarte, porque al final llevamos varios años trabajando juntas, conocemos bien los equipos, nosotros el vuestro, vosotros el nuestro, también hemos trabajado cuando estabas en otras compañías. Sí me gustaría entender por qué venís a nosotros, ¿qué os aportamos como WTW en este aspecto de people side of things en el pricing, para que, bueno, podamos seguir colaborando y aprendiendo unos de otros?

CLARA GRANADOS: Bueno, para mí, realmente eso es un cúmulo de sabiduría donde nos vais a traer siempre las mejores prácticas basadas en la experiencia que tenéis. Particularmente, en los proyectos que trabajamos juntos, al final vuestros equipos nos ayudan a cuestionar lo que estamos haciendo, ya que muchas veces las cosas se hacen porque se venían haciendo así. Y esa parte de desafiar, cuestionar lo que estábamos haciendo y por qué razones, en el fondo lo que estáis haciendo es ayudarnos al equipo a crecer.

Cuando tengo perfiles junior y ves cómo vosotros les cuestionáis y les desafiáis, al final les estamos ayudando a crecer y que cuando ellos se enfrenten a un problema de 0, a un lienzo en blanco, se hagan todas las preguntas posibles. Y también ayuda a pensar de una forma diferente.

Luego, por otro lado, creo que en mi caso, en SegurCaixa, pues nos ayuda a retener el talento. Porque al final para el equipo es súper importante aprender de gente diferente, de referentes, porque para mí seríais referentes en pricing y de fuera de la empresa, que nos da esos puntos de vista diferentes y de cómo hacer las cosas de una forma mejor, más óptima y vosotros al final siempre estáis intentando mejorar vuestro producto, mejorar vuestras metodologías.

O sea, no es que tengáis metodologías o productos estancos, sino es que con el tiempo también vais mejorando y eso nos ayuda a nosotros también a ver cómo habéis pensado de una forma diferente para esa mejora continua también de vuestro producto y de cómo hacéis las cosas.

CHUS GUITART: Muchas gracias por la parte que nos toca. Suena mal decir que estoy 100% de acuerdo, pero al final nosotros no dejamos de ser también un equipo formado por perfiles muy distintos, desde actuarios, data scientist, ingenieros, matemáticos, estadísticos y hacemos frente a los mismos problemas.

Tenemos un capital humano muy potente y muy bueno al que queremos retener. Y por ejemplo, a nosotros, algo que nos ayuda mucho a retener el talento es la versatilidad de proyectos que hacemos tanto dentro como fuera de España. Y hacemos mucho lo que llamamos cross resourcing, que es personas de distintos países trabajando para otros países. Eso nos permite importar y entender muchas maneras de cómo se hacen cosas en otros países y al final nos ayuda, primero a enriquecernos internamente para tener las mejores prácticas, no del mercado en el que trabajamos, sino a nivel global. Y por otro lado, pues cumplir las necesidades de nuestro cliente de una manera mucho más provechosa y mucho más enriquecida.

Por lo tanto, pues agradecemos mucho que lo valoréis de esa manera porque es para lo que estamos aquí. Pues con esto yo no tenía más preguntas, Clara. Solo me queda agradecerte mucho el haber pasado este tiempo con nosotros, haber compartido tus respuestas a este tema que es para mí muy apasionante, porque sin un buen equipo trabajando como equipo no se llega lejos.

Entonces es muy importante que todos tengamos esto en la cabeza y busquemos el bienestar del equipo, busquemos por motivar sus carreras profesionales, que estén en proyectos innovadores, que dediquen su tiempo a lo que realmente es importante y no a tareas que a lo mejor se podrían hacer, como tú bien has dicho, o de manera automática, o con software adecuado o con otros perfiles que estén más dedicados a eso.

Gracias por estar con nosotros en este podcast de WTW, donde presentamos los puntos de vista más actuales en relación a la intersección entre personas, capital y riesgo.

Si quieres obtener más información, visita el apartado de insights de wtw.co.com Este podcast es solo para discusión y o información general. No se deben tomar medidas basadas en su contenido o relacionadas con él sin el asesoramiento previo de un profesional debidamente cualificado.