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:

Basiskurs: 10. und 11. März 2020

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 modernen statistischen Datenanalyse. Der Fokus liegt auf Advanced Data Analytics, also der Anwendung erfolgreicher Machine-Learn-ing-Verfahren zum Einsatz im Predictive Modeling. Je nach Vorkenntnissen, Lernzielen und Lerntempo bieten wir den Workshop sowohl als Basis- als auch Intensivkurs mit unterschiedlichen Schwerpunkten an. 

Schulungsinhalte

• Überblick über innovative Methoden der Datenanalyse
• Allgemeine Grundlagen und Vorgehensweisen in der modernen Datenanalyse
• Modellfokus: Klassifikationsbäume und moderne baumbasierte Verfahren
• Modellfocus: Neuronale Netze
• Überblick über weitere Verfahren, regularisierte verallgemeinerte lineare Modelle

Fallstudie: 
In einer Fallstudie bearbeiten die Teilnehmerinnen und Teilnehmer selbstständig einen großen Versicherungsdatensatz und entwickeln anhand der modernen Data-Analytics-Verfahren eigene statistische Vorhersagemodelle. Die Teilnehmerinnen und Teilnehmer lernen dazu innerhalb der Fallstudie, wie sie die im Workshop vorgestellten Methoden und Modelle in der Statistik-Software R  trainieren und anwenden. Darüber hinaus validieren sie die Modelle in R, um sie zu optimieren und die Güte der entwickelten Modelle zu beurteilen.
Mit diesem 1,5-tägigen Workshop wenden wir uns an Personen, die bislang keine oder wenige Erfahrungen mit Data Analytics gesammelt haben und moderne Data-Analytics-Verfahren zur Anwendung auf Versicherungsdaten kennenlernen wollen.

Voraussetzungen:
Für den Basiskurs sind keine Vorkenntnisse zu Data Analytics oder zu den vorgestellten Methoden nötig. Zum Verständnis der Methoden empfehlen wir aber mathematisch-statistische Grundkenntnisse oder Erfahrungen mit klassischer Statistik bzw. Datenanalyse.
Für die Fallstudien sollten die Teilnehmer die grundlegende Funktionsweise von R beherrschen.  

Optionaler Vorkurs: „Grundlagen zur Datenanalyse unter R“
Bei ausreichender Nachfrage bieten wir ergänzend einen Vorkurs "Grundlagen zur Datenanalyse mit der Statistik-Software R" an, um die notwendigen Grundlagen zum Umgang mit Datensätzen in R für den weiteren Workshop zu vermitteln. Zur Vorbereitung darauf stellen wir vorab einige Unterlagen und Übungen zur allgemeinen Syntax von R zur Verfügung.

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

__________________________________________________________________________

30. und 31. März 2020

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.

Zielsetzung:
In diesem 1,5- tägigen Seminar vermitteln wir die Verwendung von GLMs und deren moderne Weiterentwicklungen zur Tarifierung von Versicherungsprodukten. Die Teilnehmer lernen,

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

Besonderes Augenmerk liegt auf der praxisorientierten Gestaltung des Seminars. Die vorgestellten  Methoden werden am Beispiel eines Tarifierungsprozesses in der Kfz-Versicherung illustriert.

Zielgruppe und Voraussetzungen
Mit diesem Seminar wenden wir uns an Mitarbeiter von Versicherungsunternehmen, die lernen wollen, wie man GLMs und moderne Weiterentwicklungen dieser Modelle erfolgreich zur datenbasierten Tarifierung von Versicherungsprodukten anwendet.
Das Seminar richtet sich an Teilnehmer, die bisher keine oder nur eingeschränkt Erfahrung mit GLMs gemacht haben, d.h. es werden keine Vorkenntnisse zu GLMs oder allgemein zu mathematisch-statistischen Modellen erwartet. Somit eignet sich das Seminar insbesondere auch für Teilnehmer ohne mathematisches oder statistisches Studium bzw. Studienschwerpunkte, die an datenbasierten Modellierungsansätzen interessiert sind. Durch anschauliche Darstellungen der Methoden und deren Illustration am konkreten Beispiel ist das Seminar so gestaltet, dass den Teilnehmern ein leichter Einstieg in das Thema gelingt.

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

__________________________________________________________________________