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.
  • Die Schadenregulierung, also die Prüfung, Bearbeitung und Abwicklung von Schäden, ist ein umfangreicher, meist schadenindividuell verlaufender und manuell gesteuerter Prozess.

    Im Laufe dieses Prozesses 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.
Weitere Anwendungsbeispiele finden Sie hier oder direkt bei den Sparten Leben und Kranken.
Wichtige Informationen:

ifa aktuell:
Studie zu Nutzen und Akzeptanz der Rentenversicherung

Jochen Ruß und Stefan Schelling (ifa und Uni Ulm) haben ausführlich analysiert, unter welchen Umständen eine Verrentung des angesparten Geldes sinnvoll ist und warum die Akzeptanz von Verrentung meist auch dann sehr gering ist, wenn eine Verrentung rational wäre. ... lesen Sie hier mehr

ifa informiert:
Neue Informationspflichten in der bAV

VAG-InfoV ist in Kraft getreten und fordert die Versorgungsträger zu einer schnellen Umsetzung der neuen Anforderungen auf.... lesen Sie hier mehr

Tagungen:
Kommende Vorträge von Mitarbeitern

Unsere Mitarbeiter halten regelmäßig Vorträge auf nationalen und internationalen Tagungen und Konferenzen. ... lesen Sie hier mehr

Unser Download-Center:
News & Publikationen

Vorträge, Veröffentlichungen und weitere interessante Informationen finden Sie immer in unserem Download-Center. ... lesen Sie hier mehr