Digitalisierung von Versicherungen - Erfolgsfaktor Daten!

0

data-funnelDigitalisierung der Geschäftsprozesse rückt immer stärker in den Fokus von Versicherungen - getrieben von unterschiedlichen Faktoren. Bei einer näheren Betrachtung wird schnell deutlich, dass eine verlässliche und aussagekräftige Datenbasis die Grundvoraussetzung für eine erfolgreiche Digitalisierungs-Strategie von Versicherungen ist.

Die Gründe, warum Versicherungen Digitalisierung immer stärker priorisieren, ergeben sich nicht daraus, dass dieses Thema momentan ‚In‘ ist, vielmehr wird es getrieben von vielfältigen Veränderungen im Umfeld der Versicherungsprozesse, wodurch die Unternehmen zum Handeln gezwungen werden:

1. Die Kenntnis des Kundenverhaltens wird noch wichtiger

Viele Versicherungen haben in den letzten Jahre schon in IT-Lösungen für ‚Customer Intelligence‘ und ‚Customer Analytics‘ investiert. Zukünftig wird die Identifizierung aktueller Kundenbedürfnisse zwingende Voraussetzung für eine erfolgreiche Vertriebsstrategie und eine langfristige Kundenbindung sein. Damit werden treffsichere Vorhersagen des Kundenverhaltens noch wichtiger:

  • Wie hat sich der Kunde - ggf. unter Einbeziehung seiner Peer-Group - in der Vergangenheit verhalten? Was waren hierfür die Gründe? Wie wird sich der Kunde in der Zukunft verhalten? Welche aktuellen Gegebenheiten sind hierfür von Relevanz?
  • Eine ‚360 Grad Kundensicht‘ schließt heute alle verfügbaren Kunden- und Geschäftspartner-Informationen ein: Daten aus Partner-, Bestands-, Inkasso und Schadensystem plus Business Analytics Data-Warehouse sowie verfügbare externe Informationen (Social Media, Google Maps, Blogs…).

2. Neue Vertriebskanäle ersetzen herkömmliche Kanäle

Kunden erwarten heute ständige Erreichbarkeit ihrer Versicherung über Internet (und ggf. Callcenter) sowie zusätzlich persönliche Beratung vor Ort. Damit verschmelzen Online-Vertrieb und herkömmliche Vertriebswege (Agentur, Makler, Vertriebs-Abteilung):

  • Die Harmonisierung der Prozesse über alle Vertriebswege hinweg - das sogenannte Multi-Kanal-Management - stellt an die IT von Versicherungen hohe Herausforderungen.

3. Veränderte Wettbewerbsbedingungen

Neue, digitale Geschäftsmodelle (‚Insurtechs‘) drängen in den Versicherungs-Markt mit innovativen Angeboten, auf die Versicherungsunternehmen reagieren müssen:

  • Onlinemakler- und Vergleichs-Portale gewinnen Marktanteile im Neugeschäft.
  • Peer-to-peer (P2P) Versicherungen versuchen herkömmliche Versicherungen in Teilbereichen zu ersetzen. Beispiel: Friendsurance über einen Social-Community-Ansatz.

4. Produktinnovation getrieben von Kostengründen und Kundenanspruch

Gesunkenes Zinsniveau und veränderte Kundenansprüche erfordern die Entwicklung neuer und innovativer Versicherungsprodukte:

  • Individualisierbare Versicherungspolicen z.B. eine Lebensversicherung mit flexiblen Anlage-Optionen für den Sparanteil.
  • Verknüpfung von Internet of Things (IoT) und Versicherungsprodukten wird zunehmen und ist heute schon verbreitet in den Sparten KFZ-, Gebäude-, Lebens- und Krankenversicherung.

5. Kostenoptimierung, Zwang zur Reduzierung der Schadenquoten und Verwaltungskosten

Veränderte Rahmenbedingungen (z.B. steigende Schadenquoten, sinkendes Zinsniveau) zwingen zur Kosten-Reduzierung, z.B. durch Implementierung von neuen analytischen IT-Lösungen und Prozess-Automatisierung:

  • Schadenprognose durch ‚Predictive Modelling‘ für die Sachversicherung, im Idealfall in der Kombination mit IoT-Lösungen zur Schadenvermeidung.
  • Verbesserte Betrugserkennung für alle Sparten durch Analyse-Werkzeuge und analytische Methoden.
  • Optimierung der Verwaltungsfunktionen durch Automatisierung von Geschäftsprozessen (z.B. bei der Antragsprüfung).

