Hace una semanas nos sentamos a charlar con el líder de datos de una aseguradora tradicional. Una empresa con historia, sólida, con un negocio que funciona. Pero su inquietud era clara: “Tengo buenas ideas, sé que podríamos estar haciendo más con los datos… pero siento que estamos atados.”
Nos contó que todavía se manejan con Excel para muchas cosas críticas. Que tienen dashboards en Qlik, pero casi nadie los mira 👀. Que la infraestructura tecnológica quedó desactualizada . Y sobre todo, que siente que no tiene los recursos suficientes para encarar las implementaciones que quiere llevar adelante.
Esto no es un caso aislado. Es algo que escuchamos mucho en empresas tradicionales que saben que tienen que modernizarse, pero se enfrentan a limitaciones técnicas, organizacionales y presupuestarias .
Un poco con esta problemática, y basados en nuestra experiencia, armamos este roadmap que obviamente va desde lo teórico pero que pretende dar una guía para acompañar a esos líderes que quieren avanzar, pero necesitan un plan estratégico, realista y accionable 🚀.
Lo primero de todo, el diagnóstico: ¿Dónde estamos parados?
Antes de hacer cambios, necesitamos entender con claridad el punto de partida. En muchas aseguradoras tradicionales, nos encontramos con:
- Herramientas analíticas poco utilizadas.
- Infraestructura legada (como SQL Server antiguo o procesos ETL en Integration Services).
- Dificultades para acceder a datos en tiempo real.
- Equipos técnicos desbordados por lo operativo 😩
Lo primero es hacer un diagnóstico completo, que incluya:
- Mapeo de la arquitectura actual.
- Auditoría del uso real del dato.
- Evaluación de capacidades del equipo.
- Benchmark competitivo frente a insurtechs y aseguradoras más modernas.
No todo es tecnología: es clave conectar con el negocio 💼
El líder con el que hablamos tenía una intuición clara: los datos pueden ayudar a mejorar el negocio, pero necesitamos una dirección concreta.
Y tenía razón. La estrategia de datos no debe existir en el vacío. Tiene que estar 100% alineada con objetivos como:
✔ Reducir el índice de siniestralidad con mejores modelos de riesgo
✔ Mejorar la segmentación de clientes
✔ Detectar oportunidades de cross-selling
✔ Acelerar el lanzamiento de nuevos productos
✔ Automatizar procesos para reducir costos
✔ Elevar la experiencia digital del cliente
Y ahora sí: modernizar la infraestructura sin “tirar todo abajo”
Sabemos que no siempre hay presupuesto o músculo interno para una migración completa. Por eso, proponemos opciones graduales y realistas:
➊ Actualizar el stack de Microsoft existente: migrar a SQL Server moderno, Azure Data Factory, etc.
➋ Evaluar la nube(Azure, AWS, GCP) para escalar capacidades si es que aún no migraron.
➌ Diseñar una arquitectura híbrida: mantener lo que funciona, modernizar lo necesario.
➍ Incorporar un Data Lake y modernizar el Data Warehouse.
➎ Migrar hacia herramientas de visualización más intuitivas como Power BI, Tableau o Looker, pero con sentido, que tenga coherencia y usabilidad.
Pero no se hace solo: armar un equipo que pueda hacerlo realidad 👥
El líder que conocimos tenía solo un ingeniero de datos en su equipo. Y sentía que todo pasaba por él. Esto no escala.
Para una transformación real, el equipo debe cubrir estos perfiles:
🛠️ Data Engineers
🧪 Data Scientists
📊 Analistas de negocio
📈 Especialistas en visualización
Sabemos que armar este equipo de cero no siempre es posible. Por eso muchas veces trabajamos con modelos mixtos: talento interno + partners especializados + formación in-house.
¿Por dónde empezamos? Los casos de uso
Cuando el presupuesto es limitado, priorizar bien es clave. Sugerimos arrancar con casos de uso de alto impacto y bajo riesgo:
- Modelos de pricing dinámico.
- Detección de fraude.
- Predicción de abandono de clientes.
- Recomendaciones de productos.
- Automatización de reportes críticos.
- Chatbots y asistentes virtuales.
Lo importante es mostrar valor rápido y tangible para ganar tracción.
Y no olvidar la gobernanza y cultura de datos
Transformar no es solo tecnología: es también cultura. Ese líder nos decía “A veces siento que aunque tuviéramos la mejor herramienta, igual no la usarían…”
Por eso proponemos trabajar en paralelo sobre:
- Definir reglas claras de gobierno de datos.
- Capacitar a los equipos.
- Fomentar el uso del dato en decisiones reales.
- Comunicar resultados y quick wins constantemente.
Innovar como una Insurtech (desde la experiencia de una aseguradora tradicional) 🧬
Con una infraestructura moderna y una cultura orientada al dato, se abre la puerta a nuevos modelos de negocio:
- Seguros on-demand
- Modelos de uso (pay-as-you-drive)
- Personalización en tiempo real
- Integración con servicios externos vía APIs
- Colaboración con startups del ecosistema insurtech
Finalmente, el roadmap propuesto!
Sabemos que el tiempo y el presupuesto son finitos. Por eso sugerimos dividir la transformación en fases:
| Fase | Duración estimada | Objetivos principales |
| Fase 1: Fundamentos |
0-6 meses |
|
| Fase 2: Construcción |
6-18 meses |
|
| Fase 3: Innovación |
18-36 meses |
|
Bonus: no olvidarse de medir para aprender
Como siempre decimos: lo que no se mide, no se mejora.
- ¿Se redujo el loss ratio?
- ¿Se mejoraron las renovaciones?
- ¿Cuántos usuarios usan las herramientas nuevas?
- ¿Cuánto tiempo toma generar un reporte hoy vs. antes?
Y tan importante como medir: ajustar continuamente.
La transformación no es un proyecto, es un proceso.
¿Y vos, como Líder de Datos en tu empresa o área, cómo estás impulsando el cambio y resolviendo las problemáticas?
En Tekne acompañamos a líderes de tecnología a llevar adelante su estrategia de transformación para llevar su empresa al siguiente nivel. No dudes en mandarnos un mensaje