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 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:
- 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.
ifa aktuell:
Benchmarks bei der Entwicklung biometrischer Produkte
Aufgrund der großen Bedeutung der Beitragsstabilität in der BU haben Assekurata und ifa ein Stabilitätsrating entwickelt, welches in einer am Markt einzigartigen Tiefe die voraussichtliche Beitragsstabilität von BU-Tarifen analysiert. Dabei orientieren wir uns nicht an herkömmlichen Preis-Leistungs-Vergleichen, sondern stellen die kalkulatorische, prozessuale und bilanzielle Qualität des BU-Geschäfts gesamthaft auf den Prüfstand. Ein Versicherer, der sich dem BU-Stabilitätsrating unterzieht, profitiert so nicht nur von einem glaubwürdigen Qualitätsnachweis, der als vertrauensbildendes Element gegenüber Vermittlern und Endkunden genutzt werden kann, sondern erhält auch ein tiefgehendes, fachlich fundiertes und konstruktives Feedback zu seiner Produktentwicklung. [mehr]
ifa informiert:
Die Rolle der lebenslangen Rente in der geförderten Altersvorsorge
Produkte, die kein lebenslanges Einkommen bieten, sind viel riskanter als sie auf den ersten Blick erscheinen. Eine lebenslange Rente sichert das Risiko ab, welches daraus resultiert, dass niemand wissen kann, wie alt er oder sie wird, und daher nicht planen kann, bis zu welchem Alter die regelmäßigen Ausgaben finanziert werden müssen. [mehr]
Neuigkeiten in Kürze:
Eiopa zu differenziertem Pricing in Schaden/Unfall [mehr]
Forschungsarbeiten zu Solvency II mit PwC Insurance Nord Preis ausgezeichnet [mehr]
Fondsgebundene Rückdeckungsversicherung in der Unterstützungskasse [mehr]
Forschungsarbeiten zu Solvency II mit Gauss-Preis ausgezeichnet [mehr]
VAIT-Novelle verlangt angemessenen Test aktuarieller Software [mehr]