Data Analytics: Wie Versicherer ihre Geschäftsabläufe optimieren können

Data Analytics wird wichtiger. Bild von Gerd Altmann auf Pixabay.

Mithilfe von Data Analytics können Versicherer zuverlässige Vorhersagemodelle für Risiken erstellen, sagt Roger Arnemann, General Manager bei Guidewire Analytics, in seinem Gastbeitrag. Das eröffnet neue Möglichkeiten, wirtschaftlichen Mehrwert zu erzielen. Prozesse können vereinheitlicht, die Preisgestaltung individualisiert und die Schadenbearbeitung sowie die Underwriting-Performance optimiert werden – und zudem wirkt es sich positiv auf die Kundenerfahrung aus, sagt der Experte.

Versicherer sollten sich zunächst überlegen, wie sie ihre Geschäftsabläufe optimieren können, was eine Herausforderung darstellen könnte und welche Möglichkeiten sie gerne ausschöpfen möchten, die sie aktuell noch nicht nutzen können. Meist ist Data Analytics der Schlüssel, diese Möglichkeiten zu nutzen. Guidewire fand in einer gemeinsamen Umfrage mit The Insurance Network heraus, dass über die Hälfte der Befragten (52%) mit Investitionen in Data Analytics die Managementinformationen optimieren möchte, um bessere Unternehmensentscheidungen zu treffen. Knapp ein Drittel (32%) möchte die Betriebseffizienz steigern und jeder Neunte (11%) möchte mit Investitionen in Data und Analytics den veränderten Kundenerwartungen begegnen. Die erwarteten besseren Unternehmensentscheidungen würden automatisch die Betriebseffizienz steigern und dem Unternehmen ermöglichen, auf die veränderten Kundenerwartungen zu reagieren.

Es geht um die Art der Daten, nicht um die Menge

Sobald die Unternehmensziele feststehen, muss die Art der Daten festgelegt werden, ehe man sich Gedanken über deren Verwendung macht. Jedes Team sollte darstellen, was es sich von den Daten erwartet: Welche Erkenntnisse braucht beispielsweise der Vertrieb, um seine Effizienz zu verbessern? Welche Daten benötigt die Schadenabteilung, um Schäden schnell und zuverlässig zu regulieren und den gesamten Schadenprozess zu einer nahtlosen und komfortablen Erfahrung für alle Beteiligten zu machen?

Die Abteilungen sollten sich mit der Frage auseinandersetzen, auf welche Weise die Daten ihre Arbeitsabläufe bereits unterstützen und optimieren und welche weiteren Ergebnisse sie sich von der Datenanalyse erwarten. Mit diesem Daten-Audit können Unternehmen die aktuell verfügbaren Daten analysieren und herausfinden, wo noch Datenlücken vorhanden sind.

Datenqualität kontinuierlich optimieren

Mit der Definition der Datenziele und dem Abschluss eines Datenaudits sollten Unternehmen nun wissen, welche Daten und welche Erkenntnisse aktuell verfügbar sind. Auf dieser Grundlage kann man den Geschäftsplan umsetzen und KPIs festlegen. Damit Daten besser in wichtige Entscheidungen einfließen können, müssen sie sichtbar, zugänglich und von hoher Qualität sein, aber es ist auch wichtig, einen iterativen Ansatz für die Datenqualität zu wählen. Wer auf die Perfektion von Daten pocht, wird sich langfristig nicht zum datengesteuerten Unternehmen entwickeln. Es geht bei Data Analytics eher um das „Learning by Doing“ und darum, die Datenqualität kontinuierlich zu verbessern, sodass auch die Ergebnisqualität fortlaufend optimiert wird.

Operative Herausforderungen bewältigen

Im Rahmen der Umfrage wurden die Versicherer auch gefragt, was aus ihrer Sicht die größte Herausforderung bei der Verbesserung von Daten- und Analysefunktionen ist. Am häufigsten wurde hier der Wandel im Denken und der Unternehmenskultur genannt, noch vor den Themen Datenzugang und -qualität. Dies bedeutet, dass die Mitarbeiter von den Vorteilen einer leistungsfähigen Datenanalyse überzeugt werden sollen. Anstatt Datenanalyse als zeitintensive Arbeit wahrzunehmen, sollen sie erkennen, dass eine durchdachte Analyse umfangreiche geschäftliche Erkenntnisse liefert – unabhängig davon, ob sie durch deterministische, hypothesengesteuerte Untersuchungsansätze oder durch selbstlernende KI/ML durchgeführt wird.

