Wer Kunden schützen will, braucht Daten

Ein Artikel von Dirk Möller, Area Director of Sales CEMEA bei Neo4j | 27.11.2020 - 07:56
NeoTech_DirkMöller_medium.jpg

Dirk Möller, Area Director of Sales CEMEA bei Neo4j © Steffen Urban

Die Auswertung und Nutzung von internen und externen Daten ist für erfolgreiche Versicherungsunternehmen nicht unbedingt neu. Bei der Digitalisierung von Produkten, Leistungen und Prozessen haben viele Versicherer den Vorteil, auf langjährig aufgebaute Datensammlungen zurückgreifen zu können. Diese vernetzten Daten ganzheitlich zu analysieren und in einer 360-Grad-Ansicht des Kunden zu visualisieren, gelingt jedoch den wenigsten.

Kundenorientierte Services heißt auch Betrugsaufdeckung

Vor dieser Herausforderung stand die Allianz Benelux. Die Tochtergesellschaft des 130-Milliarden-Euro Versicherungsriesen Allianz, beschäftigt über 2.000 Mitarbeiter, versichert Kunden länderübergreifend in Belgien, den Niederlanden und Luxemburg und erzielt einen geschätzten Jahresumsatz von rund vier Milliarden Euro. Nach einer Reihe von Fusionen und Übernahmen sah sich das Unternehmen vor die Aufgabe gestellt, seine Kundendaten über mehrere Datensilos hinweg zu konsolidieren. Ziel war es, nicht nur die Vertriebseffizienz zu verbessern, sondern auch die Risiken von Kunden vollständig zu überblicken, Prognosen für die Zukunft zu stellen und damit den Kundenservice zu verbessern.

Eine zentrale Rolle spielt dabei auch die Betrugsaufdeckung. Hier nimmt Allianz Benelux eine Null-Toleranz-Position ein. Der Versicherer will nicht nur kriminellen Aktivitäten einen Riegel vorschieben, die gesetzlichen Auflagen erfüllen und das eigene Unternehmen schützen, sondern auch sicherstellen, dass die eingezahlten Beiträge tatsächlich den Versicherungsnehmern zugutekommen und Prämien nicht langfristig erhöht werden müssen. Wer Betrüger frühzeitig identifiziert und falsche Schadensfälle ausmacht, kann so seinen Kunden unterm Strich bessere Angebote und Preise bieten.

Neo4j_Versicherungen_360_Graph.jpg

Kunden im Fokus: Im Graphen werden Daten und Datenbeziehungen im Kontext dargestellt.

Graphtechnologie und Graph-Analytik

Eine Momentaufnahme von Kunden einschließlich all seiner Daten und Datenbeziehungen, ließ sich mit den bestehenden Systemen der Allianz Benelux nicht realisieren. Insbesondere relationale Datenbanksysteme sind schlichtweg nicht in der Lage, heterogen Daten über mehrere Datensilos hinweg zu vernetzen. Verdächtige Verhaltensmuster, betrügerische Netzwerke und undurchsichtige Verbindungen können – wenn überhaupt – nur mit hohem Rechenaufwand visuell abgebildet werden. Die Tabellen in SQL-Datenbanken mit Zeilen und Spalten liefern keine tiefen, kontextbezogenen Datenverbindungen und können Beziehungen über mehrere Ebenen hinweg nicht nachverfolgen. Häufig abgerufene, „relevante“ Daten (Warm Data) lassen sich zudem nicht extrahieren.

Allianz Benelux entschied sich daher für den Einsatz von Graphtechnologie. Ihr Vorteil: Das Datenmodell von Graphen ist intuitiv zu verstehen und damit anschaulich zu visualisieren. Daten werde als Kreise (Knoten) dargestellt, die über Linien (Kanten) miteinander verbunden sind. Damit lassen sich auch stark vernetzte Daten analysieren und in Echtzeit abfragen. Beziehungen zwischen Kunden, gleiche Adressen oder Telefonnummern sowie zurückliegende Ansprüche und Versicherungsleistungen können im Kontext betrachtet werden. Die Abfragegeschwindigkeit hängt dabei nicht von der Gesamtmenge der Daten in der Datenbank und der Anzahl von Verknüpfungsoperationen ab, sondern nur von der Anzahl der konkreten Beziehungen, die für die gewünschte Abfrage relevant sind.

