Überraschenderweise zeigen sich die meisten Versicherer immer noch sehr verhalten beim Einsatz von Big Data und Data Analytics. Dabei ist der Nutzen offensichtlich:

  • Versicherer würden ihre Kunden besser verstehen und damit besser die Bedürfnisse der Kunden erfüllen.
  • Versicherer wären in der Lage, ihr Up-/Cross-Selling zu optimieren, indem sie gezielter wirklich passende Leistungen anbieten würden.
  • Versicherer können die gewonnenen Erkenntnisse nutzen, um ihre Produkte und Tarife in Richtung eines besseren Deckungsbeitrags zu optimieren.
  • Big Data unterstützt die Versicherer auf dem Weg vom Produkt- zum Serviceanbieter, da die Datenanalysen Serviceleistungen mit einem tatsächlich hohen Kundenbedarf ermitteln können.

Selbstverständlich kann Data Analytics nur erfolgreich sein, wenn die richtigen Daten gesammelt und ausgewertet werden. Eigentlich besitzen Versicherungen bereits zahlreiche Daten. Sie tun sich allerdings schwer, diese gewinnbringend zu nutzen.

Fünf Gründe, die Versicherer davon abhalten, das volle Potential ihrer Daten zu nutzen:

  1. Versicherungen kämpfen mit zahlreichen Datensilos, z.B. nach den jeweiligen Sparten oder nach Vertrieb, Betrieb und Schaden. Dies erschwert ein übergreifendes Kunden-Stammdatenmanagement erheblich.
  2. Versicherungen nutzen nicht die richtige Argumentation und Kommunikation, um die Sammlung und Auswertung von Kundendaten zu begründen. Dies ist aber wichtig, weil viele Versicherungskunden und die Öffentlichkeit Datenschutzbedenken hegen und kundenbezogene Big-Data-Analysen der Versicherer kaum akzeptieren.
  3. Big Data Analytics ist eine vergleichsweise junge Disziplin. Entsprechende Experten sind rar und am Markt teuer, und der interne Aufbau der nötigen Skills benötigt Zeit.
  4. Es herrscht Unsicherheit, ob gesetzliche und selbst auferlegte Rahmenbedingungen wie der Code of Conduct eingehalten werden.
  5. Vielen Versicherungen fehlt eine übergreifende Big-Data-Strategie, auf deren Basis geeignete Use Cases definiert und dann entsprechende Maßnahmen umgesetzt werden.

Folglich entsteht sehr viel Aufwand, wenn zusätzliche Daten für Versicherer erschlossen und genutzt werden sollen. Kurzfristig scheint die Implementierung von Big-Data-Lösungen somit kaum möglich.

Ein Ausweg aus diesem Dilemma kann der Bezug von hochwertigen Daten und zugehörigen Analyseansätzen wie zum Beispiel Informationen über die Zahlungsfähigkeit von Kunden von kommerziellen Daten-Providern sein. Der Vorteil: Die Daten sind dabei schon garantiert im gesicherten, gesetzlichen Rahmen gesammelt und aufbereitet worden.

Drei Use Cases für Big Data mit externen Datenquellen

Selbstverständlich muss vor der Anbindung externer Datenquellen der Versicherer konkrete Use Cases bereits definiert haben. Alternativ startet er die Sondierung, indem er mögliche Use Cases gemeinsam mit dem Dienstleister bespricht. Hier einige Use-Case-Beispiele:

  1. Risikogerechte Prämienermittlung: Daten aus externen Quellen erlauben dem Versicherer eine detailliertere und damit bessere Risikoeinstufung von Neukunden. Eine adäquate Prämie wäre die Folge. So könnte z.B. die längerfristige negative Bonitätsentwicklung eines potenziellen Kunden Rückschlüsse darauf zulassen, dass er zu einer Personengruppe gehört, die hohe Schäden in der Rechtschutzversicherung verursacht.
  2. Stornoprävention auf Basis von Bonitätsdaten: Änderungen in der Zahlungsfähigkeit eines Kunden – beispielsweise durch eine finanzielle Notsituation – können frühzeitig erkannt werden. Folglich lassen sich auch Lösungen finden, die eine Kündigung des Vertrages verhindern. Dies kann zum Beispiel durch ein vorübergehendes Aussetzen oder Anpassen der Raten erfolgen.
  3. Optimierung des Betrugsmanagements: In Transaktionsdaten können kritische Muster (z. B. durch neuronale Netze) ermittelt und auffällige Korrelationen zwischen Schadenfällen und Kundendaten abgeleitet werden. So kann zum Beispiel die Information, dass mit einem Gerät wie z.B. einem Handy bereits ein Betrug begangen wurde, helfen, die Wahrscheinlichkeit für weitere Betrugsfälle besser einzuschätzen und damit die Schadenkosten zu reduzieren.

Weitere Anwendungsfälle sind etwa Cross- und Up-Selling, die Aktualisierung der Kundenstammdaten wie Wohnadresse durch zuverlässige Datenquellen, die Beschleunigung der Antragsprozesse durch die Reduktion der Datenpunkte auf dem Antragsformular sowie eine verbesserte Bestandsbewertung.

Welche Vorteile ergeben sich aus den externen Datenquellen für Versicherer?

Konsolidiert und aufbereitet erhält der Versicherer Zugriff auf eine umfassende externe Sammlung relevanter Kundendaten. Dabei muss er nicht für jeden Einzelfall auf Datenschutzrichtlinien achten, sondern lediglich einmalig bei der Auswahl der Datenquelle und der bezogenen Informationen die Einhaltung datenschutzrechtlicher Bestimmungen prüfen. Zudem vergrößert der Zugriff auf eine solche Datensammlung nicht nur die interne Datenbasis, sondern erhöht auch deren Qualität.

Drei Schritte zur Umsetzung von Big Data auf Basis externer Daten

  1. Versicherer müssen konkrete Anwendungsfälle mit Nutzung externer Datenquellen definieren. Dabei gilt es, die Use Cases zu identifizieren, die den größten Nutzen in Bezug auf die digitale Strategie des Versicherers erzielen.
  2. Basierend auf den Anwendungsfällen folgt der Aufbau eines Prototyps. Mit Hilfe ausführlicher Tests anhand historischer Daten werden solange die relevanten Variablen ermittelt und Korrelationsanalysen durchgeführt, bis zufriedenstellende Ergebnisse erzielt werden.
  3. Im letzten Schritt werden die gewonnen Erkenntnisse in einem fachlichen und technischen Konzept detailliert, woraus dann auch eine entsprechende Umsetzungsroadmap resultiert.

Gerade um erste Schritte in Richtung Big Data zu gehen, bieten sich kommerzielle externe Datenquellen besonders gut für Versicherer an. Darüber hinaus können die Datenbestände auch durch gezielte Zusammenarbeit mit InsurTechs angereichert werden und ermöglichen dabei den Versicherern Zugriff auf neue Kunden, deren Daten sowie moderne Services.

Mittel- bis langfristig müssen die Versicherer allerdings in jedem Fall ihre hausgemachten Probleme angehen, indem sie ihre Datenbestände neu sortieren und bereinigen – dies wird ihnen kein externer Dienstleister vollständig abnehmen können.

Letztendlich gilt: Versicherer, die Big Data systematisch angehen, nehmen sicher eine Pole Position in der Digitalisierung ein.

Wie hat Ihnen dieser Beitrag gefallen?