360-Grad-Kundensicht – Herausforderung für Versicherungen seit Jahren

0

Das Thema „360-Grad-Kundensicht“ ist schon immer eine große Herausforderung für Versicherungen gewesen und hat in den letzten Jahren eine noch höhere Wichtigkeit erhalten. Kein Unternehmen bestreitet diese Wichtigkeit, jedoch nur wenige haben die Anforderung auch wirklich umgesetzt. War vor ca. fünf Jahren das Thema noch die Kür, so ist 360-Grad-Kundensicht heute Pflicht im Zusammenhang mit einer erfolgreichen Datenstrategie.Mit dem Ausdruck „360-Grad-Kundensicht“ wird der Umstand umschrieben, dass ein Unternehmen im Idealfall alle Informationen über einen Kunden zur Verfügung hat, um dessen persönliches Verhalten im Zusammenhang mit der Vertragsbeziehung oder einem zukünftigen Angebot möglichst sicher vorhersagen zu können. Vor zehn Jahren betraf dies im Wesentlichen die Kundendaten in den Informationssystemen des Unternehmens selbst. Heute genügen diese Informationen nicht mehr, sondern müssen ergänzt werden um externe Informationen und Daten, die im Zusammenhang mit dem „Internet of Things“ (IoT) gewonnen werden können.

360-Grad-Kundensicht für Versicherungen

Übertragen auf die Versicherungsbranche bedeutet dies, dass alle verfügbaren Kunden-, Angebots-, Antrags-, Policen- und Schadendaten zusammen mit „Big Data“-Informationen (z. B. Verhalten des Kunden auf der eigenen Webseite, Daten von Telematik-Anwendungen) so vorliegen müssen, dass eine zuverlässige Vorhersage des Kundenverhaltens durch analytische Methoden möglich ist: Stornowahrscheinlichkeit, Cross- und Up-selling-Scoring-Werte zu bestehenden Versicherungsverträgen, Abschlusswahrscheinlichkeit eines Interessenten, Schadenprognosen, Kundensegmentierung und Kundenwertberechnung. Es gibt wenige Unternehmen, die diese Aufgaben anhand der „internen“ Informationssysteme bereits realisiert haben, vermutlich hat bislang noch keine Versicherung ein Gesamtkonzept unter Einbeziehung der externen Daten und IoT zu 100 % implementiert. 360-Grad-Kundensicht ist heute eine Notwendigkeit, um in dem Verdrängungsmarkt den „flüchtigen“ Versicherungskunden an das Unternehmen zu binden – oder zu entscheiden, dass ein bestimmter Interessent als Kunde nicht erwünscht ist.

Anforderungen an eine erfolgreiche Datenstrategie

Die konkrete Implementierung einer 360-Grad-Kundensicht muss im Zusammenhang mit der Umsetzung einer Datenstrategie erfolgen, da sie sehr komplexe Anforderungen an die Datenmanagement-Prozesse mit sich bringt:

  1. Die Kundendaten aller Informationssysteme der Versicherung müssen konsolidiert in einer dispositiven Datenschicht vorliegen, die darüber hinaus die Anforderungen der Europäischen Datenschutz-Grundverordnung erfüllt.
  2. Die dispositive Datenschicht muss eine hohe Datenqualität erfüllen, um als Datenbasis für analytische Auswertungen und Prognosen geeignet zu sein.
  3. Die dispositive Datenschicht muss durch externe Informationen ergänzt werden können, z. B. Scoring-Daten einer Wirtschafts-Auskunftei.
  4. Verfügbare IoT-Daten – in der Regel „Big Data“ – des Kunden müssen bezüglich Verwertbarkeit durch die Versicherung in Echtzeit analysiert werden, und die Ergebnisse müssen mit den dispositiven Kundendaten verknüpft werden.

Sind viele Unternehmen in der Vergangenheit bereits an den Punkten 1) bis 3) gescheitert, so legt die Anforderung aus Punkt 4) die aktuelle Messlatte noch um einiges höher. Folgende Szenarien sind hier zu betrachten:

  • Aus Wettbewerbsgründen werden Telematik-Tarife zunehmend wichtiger, z. B. Krankenversicherungen mit laufenden Daten von Gesundheitsarmbändern, Gebäudeversicherungen für Wohnungen mit Connected-Home-Komponenten, Kfz-Tarife auf der Basis von Streaming-Daten aus einer Telematik-Box. Die anfallenden „Big Data“ müssen analysiert und die Ergebnisse mit den Informationen der dispositiven Datenschicht verknüpft werden.
  • Das Verhalten des Kunden im Internet muss analysiert werden können und ebenfalls mit den dispositiven Daten verknüpft werden. Dies muss in der Regel in Echtzeit erfolgen, da es sich um „Sofort“-Entscheidungen handelt, die getroffen werden müssen, bevor sich das „window of opportunity“ wieder geschlossen hat. Von Interesse sind hier Big Data Informationen, die im Einklang mit den strengen europäischen Datenschutzregeln ausgewertet werden dürfen, z. B. (frei) verfügbare Informationen von sozialen Medien und Blogs sowie das „Klick“-Verhalten des Kunden auf der eigenen Webseite.