6. Gesetzliche Anforderungen erfordern eine grundlegende Modernisierung der Versicherungs-IT-Prozesse

Regulatorische und gesetzliche Anforderungen definieren neue Standards für die IT-Systeme einer Versicherung:

  • Solvency 2 beinhaltet verschärfte Anforderungen an die Transparenz der beteiligten IT-Prozesse.
  • Die Einführung von Europäischer Datenschutzrichtlinie und ‚Code of Conduct‘ des GDV erfordern grundlegende Anpassungen der Daten-Management-Prozesse in Bezug auf die Verarbeitung von persönlichen Daten in Informationssystemen.

 

Die Betrachtung der einzelnen Themen zeigt, dass alle Treiber der Digitalisierung eine gemeinsame Anforderung an die IT-Systeme von Versicherungen stellen: sie bedingen insbesondere anspruchsvolle Datenmanagement-Herausforderungen.

Implementierung einer 360 Grad Kunden- und Partnersicht

Inzwischen haben die meisten Versicherungen ‚Partnersysteme‘ implementiert, die – in der Theorie – einen Geschäftspartner eindeutig identifizieren, egal, in welcher Rollenbeziehung er zum Versicherungsgeschäftsprozess steht (z.B. Kunde=Versicherungsnehmer, Beitragszahler, Vermittler, externer Dienstleister). In der Praxis kommt es jedoch bei vielen Unternehmen aufgrund von Datenqualitätsproblemen und historisch gewachsenen IT-Strukturen immer noch zu Mehrfach-Erfassungen von Partnerinformationen. Deshalb stellt sich hier die Notwendigkeit, eine Bereinigung der Datenbasis unterstützt durch geeignete Datenqualitätswerkzeuge und Datenstrukturen vorzunehmen (siehe auch ‚ Kein Datenlabyrinth im Data Warehouse! ‘).

Eine zunehmend wichtige Herausforderung besteht darüberhinaus darin, nicht nur intern gespeicherte Kundeninformationen heranzuziehen, sondern auch extern verfügbare Daten auszuwerten und die daraus gewonnenen Erkenntnisse in geeigneten Strukturen abzulegen. Hierzu gehören Geo-Informationen (z.B. aus Google Maps), aber auch Informationen aus sozialen Netzwerken und Blogs. Da diese Informationen in der Regel nicht gut strukturiert vorliegen, sind neue Datenhaltungs-Konzepte erforderlich (z.B. auf der Basis von HADOOP oder HANA) sowie Zugriffsmechanismen darauf, die in die ETL-Prozesse und analytischen Auswertungen eingebaut werden müssen.

Umsetzung eines Multi-Kanal-Managements

Die Anforderungen, die sich aus einem Multi-Vertriebskanal-Management ergeben, dürften endgültig das Ende der Datensilos bei Versicherungen besiegeln. War es bislang häufig noch üblich, dass interne Abteilungen, Makler und Agenturen unterschiedliche Datenbasen für Ihre Vertriebsaktivitäten zur Verfügung hatten (teilweise auch noch sparten-orientiert), so ist dies für eine Multi-Kanal-Strategie das Killer-Kriterium schlechthin.

Neue Konzepte werden vorhandene Systeme ablösen müssen. Zum Beispiel ein ‚Customer Decision Hub‘, der allen Kanälen umfassend die komplette Kundenhistorie in konsolidierter, qualitätsgesicherter Version zur Verfügung stellt. Als Basis hierfür bietet sich beispielsweise ein spartenübergreifendes Business Analytics Datawarehouse mit 360 Grad Sicht auf alle Partnerinformationen an.

Handlungsdruck durch neue Wettbewerber

Die neuen Wettbewerber stellen für Versicherungen nicht nur eine Bedrohung, sondern auch eine Chance dar:

  • P2P-Produkte werden nicht umhin kommen, größere Risiken durch Kooperationspartner (=Versicherungsunternehmen) abzusichern.
  • Online-Vergleichsportale bevorzugen leistungsfähige Produkte, die auch von etablierten Versicherern angeboten werden können.

In beiden Fällen ist es für Versicherungsunternehmen ein großer Vorteil, wenn sie über Standard-Schnittstellen mit den IT-Systemen von Insurtechs Daten austauschen können. Versicherungen, die auch bisher schon mit Versicherungsmaklern zusammengearbeitet haben und deshalb z.B. die Daten-Schnittstelle des GDV unterstützen, werden hier gegenüber Unternehmen mit Ausschließlichkeitsvertrieb im Vorteil sein. Außerdem Unternehmen, die bereits Standardstrukturen in ihren Datenhaltungssystemen implementiert haben. (siehe auch ‚Vorteile eines Standarddatenmodells für Versicherungen‘).

