Intelligente Informationsgewinnung aus Daten (Data-Mining)

Versicherungsunternehmen besitzen eine Fülle von Daten, welche vielfältige Informationen über das Unternehmen und seine Kunden enthalten. Darüber hinaus sind immer größere Datenmengen aus öffentlichen Quellen wie dem Internet verfügbar. Damit wird "Big Data" zu einer wichtigen Quelle zur Verbesserung der Produkte und Prozesse im Unternehmen. Dies setzt allerdings voraus, dass die Unternehmen die strategische Bedeutung der in diesen Daten verborgenen Informationen erkennen und Prozesse der intelligenten Informationsgewinnung aus Daten geeignet strukturieren.

Moderne Verfahren des Data-Mining und der "Predictive Data Analysis" erlauben die systematische Analyse solcher Datenbestände und die Extraktion der darin enthaltenen Informationen. Wir entwickeln Modelle zur Strukturierung des Analyseprozesses, insbesondere im Hinblick auf die unternehmerische Nutzung der gewonnenen Erkenntnisse sowie die Einbindung der Analysen in die Geschäftsprozesse von Versicherungsunternehmen.

Ein wichtiger Aspekt, den wir im Rahmen dieses Forschungsprojektes untersuchen, ist das Kundenverhalten, insbesondere das Storno- und Wechselverhalten von Versicherungsnehmern. Unsere Untersuchungen zeigen dabei, dass es sich hier um komplexe Wechselwirkungen handelt, die eine sorgfältige Modellierung bei der Abhängigkeit zwischen den einzelnen erklärenden Größen erfordern. Damit können dann allerdings signifikante Effekte aufgedeckt werden.

Wesentliche Voraussetzung dafür ist bei uns die intelligente Verknüpfung von Data Science mit tiefem fachlichen Knowhow, da nur so sichergestellt werden kann, dass bei den Analysen die relevanten Strukturen in den Daten sinnvoll identifiziert werden.

Ein weiterer Schwerpunkt ist die systematische Analyse des mit Data-Mining verbundenen Potenzials bei Versicherungsunternehmen, insbesondere im Hinblick auf die Generierung von Wettbewerbsvorteilen. Für verschiedene Anwendungsgebiete zeigen wir anhand realer Daten, wie Data-Mining-Verfahren zielgerichtet eingesetzt werden können. Typische Fragestellungen sind hierbei die Stornoanalyse (Churn Management) sowie die Bestimmung von Cross-Selling-Potenzial und Kundenwert.

Ansprechpartner: Andreas Reuß