Sie sind hier: Startseite - Beratungsfelder - Lebensversicherung & Altersvorsorge - Data Analytics

Data Analytics für Lebensversicherungsunternehmen

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:
  • Data Analytics kann bei der Erstellung, Approximation und Interpretation aktuarieller Projektionsmodelle im Aktuariat und Risikomanagement unterstützen:
    • verbesserte Bestandsverdichtung bei Projektionsrechnungen zur Verbesserung der Performance
    • beschleunigte Approximation von Vorhersagen aus Projektionsmodellen bei geändertem Input zu Versicherungstechnik, Kapitalmarkt und Managementregeln
    • Anwendung von Data-Analytics-Verfahren zur Identifizierung der Haupttreiber und Interpretation ihrer Effekte auf den Output von Projektionsmodellen
  • Eine verbesserte Mustererkennung mit Data-Analytics-Verfahren in der Stornomodellierung kann neben Maßnahmen zur Stornoprävention der gesonderten Berücksichtigung von Frühstorno in vertrieblichen Provisionsmodellen oder der Herleitung von granulareren Stornotafeln für Projektionsrechnungen dienen.
  • Im Rahmen der Todesfallabsicherung oder bei der Invaliditäts- und Pflegeversicherung hat der Gesundheitszustand der versicherten Person wesentlichen Einfluss auf das Leistungsversprechen und die Kalkulation. Eine verbesserte Modellierung mittels Data-Analytics-Verfahren kann entlang der gesamten Vertragslaufzeit gewinnbringend sein:
    • vor oder bei Vertragsabschluss: Ableitung von Entscheidungskriterien für Werbemaßnahmen, Kundenansprache und Angebotserstellung sowie Verbesserung und Dynamisierung der Risikoprüfung durch Analyse der Leistungsfälle
    • beim oder nach dem Leistungsfall: Unterstützung bei der Entscheidung über einen gemeldeten Leistungsfall und Modellierung der Reaktivierungswahrscheinlichkeiten (z.B. bei Berufsunfähigkeit)
  • Verbesserung organisatorischer Abläufe wie beispielsweise:
    • Erhöhung der Dunkelverarbeitungsquote in der Antragsbearbeitung von Berufsunfähigkeits- und Risikoversicherungen
    • maschinelle Vorbelegung des Berufsunfähigkeitsgrads durch die Analyse der vorhanden Leistungsdaten (entscheidungsunterstützend)
    • Routing ähnlicher Regulierungsfälle zum gleichen Sachbearbeiter (Inbound-Routing)
    • Bestimmung von Intensität und Terminen anhand des Reaktivierungspotenzials zur Nachprüfung in der Berufsunfähigkeit
Weitere Anwendungsbeispiele finden Sie hier oder direkt bei den Sparten Schaden/Unfall und Kranken.
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]