Sie sind hier: Startseite - Beratungsfelder - Schaden-/​Unfallversicherung - Data Analytics

Data Analytics in der Schaden-/Unfallversicherung

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 bietet eine Erweiterung der Toolbox des Aktuars zur verbesserten Tarifierung. Sinnvoll eingesetzt optimiert es die Schätzung von erwarteten Schadenbedarfen, ohne die Möglichkeiten zur Interpretation, Kommunikation und Tarifmodellierung zu verlieren.
    • Die klassische Risikomodellierung mit verallgemeinerten linearen Modellen (Generalized Linear Models, GLMs) lässt sich durch den Einsatz sog. elastischer Netze effizienter gestalten. Rein datengetrieben werden nicht-lineare Transformationen von Merkmalen oder Gruppen einzelner Merkmalsausprägungen unter simultaner Kalibrierung aller Merkmale erkannt und automatisch an die beobachteten Daten angepasst. Da die Risikofaktoren in bewährter GLM-Struktur vorliegen, ist die nahtlose Integration in den weiteren Tarifierungsprozess gegeben:

      Details zu diesem Ansatz finden Sie in diesem Vortrag.
    • Komplexere Machine-Learning-Verfahren können gewinnbringend zur Unterstützung der bestehenden Modellierung eingesetzt werden. Gemäß dem Prinzip „Ergänzen statt Ersetzen“ reichen Anwendungen von der Auswertung neuer Big-Data-Datenquellen über die verbesserte Erkennung von nicht-linearen Zusammenhängen und versteckten Interaktionen bis hin zum Benchmarking des GLMs zur Identifizierung defizitärer Teilbestände.
    • In der Schadenversicherung macht die geografische Analyse auf einen Blick erkennbar, in welchen Regionen Produkte profitabel oder defizitär sind und wo Spielräume für Beitragsrabatte existieren.
      Hier, aber auch in anderen Sparten kann man beispielsweise durch Analyse von Vertragsparametern Erkenntnisse über Marktdurchdringung und regionale Schwerpunkte in der Gestaltung von Versicherungsschutz gewinnen.
      Aus solchen Erkenntnissen abgeleitete Anpassungen am Tarifmodell oder geplante Vertriebsmaßnahmen können anschließend wiederum mit der identischen Visualisierung untersucht werden, um die Auswirkung geplanter Maßnahmen a-priori abzuschätzen.
  • Die Schadenregulierung, also die Prüfung, Bearbeitung und Abwicklung von Schäden, ist ein umfangreicher, meist schadenindividuell verlaufender und manuell gesteuerter Prozess.
    Dabei entstehen viele Daten zum Schaden und zu einzelnen Bearbeitungsschritten, die um Angaben zur versicherten Person und deren Vergangenheit angereichert werden können. Mit Data Analytics ist es möglich, die Beleg- und Rechnungsprüfung anhand von erwarteten Korrekturpotenzialen zu steuern, um Bearbeitungskosten zu senken und den Regulierungsprozess zu beschleunigen. Eine Fallstudie zur Automatisierung des Regulierungsprozesses und weitere Anwendungsmöglichkeiten finden Sie hier.
  • Im Risikomanagement können feingliedrige Visualisierungen der geografische Analyse, z.B. auf Kreisebene, helfen, Kumulrisiken zu erkennen. Die geografische Analyse der Entwicklung von Schadenquoten oder anderer Risikokennzahlen im Zeitverlauf kann aufzeigen, wie Risiken in gewissen Regionen zu- oder abnehmen.
Weitere Anwendungsbeispiele finden Sie hier oder direkt bei den Sparten Leben und Kranken.
Wichtige Informationen:

ifa aktuell:
Auswirkungen von Garantien auf
bAV-Produkte bei niedrigen Zinsen

Eine Garantie von 100 % der Beiträge ist nach der anstehenden Rech­nungs­­zinssenkung selbst bei extrem kostengünstigen Produkten mit üblicher Produktkalkulation nicht mehr darstellbar. Vor diesem Hintergrund hat das ifa in einer Studie die Auswirkung unterschied­licher Garantiehöhen auf Chancen und Risiken von bAV-Produkten analysiert und dabei insbesondere untersucht, wie bedarfsgerechte Garantien auch im Rahmen der bAV angeboten werden können. Im Ergebnis erscheint das Chance-Risiko-Profil einer BOLZ mit redu­zierter Garantie im aktuellen Umfeld auch unter Einbeziehung der Rentenbezugsphase attraktiver als das Chance-Risiko-Profil einer BZML mit 100 % Beitragsgarantie. [mehr]

ifa informiert:
Aus komplexen Daten die richtigen Schlüsse ziehen – am Beispiel geografischer Analysen

Geografische Analysen ermöglichen die intuitive Visualisierung eines Versicherungsbestandes. Wie sich beispielsweise die Profitabilität eines fiktiven Versicherungsbestandes auf den Ebenen Bundesland – Region – Kreis darstellt, können Sie mit unserer interaktiven Beispielkarte selbst ausprobieren. [mehr]

Neuigkeiten in Kürze:

Umfassende Methodik für den Werthaltigkeitsnachweis latenter Steuern [mehr]

RTS zur Präzisierung der Anforderungen an ein Paneuropäisches Privates Pensionsprodukt (PEPP) veröffentlicht [mehr]

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

PRIIP: Europäische Aufsichts­behörden veröffentlichen überarbeitete RTS [mehr]

Verbesserungspotenzial in Excel®-Dateien [mehr]