Weiterbildungsworkshops

Wir bieten zu verschiedenen Themen offene Weiterbildungsworkshops an. Die Workshops werden von uns inhaltlich konzipiert und durchgeführt. Die Organisation und Anmeldung erfolgt über die Akademie für Wissenschaft, Wirtschaft und Technik an der Universität Ulm.

Derzeit sind folgende Workshops geplant:

__________________________________________________________________________

16. und 17. September 2019

Seit der Deregulierung des Versicherungsmarktes in den 1990er Jahren ist die datenbasierte Tarifierung von Versicherungsprodukten ein wesentlicher Wettbewerbsfaktor geworden. Als Standardwerkzeug zur Bestimmung bedarfsgerechter Prämien auf Basis eigener Schadendaten haben sich verallgemeinerte lineare Modelle (Generalized Linear Models, GLMs) etabliert.

Nicht zuletzt aufgrund zusätzlich verfügbarer Daten, neuer Analysemethoden und verbesserter Rechenkapazitäten wird nun vermehrt der Einsatz moderner Data-Analytics-Methoden zur Anwendung in der Tarifierung diskutiert. Beispielsweise erlauben datengetriebene Weiterentwicklungen der klassischen GLMs eine stärker automatisierte und komplexere Mustererkennung in den Daten. Idealerweise lassen sich solche Weiterentwicklungen in die bestehende Anwendung von GLMs integrieren, sodass sich die resultierende Tarifstruktur weiterhin interpretieren und kommunizieren lässt.

Die Schulungsinhalte umfassen u.a. die folgenden Punkte:

• was ist ein GLM ist und für welche Fragestellungen und Daten ist es geeignet?
• wie verwendet man ein GLM bei der Tarifierung, um aus vorhandenen Schadendaten eine bedarfsgerechte Versicherungsprämie zu bestimmen?
• wie kann der klassische GLM-Ansatz um moderne Data-Analytics-Methoden (insbesondere Lasso-Verfahren und Ridge-Regression) erweitern werden?

Den Flyer zum Workshop finden sie hier.

Detaillierte Informationen mit Online-Anmeldung (über die Akademie für Wissenschaft, Wirtschaft und Technik an der Universität Ulm) finden sie hier.

__________________________________________________________________________

Basiskurs: 24. und 25. September 2019

Die Digitalisierung hat inzwischen die Versicherungsbranche erreicht. Sowohl durch verbesserte Services für Kunden (z.B. im Internet) als auch durch optimierte Prozesse im Unternehmen entstehen sehr große Datenmengen (vgl. laufende Big Data Diskussion). Dabei ist zu beobachten, dass oftmals viele Informationen aus den Daten ungenutzt bleiben. Gezielt Informationen aus verfügbaren Daten zu gewinnen, wird zukünftig zu einem zentralen Wettbewerbsfaktor für Versicherer. Hier bilden Methoden wie Predictive Modeling oder Machine Learning die Grundlage, um die Daten intelligent zu nutzen.

Im Rahmen dieses Workshops vermitteln wir zentrale Aspekte der Datenanalyse. Außerdem geben wir einen Überblick über die grundsätzliche Vorgehensweise und relevante Verfahren im Kontext der statistischen Datenanalyse und Modellierung. In Fallstudien bearbeiten die Teilnehmerinnen und Teilnehmer selbstständig einen großen Versicherungsdatensatz und entwickeln anhand ausgewählter moderner Verfahren eigene statistische Vorhersagemodelle. Darüber hinaus lernen die Teilnehmerinnen und Teilnehmer, die Güte der entwickelten Modelle zu beurteilen.

Die im Workshop vorgestellten Methoden und Modelle werden von den Teilnehmerinnen und Teilnehmern selbstständig in einer Statistik-Software R (https://www.r-projekt.org/) angewendet.

Die Schulungsinhalte umfassen u.a. die folgenden Punkte:

• Überblick über innovative Methoden der Datenanalyse
• Grundlagen zur allgemeinen Vorgehensweise in der modernen Datenanalyse
• Klassifikationsbäume und moderne baumbasierte Verfahren
• Neuronale Netze
• Überblick über weitere Methoden der Datenanalyse, z.B. verallgemeinerte lineare Modelle

Mit diesem 1,5-tägigen Workshop wenden wir uns an Personen, die lernen wollen, wie man moderne statistische Verfahren sinnvoll auf Versicherungsdaten anwendet. Besonderes Augenmerk liegt auf der praxisnahen Gestaltung des Workshops.

Den Flyer zum Workshop finden sie hier.

Detaillierte Informationen mit Online-Anmeldung (über die Akademie für Wissenschaft, Wirtschaft und Technik an der Universität Ulm) finden sie hier.

__________________________________________________________________________