data-3808485_1920.jpg

Big Data in der Versicherungsbranche

Ein Artikel von Ann-Kathrin Bendig, Consultant und Sebastian Ritzkat, Managing Consultant beim IT- Dienstleister adesso SE | 14.05.2021 - 12:00
Ann-Kathrin_Bendig.JPG

Ann-Kathrin Bendig, Consultant beim IT-Dienstleister adesso SE

Im Vertrieb steht der Kunde im Mittelpunkt. Die Kernaufgabe des Versicherungsvertriebs ist es, Neukunden zu generieren und Bestandkunden durch eine fortlaufende Beratung langfristig zu halten sowie durch Cross- und Up-Selling-Maßnahmen den gesamten Versicherungsbedarf zu decken. Der Schlüssel des Erfolgs liegt darin, den einzelnen Kunden durch bewusste Maßnahmen und Empfehlungen auf ein Maximum zu individualisieren und zwar mittels Customer Clusterierung.

Durch eine gezielte Segmentierung des Kundenstamms ist es möglich, größere Kundengruppen individuell anzusprechen und Verhaltensmuster zu bilden. Grundlage für ein solches Clustering sind strukturierte Daten. Diese ermöglichen nicht nur eine Kategorisierung, sondern vielmehr die Ausarbeitung eines Persona-Konzeptes, um für jede individuelle, homogene Gruppierung eine maßgeschneiderte Customer Journey mit passenden Produktempfehlungen zu gewährleisten. Dies führt wiederum zu steigenden Absätzen auf Unternehmerseite.

Ritzkat.jpg

Sebastian Ritzkat, Managing Consultant beim IT- Dienstleister adesso SE

Anhand dieser Cluster können exakte Kundenbewertungen auf Basis des individuellen Verhaltens durchgeführt werden. Diese Bewertung führt zu einer optimierten Risikoermittlung und Tarifierung für jede Persona. Je nach individuellem Verhalten werden die Kunden unterschiedlich bewertet, was sich schließlich auf die Tarifierung und damit auf die individuelle Prämie eines jeden Versicherungskunden auswirkt. Auf Kundenseite führt dies zu einer steigenden Zufriedenheit, da der Versicherungsnehmer nur für exakt das Risiko zahlen muss, das auf seinem persönlichen Verhalten beruht und zeitgleich dessen notwendigen Bedarf deckt.

Steigende Kundenzufriedenheit durch Big Data

Für den Versicherer bedeutet dies – neben dem Vorteil der langfristigen Kundenbindung – eine optimierte Schaden- und Kostenquote. Nutzungsbasierte Angebote in Form von Telematiktarifen in der Kraftfahrtversicherung handeln heute schon bedingt nach diesem Konzept. Auch Gesundheitsrisiken eines Antragsstellers können fundiert eingeschätzt und individuelle Pricing-Maßnahmen durchgeführt werden. Zudem lassen sich Modelle in Form von sogenannten Churn Predicitions erstellen, die jedem Kunden beziehungsweise jeder homogenen Kundengruppe eine gewisse Kündigungswahrscheinlichkeit zuweist. Auf Basis der Auswertung der Abtrittswahrscheinlichkeit können Versicherer ihre Aktivitäten anpassen, um die Storno- und Kündigungsquote bestmöglich einzudämmen.

Durch eine Segmentierung wird nicht nur die Neukundengenerierung optimiert, sondern vielmehr die langfristige Betreuung des Bestandes sichergestellt. Der Versicherer gewinnt ein besseres Verständnis für die derzeitigen und zukünftigen Bedürfnisse seiner Kunden. Anhand von Verhaltensprognosen kann der zukünftige Bedarf des Kunden, also die next-best-action, abgeleitet werden. Es werden Produktprognosen mittels Lebensphasen und entscheidenden Momenten erkannt und getroffen, wie etwa beim Erreichen eines bestimmten Alters, bei Berufseintritt, Heirat oder Geburt eines Kindes. Der Versicherer tritt so als aktiver Dienstleister auf und gibt dem Kunden ein Gefühl von laufender Betreuung.

Sicherheit durch Individualisierung

Durch eine Individualisierung entlang der Customer Journey wird das Sicherheitsgefühl des Versicherungsnehmers zunehmend verstärkt. Versicherung als Dienstleistung in Form eines immateriellen und abstrakten Schutzversprechens bringt viel Erklärungsbedarf mit sich. Wird dem Versicherungsnehmer aber vom ersten Touchpoint an das Gefühl von Individualisierung und Wissen über den eigenen derzeitigen und zukünftigen Bedarf vermittelt, fühlt er sich sicherer und transformiert idealerweise zum lebenslangen Kunden.

Wie kann die Datenmenge Schäden vermeiden helfen?

Der Schadeneintritt hat als „Moment of Truth“ enorme Auswirkung auf die Kundenbindung. Der Versicherungsnehmer ist nur dann zufrieden, wenn die Bearbeitung schnell, fehlerfrei und transparent erfolgt. Durch die fortschreitende Technologisierung verändert sich die Risikolage der Versicherer und höhere Schaden-Kosten werden die Regel. Um die Schaden-Kosten-Quote im Einklang zu lassen, kann die aktive Nutzung von Daten und Sensoren zur Schadenvermeidung hilfreich sein. Big Data wird somit auch für die Schadenprävention immer wichtiger. Schon heute verfügt die Versicherungswirtschaft über eine umfangreiche Sammlung statistischer Daten.

Der Versicherer erhebt bereits bei der Schadenanlage eine Vielzahl von Daten, unter anderem zur Schadenzeit, zum Schadenort und zur Schadenursache. Derzeit werden die generierten Daten „nur“ gesammelt. Durch eine automatische Weitergabe an geeignete Dienstleister aus dem Partnernetzwerk könnte die Durchlaufzeit verringert und somit die Kundenzufriedenheit erhöht werden.

Im Zukunftsbild der Versicherer muss zusätzlich enthalten sein, dass die Auswertung der Daten neue Erkenntnisse über den Nutzer und seine Geräte enthält. Nur dann – die Akzeptanz des Nutzers vorausgesetzt – kann die Auswertung dieser Daten einen erheblichen Einfluss auf die Reduzierung des Schadenaufkommens haben und im besten Fall zur Schadenvermeidung führen.

Wie können die Daten nunmehr für die aktive Vermeidung von Schäden genutzt werden? Aktuelle Verkehrs- und Stauinformationen von Verkehrsteilnehmern oder Behörden werden aufbereitet, um anderen Verkehrsteilnehmern eine großräumige Umfahrung von Verkehrshindernissen oder Gefahrenstellen zu ermöglichen. Auf dieselbe Art und Weise könnten auch Schadeninformationen an das Fahrzeug übertragen werden. Die Daten können folglich genutzt werden, um Hotspots mit einem signifikanten Schadenaufkommen zu umfahren, indem das Navigationssystem eine alternative Route berechnet.

Potenziale und ihre Grenzen

In der Theorie bringen die aufgeführten Big-Data-Ansätze viele Potentiale mit sich. Für den Versicherer bedeutet die Digitalisierung der Datenauswertung: Senkung der Durchlaufzeiten, Reduzierung der Fehlerquote durch manuelle Bearbeitung, Erhöhung der Dunkelverarbeitung und in Summe die Senkung der Schaden-Kosten-Quote bei gleichzeitiger Erhöhung der Kundenzufriedenheit.

In der Praxis gibt es derzeit noch regulatorische Hürden zu überwinden. Erst wenn Struktur und Qualität der Daten stimmen, können Versicherer mithilfe von Big Data ihre Prozesse effizienter gestalten.