Die digitalen Versprechen der Versicherer

Top News Versicherungen von Eike Schulze

Die Allianz-Tochter Metafinanz Informationssysteme setzt auf die Optimierung interner Abläufe durch digitalisierte Maßnahmen. Ein Beispiel hierfür ist das Prognoseverfahren Predictive Analytics. Die Datenanalyse ist inzwischen das A und O bei den Versicherern. Je besser die Informationen, desto leichter sind Risiken oder potenzielle Kunden zu entdecken. Die Idee dahinter ist nicht ganz neu, sie entstammt der Business Intelligence und dem Data Mining. Neu ist die Anwendung.

Predictive Analytics ist ein Prognosemodell, welches das Erwartbare ermittelt. Die Versicherungsunternehmen wollen den Markt antizipieren, um so viele valide Daten wie möglich für Entscheidungsprozesse zu erhalten. Die Bereiche, in denen die Methode eingesetzt wird, sind vielfältig. Sie kann im Schadensmanagement eingesetzt werden, um beispielsweise Gebäudeschäden effektiver zu prognostizieren. Hierzu hat die Talanx einen digitalen Atlas für Naturkatastrophen erstellt, der unterschiedliche, auch fremde Daten wie von Wetterstationen verknüpft und so eine Risikoabschätzung ermöglicht. „Dieses System schätzt fortlaufend die Risikoentwicklung ein, so dass dies mit den Zeichnungskapazitäten abgeglichen werden kann“, erläutert Klingspor die Umsetzung.     

Bestandsanalyse 4.0 

Ein besonders wichtiger Bereich gerade für Vermittler ist der Einsatz von Predictive Analytics als Vertriebsinstrument. Data Mining bildet die Grundlage dieses Modells, dabei werden wiederkehrende Strukturen im Datenbestand identifiziert. Darauf aufbauend werden Faktoren ermittelt, die Vertragsabschlüsse begünstigen. Zum Beispiel die Frage, wie viele Versicherte nach Auszahlung ihrer Lebensversicherung diese weiter zur Geldanlage nutzen und wie sich dieses Szenario beeinflussen lässt. Für die Versicherer sind dann Fragestellungen wichtig, die auf die Kundenansprache abzielen.

Welche Kanäle zu Kunden werden sich wie entwickeln? Wie lassen sich unzufriedene (stornogefährdete) Kunden erkennen? Was ist der beste Anlass für ein Kundengespräch? Welche Vertriebswege sind für welche Kundengruppen am effektivsten? Aber auch die Frage, wie sich die Verkäufe für Produkt X in welchem Zeitraum entwickeln. 

Um ein möglichst gutes Ergebnis des Versicherungsorakels zu erzielen, werden neben Data Mining besonders statistische Berechnungen, Elemente der Spieltheorie sowie Methoden des Operations Research, wie Optimierungsrechnung und Simulation, eingesetzt. Auf Basis dieser Daten kann eine optimale Vertriebssteuerung erfolgen. So ist dann auch klar, wann welche Kundentypen zur Wiederanlage der Lebensversicherungen angesprochen werden sollten.

Aber: Es können auch diejenigen leichter identifiziert werden, bei denen eine weitere Anlage schwierig ist. So bildet Predictive Analytics die verbesserte Version des Lebensereignismodells, das bei vielen Versicherungen eingesetzt wird. Dies hatte den Nachteil, dass dem Versicherer bestimmte Details bekannt sein müssen. Doch Verbraucher sind hierzu nicht unbedingt bereit, wie eine aktuelle Studie des Branchenverbands GDV zeigt. Nur die wenigsten wollen freiwillig mit ihrer Versicherung Daten teilen, da sie Angst vor Nachteilen haben. Hier könnte Predictive Analytics zukünftig die Lücke ausfüllen.   

Seite 1: Services rücken in den Fokus
Seite 2: Künstliche Intelligenz und Gamification
Seite 3: Bestandsanalyse 4.0

  • Facebook Kommentare
  • Disqus Kommentare