Datengesteuerte Entwicklungen und Strategien im Lebens- und Gesundheitssektor

Lebens- und Krankenversicherern mangelt es nie an Daten. Und jetzt, mit der zunehmenden Digitalisierung und neuen Analysetechniken, können sie tiefer in die Daten eindringen, auf neue Weise mit den Verbrauchern in Kontakt treten und zunehmend personalisierte Produkte entwickeln.

DieDatenanalyse war schon immer das Herzstück der Versicherung, sagt Yinglin Zhang, die die Abteilung für Datenanalyse im Bereich Leben und Gesundheit der Hannover Rück leitet, aber dank der technologischen Innovationen gilt dies heute mehr denn je.

Wie Zhang erklärt, handelt es sich bei der Datenanalyse um die Anwendung statistischer Methoden und der Informatik auf relevante Versicherungsdaten, um zuverlässige Vorhersagen über Versicherungsereignisse zu treffen. Sie betont, dass im Gegensatz zur Business Intelligence, die sich auf historische Daten beschränkt, das Ziel der Versicherung darin besteht, Einblicke in unbekannte zukünftige Ereignisse zu gewinnen, was einen starken Modellierungsfokus hat.

"Die Datenanalyse kombiniert mathematische und statistische Modellierung, um Methoden zu entwickeln, IT-Kenntnisse, um die Infrastruktur und Prozessabläufe bereitzustellen, und versicherungsmathematisches Wissen, um den geschäftlichen Kontext zu verstehen", sagt Zhang. "Alle drei sind für eine effektive Datenanalyse in der Lebens- und Krankenversicherung unerlässlich."

Zusätzlich zu den vermögensbezogenen Daten für das Kapitalmanagement können Versicherer mit zwei Arten von Haftungsdaten arbeiten, so Zhang: Bestandsdaten und Daten von Dritten.

"Zu den Bestandsdaten gehören Informationen über die Police und den Versicherungsnehmer, wie z. B. Alter, Geschlecht, Angaben zum Begünstigten und zu den Ansprüchen", erklärt sie. "Falls relevant, können auch medizinische Daten, Angaben zum Lebensstil und finanzielle Daten abgefragt werden. Daten von Dritten beziehen sich auf öffentlich zugängliche Bevölkerungsstatistiken oder Daten, die von spezialisierten externen Anbietern erworben wurden.

"Für die Preisgestaltung und Bewertung bietet die Datenanalyse eine ausgefeilte Best-Estimate-Prognose. Dadurch wird sichergestellt, dass die Prämien in der richtigen Höhe festgesetzt werden und dass die Versicherer über ausreichende Reserven verfügen. Und für das Risikomanagement, das in unserer stark regulierten Branche von entscheidender Bedeutung ist, verbessert die Datenanalyse die Portfolioüberwachung und die Quantifizierung künftiger Risiken. Bei der Produktentwicklung schließlich hilft die Datenanalyse den Versicherern, sich an neue Trends anzupassen und innovative Lösungen zu entwickeln, wie z. B. Pay-as-you-live-Produkte, die vernetzte Technologien nutzen.

Neben der Verfügbarkeit neuer Datenquellen und den Fortschritten in der IT- und Medizintechnik sind laut Zhang der Klimawandel und die soziodemografischen Veränderungen, die mit einem veränderten Lebensstil und einem stärkeren sozialen Bewusstsein einhergehen, wichtige Trends, die den Lebens- und Gesundheitssektor beeinflussen.

Zhang nennt drei Herausforderungen im Zusammenhang mit der Datenanalyse: den verantwortungsvollen Umgang mit Daten, die Forderung nach Flexibilität und Effizienz sowie die Erklärbarkeit von Modellen. Letzteres bedeutet, ein Datenmodell zu nehmen und in der Lage zu sein, das Verhalten in menschlichen Begriffen zu erklären. Bei komplexen Blackbox-Modellen ist es laut Zhang schwierig, die inneren Abläufe zu verstehen.

"Datenverantwortung bedeutet, dass die Einhaltung von Vorschriften und der Schutz der Privatsphäre berücksichtigt und die Verstärkung sozialer Vorurteile vermieden werden muss", sagt sie. "Flexibilität und Effizienz bedeuten, sicherzustellen, dass die Datenanalyse nicht durch unstrukturierte, qualitativ schlechte Daten und veraltete IT behindert wird. Was die Beseitigung von Komplexität und die Erhöhung der Transparenz betrifft, so ist der Einsatz von erklärender KI neben der klassischen Statistik für unser Kerngeschäft hilfreich."

Zhang erwähnt den Bluebox-Service der Hannover Rückversicherung AG als Beispiel für Innovation in der Datenanalyse und für die Zusammenarbeit der Branche. Der Dienst wurde bewusst "Bluebox" genannt, um ihn vom standardisierten und weniger transparenten Blackbox-Konzept zu unterscheiden.

Zu den Anwendungsfällen gehören laut Zhang eine frühzeitige Stornoanalyse und Mustererkennung für potenzielle Cross- und Upselling-Möglichkeiten, bei denen KI und prädiktive Modellierung ins Spiel kommen. Die von hr | bluebox gelieferten Erkenntnisse, fügt sie hinzu, werden durch personalisierte Interpretationen und Beratung durch die Datenwissenschaftler von Hannover Rück unterstützt.