Intelligente Informationsgewinnung aus Daten

Versicherungsunternehmen besitzen eine Fülle von Daten, welche vielfältige Informationen über das Unternehmen und seine Kunden enthalten. Darüber hinaus sind immer größere Datenmengen aus öffentlichen Quellen wie dem Internet verfügbar („Big Data“). Damit wird die systematische Analyse dieser Daten  zu einer wichtigen Quelle zur Verbesserung der Produkte und Prozesse im Unternehmen. Dies setzt allerdings voraus, dass die Unternehmen die strategische Bedeutung der in diesen Daten verborgenen Informationen erkennen und Prozesse der intelligenten Informationsgewinnung aus Daten (Data-Mining) geeignet strukturieren.

Moderne Verfahren des Data-Mining erlauben die systematische Analyse solcher Datenbestände und die Extraktion der darin enthaltenen Informationen. Wir entwickeln Modelle zur Strukturierung des Analyseprozesses, insbesondere im Hinblick auf die unternehmerische Nutzung der gewonnenen Erkenntnisse sowie die Einbindung der Analysen in die Geschäftsprozesse von Versicherungsunternehmen.

Ein wichtiger Aspekt, den wir im Rahmen dieses Forschungsprojektes untersuchen, ist das Kundenverhalten, insbesondere das Storno- und Wechselverhalten von Versicherungsnehmern. Unsere Untersuchungen zeigen, dass es sich hier um komplexe Wechselwirkungen handelt, die eine sorgfältige Modellierung bei der Abhängigkeit zwischen den einzelnen erklärenden Größen erfordern. Damit können dann allerdings signifikante Effekte aufgedeckt werden.

Weitere Themenbereiche sind die Bestimmung des Cross-Selling-Potenzials und des Kundenwerts sowie die Anwendung von Data-Mining-Verfahren zur Optimierung des Leistungsmanagements in der Krankenversicherung.