Für die schnelle und präzise Auswertung kommen Graph-Algorithmen zum Einsatz. Der von Google entwickelte „PageRank“ Algorithmus ist hier wohl das bekannteste Beispiel. Er misst die Wichtigkeit jedes Knotens innerhalb eines Graphen anhand der Anzahl seiner Beziehungen und der Wichtigkeit der mit ihm verbunden Knoten. Oder einfach ausgedrückt: Je stärker ein Datensatz mit anderen Daten verknüpft ist, desto wichtiger ist er. Google ordnet nach diesem Prinzip seine Suchergebnisse. Übertragen auf die Versicherungswelt lassen sich wichtige Kunden, Versicherungen mit hoher Schadensabdeckung oder auch eine verdächtige Häufung von Schadensfällen ausmachen. Knoten mit einem hohen PageRank Score erscheinen im Graphen größer und lenken die Aufmerksamkeit von Kundenberatern, Risikoanalysten und Ermittlern auf sich. In Kombination mit Data Warehouses bilden Graphdatenbanken und Graph-Algorithmen damit das Fundament moderner Datenanalyse in Unternehmen.

Betrugsaufdeckung und 360-Grad-Ansicht

Nach einer umfassenden Marktevaluierung entschied sich die Allianz Benelux für Neo4j als zentrale Datenbank. Ausschlaggebend waren neben der hohen Skalierbarkeit und Flexibilität auch die Enterprise Features sowie die Dominanz der Enterprise-Lösung für Graphen am Markt. Im Neo4j-Graphen können Data Scientists, Analysten und Berater nun Kunden unter verschiedenen Gesichtspunkten wie Wohnort, Adresse und den weiteren dort lebenden Personen betrachten. So erhalten sie sehr schnell ein genaues Bild über ihre Beziehungen, ihr Leben und ihre potenziellen Bedürfnisse. Angebote lassen sich personalisieren und bestehende Services optimieren, wobei Kundenberater auf automatisierte Empfehlungen des Systems zurückgreifen können. Da die Kundenansicht über die üblichen Parameter wie persönlicher Berater und Schadensfall hinaus geht, sehen die Allianz-Experten auf einen Blick, wie viele Versicherungen eine Person abgeschlossen hat und ob sich ein neuer Vertrag mit kombinierten Leistungen oder erweiterter Abdeckung lohnt.    

Diese Detailtiefe im Kundenprofil hebt auch die Betrugsaufdeckung auf ein neues Level. So ist beispielsweise ein inszenierter Autounfall auf dem Papier nur sehr schwer zu erkennen. Erst wenn die Unfallbeteiligten in einen Datenkontext gerückt werden, lassen sich Zusammenhänge und Beziehungen aufdecken. Kennen sich die Unfallbeteiligten, die Fahrzeughalter oder die Zeugen untereinander? Wurden vom Versicherer in letzter Zeit mehrere solcher Ansprüche eingereicht? Läuft die Versicherung für das Fahrzeug ab? Oder steht eine Inspektion oder Wartung an? Wenn beispielsweise ein 15 Jahre altes Auto kurz vor dem nächsten TÜV in einen Unfall verwickelt wird, sollte man die näheren Umstände des Unfalls nochmal überprüfen. Die Datenanalyse liefert hier wichtige Ansatzpunkte, denen das Team der Allianz Benelux weiter nachgeht.

Operativer Gewinn: Zwei Millionen Euro

Nach einem erfolgreichen Proof-of-Concept implementierte Allianz Benelux die graphbasierte Lösung – mit unmittelbarem Erfolg. Im Laufe von nur zwei Jahren konnte der Versicherer einen operativen Gewinn von zwei Millionen Euro ermitteln. Der tatsächliche Wert liegt jedoch deutlich höher. Die bestehende Systeme sind in Kombination mit Graphtechnologie deutlich leistungsstärker und vereinfachen die Überprüfung komplexer, heterogener Daten. Das Einsatzgebiet für Graphen ist dabei längst nicht erschöpf. Auf der Agenda steht das Data Scouting und das Kontextualisieren von Daten für geschäftsrelevante Fragen sowie eine Analytics Engine für den Kundensupport. Weiter ist geplant, Neo4j gemeinsam mit Machine Learning-Verfahren einzusetzen, um die Kernprozesse von Allianz Benelux weiter zu automatisieren und effizienter zu gestalten.

Je mehr Daten dabei in eine visuelle Ansicht überführt werden, desto zielgenauer lassen sich Risiken identifizieren und der Kundenservice verbessern. Graphtechnologie ermöglicht diese 360-Grad-Ansicht auch bei großen, komplexen Datenmengen. Der Graph entwickelt sich dabei ständig weiter, wächst mit dem Kunden, gleicht Bedürfnisse und Verträge mit dem aktuellen Portfolio an Leistungen und Services des Versicherers ab und kann Risiken nicht nur deskriptiv, sondern auch prädiktiv analysieren.