Die Zunahme an Hochkostenfällen in Form von häufig auftretenden Krankheiten wie beispielsweise Diabetes oder Depression ist für die PKV ein wichtiger Kostentreiber. Mittels Data Analytics-Methoden können gefährdete Personen identifiziert werden, bevor diese Krankheiten auftreten. Die von ifa bei derartigen Projekten eingesetzten Modelle, wie beispielsweise Gradient Boosting oder neuronale Netze erzeugen auf den Bestandsdaten Vorhersagen für diese Diagnosen. Da Krankenversicherer über sehr viele Daten verfügen, ist dabei eine geeignete Selektion erforderlich, um die Ergebnisse zu verbessern. Bezüglich der medizinischen Expertise arbeitet das ifa bei derartigen Projekten mit dem VMS in Hannover zusammen und bringt so mathematisches und medizinisches Verständnis zusammen. Nach der Identifikation der Personen ist es dem Versicherer möglich, frühzeitig und kundenindividuell Präventivmaßnahmen einzusetzen, die den Eintritt eines Hochkostenfalls verhindern oder doch zumindest abmildern.
Die Akzeptanz lebenslanger Renten ist nach wie vor gering. Einer der Gründe liegt darin, dass Vermittler und Kunden „die“ lebenslange Rente oft mit einer in der Vergangenheit vorherrschenden Standardausgestaltung assoziieren. Dabei wird übersehen, dass es heutzutage eine große Vielfalt an Produktausgestaltungen in der Rentenbezugsphase gibt, sodass für unterschiedliche Kunden passende Lösungen existieren. [mehr]
Data-Analytics-Verfahren können gezielt eingesetzt werden, um bestehende Arbeitsschritte effizienter zu gestalten, z.B. beim Einsatz elastischer Netze bei der Tarifentwicklung in der Kfz-Versicherung. [mehr]
Data Analytics mit Use Cases in der Krankenversicherung[mehr]
Die Bedeutung der Unsicherheit der Inflation für langfristige Sparprozesse [mehr]
Offenlegung von Nachhaltigkeitsaspekten nach ESG-Kriterien ab März 2021 verpflichtend [mehr]
Aus säulenübergreifender Altersvorsorgeinformation wird digitale Rentenübersicht [mehr]
Präzisierung zum Nachweis der Angemessenheit des Garantiezinses [mehr]