Make or Buy - Standarddatenmodell für Versicherungen

0

Make or Buy - Standarddatenmodell für Versicherungen

Ohne ein effizientes Standarddatenmodell funktioniert heute nichts mehr, auch keine Versicherungen. Die Frage nach dem Make or Buy haben sich also schon viele Versicherungen gestellt, die vor der Einführung einer spartenübergreifenden, konsistenten Datenhaltungsstruktur für unterschiedliche Business Analytics Anwendungen standen und die Einführung eines ‚Business Analytics Data Warehouse‘ (DWH) planten [1]. Es gilt die beiden Optionen abzuwägen, ein individuelles Datenmodell selbst zu entwickeln oder ein Standard-Datenmodell einzukaufen.

Worin besteht nun überhaupt der ‚Standard‘ eines DWH Datenmodells für Versicherungen? Ein Standard-Datenmodell für Business Analytics muss mindestens folgende Anforderungen erfüllen:

  • Unterstützung von unterschiedlichen Business Analytics Anwendungen.
  • Unterstützung von Standards und allen wichtigen Geschäftsprozessen von Versicherungen.
  • Unterstützung von Data Governance Prozessen und Data Quality Management.
  • Unterstützung von regulatorischen Anforderungen, insbesondere Revisionssicherheit.
  • Individuelle Anpassungsfähigkeit und Release-Fähigkeit.

SAS hat seit über 30 Jahren Data-Warehouse-Projekte mit Versicherungen rund um den Globus für die unterschiedlichsten dispositiven Anwendungen realisiert. Anfangs stand hierbei die Unterstützung der Kunden bei der Entwicklung einer ‚optimalen‘ Modellstruktur für die einzelnen Datenschichten im Vordergrund.

Gemeinsamer Kern

Im Laufe der unterschiedlichen Kundenprojekte kristallisierte sich dann immer mehr ein gemeinsamer Kern der einzelnen Modelle heraus. Dies motivierte SAS dazu, ein Standard Datenmodell für Business Analytics Anwendungen zu entwickeln, in dessen Fokus die Daten-Beladung von wichtigen Versicherungslösungsansätzen stand.

Dies umfasste klassische Business Intelligence Reporting Anwendungen z.B. für Vertriebs- und Schaden-Controlling, aber auch analytische Scoring-Lösungen zur Ermittlung von Kundenwert-Komponenten, Customer Intelligence Lösungen für Kampagnenmanagement und Tarifierungsanwendungen für Aktuare. In den letzten Jahren kam Risikomanagement und Solvency 2 Reporting sowie Versicherungsbetrugserkennung hinzu.

Mit der Versicherung

In Zusammenarbeit mit einer großen Versicherungsgesellschaft wurde im Jahre 2004 erstmals das ‚Detail Datastore for Insurance‘ (DDS) als Kern der SAS Insurance Analytics Architecture (IAA) produktiv eingesetzt. Seither haben mehr als 60 Versicherungen weltweit das DDS als DWH für Business Analytics lizensiert.

Make or Buy - Standarddatenmodell für Versicherungen

Wichtig ist in diesem Zusammenhang, dass das DDS eben nicht am Reißbrett und unter ausschließlich ‚akademischen‘ Aspekten entwickelt wurde, sondern der Schwerpunkt lag von Anfang darin, Business Analytics Projekte für Versicherungen in der Praxis schneller und effizienter zu machen. Deshalb hat SAS auch immer dann, wenn die Versicherungswirtschaft eigene Standards für die Datenbereitstellung oder Datenhaltung entwickelt hat, diese im Standard-Datenmodell des DDS berücksichtigt, sofern eine Relevanz unter Business Analytics Aspekten gegeben ist.

Zur GDV-Schnittstelle

So sind viele – nicht rein auf operative Prozesse ausgerichtete – Spezifikationen der internationalen ACORD [2] und der deutschen GDV-Schnittstelle [3] im Datenmodell abgebildet worden.  Außerdem wurde ein besonderer Schwerpunkt auf die Unterstützung von Data Governance Konzepten, Data Quality Management und Revisionssicherheit gelegt.

Anforderungen aus DWH-Projekten mit mitteleuropäischen Versicherungsgesellschaften wurden laufend von SAS auf Eignung als Standard geprüft. Daraus ist eine mitteleuropäische Standardversion DDS Central Europe entstanden, die die globale Version des DDS erweitert hat. Dies war deshalb sehr leicht möglich, da ein Extension Management Konzept und Anpassungsrichtlinien für das DDS dessen Release-Fähigkeit gewährleisten.

Wichtige Eigenschaften des SAS Standard-Datenmodells und der angewandten DWH-Konzepte werden in Folge-Blogs detailliert dargestellt, z.B. konkrete Vorteile durch den Einsatz eines Standard-Datenmodells für Versicherungen, Data Governance und Data Quality Aspekte, Revisionssicherheit, Release-Fähigkeit sowie wichtige Erweiterungen für Mitteleuropa (‚DDS Central Europe‘).

Mehr zu Branchenlösungen für Versicherungen auf sas.de sowie live auf dem SAS Forum Deutschland am 28.04.2016 in Bonn. Dort geben Unternehmen wie ITERGO, CosmosDirekt, Münchener Rück und HUK-Coburg Einblicke in ihre Best Practices.

Mehr zum Thema Branchenlösungen für Versicherungen finden Sie hier.

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

[1] Ausdrücklich sprechen wir hier über eine Datenschicht für die Beladung von dispositiven Anwendungs-Datamarts für Business Analytics und nicht über ein ‚Enterprise Data-Warehouse‘ oder ein ‚Operational Datastore‘.
[2] ACORD (Association for Cooperative Operations Research and Development) ist eine globale Organisation welche für die Versicherungswirtschaft Standards entwickelt. Siehe https://www.acord.org/Pages/default.aspx
[3] GDV = Gesamtverband der deutschen Versicherungswirtschaft. Vom GDV wurde unter anderem eine Schnittstellenbeschreibung für den Austausch von Daten zwischen Versicherungsunternehmen und Vermittlern entwickelt. Siehe http://www.gdv-online.de/vuvm/
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.

Related Posts

Leave A Reply

Back to Top