Sie sind hier: Startseite - Beratungsfelder - Krankenversicherung - Data Analytics

Data Analytics für Krankenversicherungsunternehmen

Versicherungsunternehmen besitzen große Datenmengen, die zahlreiche Informationen z.B. zu Kunden und Schäden enthalten. Data Analytics beinhaltet die intelligente Informationsgewinnung aus solchen Daten und die praktische Umsetzung der daraus gewonnenen Erkenntnisse.

Anwendungsbeispiele:

  • Bei der Beleg- und Rechnungsprüfung kann mit Hilfe von Data Analytics das Routing in Hell- und Dunkelverarbeitung anhand des erwarteten Korrekturpotenzials gesteuert werden:

    Die Dunkelverarbeitungsquote kann durch die automatisierte Regulierung bei geringem Korrekturpotenzial erhöht werden. Durch den beschleunigten Prozess werden Kosten gesenkt und Kapazitäten effizient genutzt. Eine Fallstudie zur potenzialgesteuerten Regulierung von Arzneimittelbelegen finden Sie hier.
  • Die Zunahme an Hochkostenfällen ist für die Krankenversicherung ein zentraler Kostentreiber. Zukünftige Kosten können verringert werden, wenn frühzeitig geeignete Präventionsmaßnahmen möglich sind, damit der Eintritt eines Hochkostenfalls verhindert, hinausgezögert oder abgemildert wird. Insbesondere eigenen sich selbstlernende Modelle, laufend die aktuellsten Daten zur versicherten Person und deren Leistungshistorie für eine bestmögliche Mustererkennung zu verwenden:

    Nähere Informationen, wie bei der Vorhersage von Hochkostenfällen selbstlernende Modelle zum Einsatz kommen, finden Sie hier.
  • Der Gesundheitszustand einer versicherten Person hat wesentlichen Einfluss auf das Leistungsversprechen und die Kalkulation in der privaten Krankenversicherung. Eine verbesserte Modellierung mittels Data-Analytics-Verfahren kann entlang der gesamten Vertragslaufzeit gewinnbringend sein. Durch Analysen sich langfristig ergebender Leistungsdaten können bereits vor Vertragsabschluss Entscheidungskriterien für Werbemaßnahmen, Kundenansprache und Angebotserstellung gegeben, die Risikoprüfung dynamisiert und Annahmeregeln sowie Risikozuschläge verbessert werden. Die Modellierung von Gesundheitszustandsverläufen während der Vertragslaufzeit ermöglicht zielgerichtete Angebote zur Tarifwechsel, Vertragsänderungen oder Nachversicherungen.

Weitere Anwendungsbeispiele finden Sie hier oder direkt bei den Sparten Leben und Schaden/Unfall.

Wichtige Informationen:

ifa aktuell:
Data Analytics in der BU-Versicherung (mit Vorstellung am 26.05.2021 im Livestream)

Die zunehmende Anzahl von Merk­malen, die beim Abschluss einer Berufsunfähigkeitsversicherung abgefragt werden, führt aus aktuari­eller Sicht zu mehr Komplexität in der Prämienkalkulation. Die mathe­matischen Methoden müssen entsprechend Schritt halten. Methoden von Data Analytics können beispielsweise mittels Entscheidungs­bäumen Abweichungen von erwar­teten zu tatsächlichen Inzidenzen aufzeigen. Dies nutzt man heute bereits häufig im Risikocontrolling. Solche Erkenntnisse können aber natürlich auch für die Prämienkalku­lation genutzt werden. [mehr]

ifa informiert:
Auswirkungen von Garantien auf inflationsbereinigte Chancen und Risiken langfristiger Sparprozesse

Die hohe Garantieerfordernis bei Riesterprodukten und in der bAV ist im aktuellen Zinsumfeld sehr kritisch zu sehen. Daher sollte unbedingt berücksichtigt werden, dass ein moderates Absenken der Garantieerfordernis beim aktuellen Zinsniveau besonders viel Renditepotenzial bewirkt und das inflationsbereinigte Risiko nur in geringem Umfang erhöht. [mehr]

Neuigkeiten in Kürze:

Konkretisierung zur Offenlegung von Nachhaltigkeitsaspekten (ESG) im Zuge der Transparenzverordnung erschienen [mehr]

PRIIP: Europäische Aufsichts­behörden veröffentlichen überarbeitete RTS [mehr]

Verbesserungspotenzial in Excel®-Dateien [mehr]

Interne Revisionsprüfungen im Kontext von Solvency II und ALM [mehr]

Aktuarielle Software effizient testen [mehr]