Einführung von Produkt-Innovationen

Individualisierbare Versicherungsprodukte, die in einigen Fällen darüber hinaus eine Verknüpfung mit Rohdaten und/oder Scoring-Ergebnissen von IoT-Anwendungen erfordern, definieren erweiterte Anforderungen an die Datenhaltungskonzepte für Vertrags- und Risikoinformationen von Versicherungen. Betroffen hiervon sind sowohl die Bestands- und Tarifierungssysteme, als auch bereits vorhandene dispositive Systeme, z.B. Data Warehouse-Implementierungen (siehe auch ‚Versicherungen: Big Data, IoT und Data Warehouse?‘).

Ohne eine weitgehende Modernisierung der betroffenen Datenhaltungssysteme werden sich Versicherungen an dieser Stelle sehr schwer tun, Produktinnovationen erfolgreich einzuführen.

Kosten-Optimierung durch Schadenprognose und verbesserte Betrugserkennung

IT-Optimierungskonzepte im Zusammenhang mit der Schaden-Thematik führen zwangsläufig zum Thema ‚Daten‘:

  • Schadenprognose mit Predictive Modelling ist auch mit ausgefeilten analytischen Modellen nur so gut, wie die zugrundeliegende Datenbasis. Sind die Daten historischer Schäden nicht korrekt auswertbar, werden auch die analytischen Modelle keine treffsicheren Scoring-Werte liefern. Eine hohe Datenqualität ist deshalb eine wichtige Voraussetzung.
  • Betrugserkennung durch analytische Methoden erfordert die eindeutige Identifizierung sowohl aller beteiligten Personen als auch aller Schadenobjekte über eine ggf. längere Schadenhistorie hinweg. Dies erfordert Datenstrukturen in den zugrundeliegenden Datenquellen (z.B. einem Data Warehouse), die diese Identifizierung im Datenmodell und in den Dateninhalten überhaupt ermöglichen – mithin eine anspruchsvolle Anforderung an das Datenmanagement.

Modernisierung der IT aufgrund von neuen Regularien

Die zunehmenden regulatorischen und gesetzlichen Anforderungen für Versicherungen zwingen die Unternehmen, ihre Informationssysteme und Datenprozesse grundlegend zu erneuern. Die Anforderungen lassen sich in der Regel nicht durch eine einfache Erweiterung oder Anpassungen von Programmen der – teilweise über Jahrzehnte - gewachsenen und vielfach veralteten IT-Infrastruktur bedienen, sondern erfordern eine grundlegende Modernisierung der Datenmanagement-Konzepte:

  • Wesentlicher Bestandteil der Solvency 2 Richtlinie ist die Forderung, dass jederzeit und für jeden Informationsbestandteil der umfangreichen Berichte das zugrundeliegende Regelwerk und alle Quellinformationen (Datenfelder und Quellsysteme) dokumentiert werden müssen. Der hieraus resultierende Aufwand für Eigenentwicklungen ist immens und die Anforderungen werden in der Regel von bestehenden IT-Lösungen nicht erfüllt. Erforderlich sind deshalb Datenmanagement-Lösungen, die eine umfassende Impact-Analyse bereitstellen – im Optimal-Fall automatisiert und unterstützt durch eine Metadatenlösung und ein Business-Glossar.
  • Mit der Europäischen Datenschutzrichtlinie und dem Code of Conduct des GDV müssen Versicherungen sicherstellen, dass persönliche Daten in den Informationssystemen nicht mehr allen Anwendern im Klartext angezeigt werden. Die dafür erforderlichen Anonymisierungs- oder Pseudonymisierungs-Routinen erfordern entweder aufwändige Anpassungen in vorhandenen ETL-Programmen oder den Einsatz von dafür konzipierten Datenmanagement-Lösungen, die diese Aufgabe für beliebige Datenquellen halb-automatisiert lösen können. Vielfach ist es in diesem Zusammenhang auch eine besondere Herausforderung, überhaupt zu erkennen, an welchen Stellen der verzweigten Daten-Landschaft einer Versicherung persönliche Daten gespeichert werden. Auch hier kann eine intelligente Datenmanagement-Lösung helfen.

Zusammenfassung

Es wird deutlich, dass die Anforderungen an Datenmanagement-Prozesse einschließlich der zugrundeliegenden Datenstrukturen im Zusammenhang mit der Digitalisierung von Versicherungen zunehmend anspruchsvoller werden. Deshalb wird es für Versicherungen an Bedeutung gewinnen, neue leistungsfähige und flexible Datenmanagement-Konzepte zu implementieren.

Erfahren Sie mehr darüber, wie SAS der Versicherungsbranche bei diesen Anforderungen im Zusammenhang mit der Digitalisierung durch Datenmanagement-Lösungen und optimierte Daten-Architekturen weiterhelfen kann.

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