Machine learning en modelos de predicción de la siniestralidad del asegurado en seguros de salud

Abstract

Los seguros de salud se clasifican como el segundo ramo más importante en los seguros de no vida, el cual ha experimentado un crecimiento constante, especialmente en el último año debido a la pandemia del Covid-19. Este crecimiento comienza por cumplir los nuevos retos para las entidades aseguradoras, siendo los más importantes la digitalización, promocionar la salud del cliente y la creación de nuevos productos o coberturas. En el presente trabajo, se utilizan métodos de Machine Learning enfocado al aprendizaje supervisado con datos reales del gasto realizado por parte de los asegurados con el fin de obtener un modelo que pueda predecir el gasto futuro y en consecuencia, tomar mejores decisiones. La principal conclusión es que los modelos avanzados de Machine Learning son más eficaces y eficientes que los métodos tradicionales de regresión y clasificación, aunque estos últimos son más fáciles de entender. La posibilidad de personalización del producto o póliza con modelos en tiempo real será uno de los cambios mas importantes en el sector.

Health insurance ranks as the second most important branch in non-life insurance, which has experienced steady growth, especially in the last year due to the Covid 19 pandemic. This growth begins by meeting new challenges for insurers, the most important of which are digitalization, promoting customer health and the creation of new products or coverages. In the present work, Machine Learning methods focused on supervised learning are used with real data of the expenditure made by the insured in order to obtain a model that can predict future spending and consequently make better decisions. The main conclusion is that advanced Machine Learning models are more effective and efficient than traditional regression and classification methods, although the latter are easier to understand. The possibility of product or policy customization with real-time models will be one of the most important changes in the industry.