Dieser Mehrwert sollte deshalb in jedem Anwendungsfall aufgezeigt werden, und Data Evangelists können berichten, wie ihre Arbeit durch Datenanalyse verbessert wurde. Wie bei der Optimierung der Datenqualität handelt es sich um einen iterativen Prozess. Mitarbeiter werden bessere Datenqualität fordern, wenn sie erkennen, dass sie damit bessere Ergebnisse erzielen. Unternehmen können mit kleinen Aufgaben beginnen und sich nach und nach den größeren Datenhappen zuwenden. Außerdem lohnt es sich, einen „Übersetzer“ zu benennen, der die Vorteile und Möglichkeiten von Daten für das Unternehmen in einer Art und Weise kommuniziert, die für alle leicht zu verstehen ist. Um einen wechselseitigen Prozess zu ermöglichen, sollten diese Übersetzer in der Lage sein, den Datenbeauftragten zu vermitteln, welche Anforderungen die einzelnen Teams haben und welche Dateneinsichten dazu nötig sind. Analysten, Data Engineers und die C-Suite können so gemeinsam die Geschäftsziele vereinbaren, ohne dass auf Kommunikationsebene wertvolle Informationen verloren gehen.

Roger Arnemann, General Manager bei Guidewire Analytics und Autor des Gastbeitrags.

Ein Blick in die Zukunft von Analytics im Versicherungswesen

Data Analytics sollte nicht nur in den Kerngeschäftsbereichen, sondern im gesamten Unternehmen genutzt werden. Bis heute ist Analytics oft ausschließlich die Aufgabe von Aktuaren und Versicherungsmathematikern oder einem Data-Science-Team. Dabei sollten auch Underwriter, Schadenregulierer und Vermittler mit eingebunden werden. Die Tarif- und Preisgestaltung und andere wichtige strategische Entscheidungen werden nicht nur im Back-Office getroffen.

Ein weiteres wichtiges Analyse-Tool ist die Verhaltensanalyse, die sich mit nicht-traditionellen Risikofaktoren in Bereichen wie der Sachversicherung befasst. Bei der Risikobewertung geht es nicht mehr länger nur um die Bausubstanz eines Hauses, sondern es werden auch andere Faktoren berücksichtigt – wie behandelt der Hausbesitzer sein Eigentum und welche Maßnahmen ergreift er zum Schutz seines Hauses? Verhaltensindikatoren können eine hohe prädiktive Aussagekraft haben. Versicherer können dann Rabatte auf Versicherungen erteilen, wenn beispielsweise Smart-Home-Produkte installiert wurden, die die Häufigkeit oder das Ausmaß von Schäden reduzieren. Data Analytics kann die Effizienz und Entscheidungsgenauigkeit optimieren, und auch das Leben der Versicherungsnehmer positiv beeinflussen, sodass der Versicherer sich als kundenorientiert profilieren kann. Letztendlich sind Anreize zur Risikominderung eine Win-Win-Situation, die sich für erfahrene Versicherer als sehr rentabel erweist und, was ebenso wichtig ist, eine Gelegenheit bietet, Beziehungen zu Kunden aufzubauen.

Die Vorteile von Datenanalysen in der Versicherungsbranche stehen außer Frage, und resultieren aus der Nutzung neuer Datenquellen und der Entwicklung neuer Analysefunktionen. Die Versicherungsbranche hinkt jedoch hinterher, und es ist von entscheidender Bedeutung, dass die Unternehmen Initiativen durchführen, die erfolgreiche Geschäfts- und Betriebsmodelle für die Zukunft ermöglichen. Die Herausforderung besteht darin, eine datenzentrierte Kultur zu fördern und die Technologien einzusetzen, die datengesteuerte Innovationen ermöglichen, das Kundenerlebnis verbessern und Reibungsverluste im gesamten Unternehmen beseitigen. Schließen wir den Kreis und fangen wir an, Erkenntnisse aus Daten gewinnbringend zu nutzen.

Zu Autor und Unternehmen: Roger Arnemann ist General Manager bei Guidewire Analytics. Das Unternehmen als Ganzes kombiniert Digital, Core, Analytics und AI, um Plattformen als Cloud-Service bereitzustellen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

2 + zehn =