Les clients des assureurs craignent pour leurs données personnelles qui sont parfois hackées par des fraudeurs et donnent lieu à des déclarations d'indemnisation frauduleuses. Pour les auteurs, il est indispensable d'avoir une vision intégrée des données collectées car celles-ci proviennent de multiples plateformes, structurées ou non, "ce qui suppose des systèmes centralisant les informations qui fournissent une vue unique du client et de ses relations avec l’assureur, en lien avec les autres sources de données clés, tel que les bases de données externes." Or, d'après les recherches menées par Accenture,  "un peu plus de la moitié des organisations financières ont une vue unique de leurs clients, et seulement la moitié environ ont un système unique pour se mettre en conformité avec les directives de lutte contre le blanchiment d’argent."
 
Il est nécessaire pour ces entreprises de mettre en place une gouvernance des données, de manière à mieux contrôler les flux de données et assurer leur protection d'une part et s'assurer de la fiabilité, de la qualité et de la cohérence des données d'autre part. Pour mener à bien la lutte contre la fraude et la criminalité financière, elles doivent combiner les données et l'analytics. Pour cela, selon les auteurs, les assureurs doivent "définir les métriques appropriées pour juger de leur qualité. Cela nécessite un ensemble cohérent de critères pour mesurer et améliorer la qualité des données, incluant l’exactitude et l’intégrité des données, leur complétude ou la capacité à les dater afin de vérifier si elles sont toujours à jour ou nécessitent une actualisation pour pouvoir être utilisées.
La seconde étape est de mettre en place un dispositif de réconciliation et d’analyse des données. Un filtrage et un nettoyage approprié des données améliorent la qualité de l’analyse et aident à réduire le nombre de faux-positifs. La troisième étape est d’améliorer le dispositif de gouvernance des données. Beaucoup d’assureurs disposent désormais d’un « Chief Data Officer ». Une gouvernance des données, avec des règles bien définies concernant la propriété des données et leur qualité, est un point de passage nécessaire pour coordonner les différents acteurs."
 
Il est important de noter qu'aujourd'hui, les institutions financières utilisent moins de 5% de leurs données disponibles pour agir sur leur politique de prévention contre la criminalité. D'où la nécessité d'utiliser davantage des données brutes, de mettre en place un modèle de scoring, d'analyse prédictive et de text mining (analyse des données textuelles). Enfin, pour répondre au volume croissant des données, ces entreprises doivent développer leurs propres outils de visualisation des données de manière à identifier clairement les différents scénarios et détecter des incohérences ou opérations suspectes.