Konkrete Umsetzung der 360-Grad-Kundensicht

Wie kann nun eine solche Datenstrategie konkret umgesetzt werden, mit dem Ziel, die 360-Grad-Kundensicht zu gewinnen? Hierzu lohnt nochmals eine genauere Betrachtung der Punkte 1) – 4) von oben:

  1. Ein versicherungsspezifisches Data Warehouse (DWH), in dem alle Partnerinformationen spartenübergreifend vorliegen, erfüllt in der Regel diese Anforderung. Fast jede Versicherung erhebt den Anspruch, dies bereits realisiert zu haben. Bei genauer Betrachtung zeigt sich aber, dass es sich oft in Wahrheit um spartenspezifische „Daten-Silos“ handelt, die keine sparten- und kundenübergreifende Vertragssicht ermöglichen. Das Thema Datenschutz-Grundverordnung ist heute weitestgehend nicht berücksichtigt in den Datenprozessen – was sich spätestens im nächsten Jahr erheblich ändern wird.
  2. Datenqualität und Data Governance können mithilfe von leistungsfähigen Werkzeugen auf der dispositiven Ebene leichter hergestellt werden als in den Quell-Systemen, da Veränderungen dann nicht zwangsläufig Auswirkungen auf das operative Geschäft haben. Viele Versicherungen „leben“ mit ihren Datenqualitätsproblemen seit Jahren (z. B. Dubletten im Partnerbestand, keine spartenübergreifende Sicht, „absichtlich“ falsche Daten – z. B. Kunde ist männlich, wird aber im Vertrag mit Geschlecht weiblich geführt) – und geben dies mitunter auch als Grund für gescheiterte DWH-Projekte an.
  3. Ein Standard-Datenmodell als Basis für das dispositive DWH erleichtert die Einbindung von externen Informationen erheblich. Häufig erschweren nämlich Eigenentwicklungen von Datenmodellen die Verknüpfung von eigenen Daten mit externen Daten, da sie einseitig auf die Strukturen der – häufig proprietären – operativen Systeme ausgelegt sind.
  4. Die Analyse von IoT-basierten Informationen erfordert die Umsetzung eines Big-Data-Analytics-Konzepts, welches auch Streaming-Daten umfasst. Aufgrund dieser Analysen müssen in Echtzeit Entscheidungen getroffen werden und die Ergebnisse an Folgeprozesse übergeben werden. Einige große Versicherer haben dies ansatzweise schon umgesetzt und hierzu Analytik-Komponenten und Data Lakes implementiert, eine ganzheitliche Lösung unter Einbeziehung aller dispositiven Kundendaten ist jedoch noch nicht vollständig umgesetzt.

Hilfsmittel für die Umsetzung einer erfolgreichen Datenstrategie

Mit „Bordmitteln“ werden sich die IT-Abteilungen der Versicherungen vermutlich schwertun, diese Anforderungen umzusetzen. SAS kann hier entscheidend weiterhelfen, eine erfolgreiche Datenstrategie einer Versicherung zu implementieren:

  • Ein versicherungsspezifisches dispositives DWH lässt sich durch das Standard-Datenmodell der SAS Insurance Analytics Architecture umsetzen. Dies haben einige Versicherer in den letzten Jahren erfolgreich bewiesen.
  • Mit der SAS Data Management-Lösung ist der Zugriff sowohl auf strukturiert vorliegende Daten (z. B. relationale Datenbanken) als auch auf unstrukturierte Big Data (z. B. Data Lakes mit HADOOP oder HANA) möglich. Außerdem lassen sich damit Datenqualität und Data Governance wesentlich befördern.
  • Mit der SAS Analytics Factory und dem SAS Customer Decision Hub stehen mächtige Funktionalitäten zur Verfügung, die eine 360-Grad-Kundensicht im Zusammenspiel mit IoT-Informationen erst möglich machen, z. B. für die Analyse des Webseiten-Verhaltens eines Kunden oder Interessenten und die Verknüpfung dieser Informationen mit den Daten eines dispositiven DWHs.
  • SAS Lösungen ermöglichen es außerdem, die Anforderungen der Europäischen Datenschutz-Grundverordnung bezüglich Anonymisierung, Pseudonymisierung und Verschlüsselung von personenbezogenen Daten teilweise zu automatisieren und damit vielfältigen Anpassungsaufwand von bestehenden dispositiven Anwendungen zu vermeiden (mehr dazu in einem Folge-Blog-Beitrag).

Erfahren Sie noch mehr über die Möglichkeiten, mit SAS eine erfolgreiche Datenstrategie umzusetzen, auf dem SAS Forum Deutschland am 29.06.2017 in Bonn.

Hartmut Schroth, Business Advisor Datenstrategien für Versicherungen bei SAS Deutschland. Bitte besuchen Sie mich in LinkedIn für weitere Diskussionen zum Thema.

Share

About Author

Hartmut Schroth

Business Advisor

After finishing his master study of mathematics in 1981 Hartmut has been working in insurance and IT business in several positions. Since 2006 he is employee of SAS Institute in Germany. As business advisor in the presales team he is responsible for DACH region (Germany, Austria and Switzerland). His main focus is advising customers of financial services industry in strategies for data models of SAS Business Analytics solutions. Moreover he is regional product manager for the SAS Insurance Analytics Architecture.

Leave A Reply

Back to Top