Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor

Die Seite wird erstellt Finja Krüger
 
WEITER LESEN
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Big Data – Freund oder Feind?

31. Januar 2018

© AAA Auctor Actor Advisor GmbH ■ Im Mediapark 8 ■ 50670 Köln
Auctor Actor Advisor® ist eingetragene Marke der AAA Auctor Actor Advisor Holding GmbH
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Big Data: Freund oder Feind?

© Auctor Actor Advisor GmbH                 31.01.2018   Seite 2
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Ziele der Veranstaltung und Abgrenzung

                               Einordnung des Begriffes Big Data
                               Abgrenzung zu Business Intelligence
                               Überblick schaffen über Big Data Nutzung im Markt
                                •   Big Data in anderen Branchen
                                •   Big Data in anderen Versicherungs-Sparten
                                •   Big Data in der Lebensversicherung
                               Darstellung einiger Chancen und Risiken von Big Data in der
                                Lebensversicherung
                               Skills im Zusammenhang mit Big Data

                                     Einstieg in eine angeregte Diskussion

Details zu den Anforderungen an die IT Architektur
Details zu IT Technologien
Details zu stochastischen Methoden des Data Mining und der Data Analysis

© Auctor Actor Advisor GmbH                                                     31.01.2018   Seite 3
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Was ist eigentlich Big Data?

   Im heutigen
     Zeitalter                                                                     Wie können
  werden jede                                                                      diese Daten
     Minute                                                                          sinnvoll
  Unmengen an                                                                        genutzt
      Daten                                                                         werden?
    produziert

Quelle: https://www.domo.com/blog/2012/06/how-much-data-is-created-every-minute/

 © Auctor Actor Advisor GmbH                                                         31.01.2018   Seite 4
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Versuch einer Definition von Big Data

© Auctor Actor Advisor GmbH                          31.01.2018   Seite 5
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Definition Big Data (nach Gartner (2011), IBM-erweitert)
“Big data” is high-volume, -velocity and -variety information assets that demand cost-effective,
innovative forms of information processing for enhanced insight and decision making.

                                                                        Ziel von Big Data

                                                 Kosteneffiziente
                                                 und innovative
                                                 Informations-
                                                 verarbeitung

                               Verlässlichkeit
                                 der Daten

 © Auctor Actor Advisor GmbH                                                       31.01.2018   Seite 6
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Was verstehen wir unter der Definition?

   Volumen                                                                      Geschwindigkeit
   Sehr große Datenmengen die durch die                                         Verarbeitungsgeschwindigkeit aber auch
   fortschreitende Digitalisierung unserer                                      Veränderungsrate, Umgang mit Datenpeaks
   Gesellschaft erzeugt werden                                                  mit Daten die mit unterschiedlichen
                                                                                Geschwindigkeiten geliefert werden
                                                      Verbesserte
                                                      Transparenz
                                                           und
                                                     Entscheidungs-
                                                         findung

   Vielfalt                                                                      Verlässlichkeit
   Strukturierte und/oder unstrukturierte                                        Wie ist die Aussagekraft meiner Daten?
   Daten, Vielfalt der Quellen, Vielfalt der                                     Wie sind die Daten korreliert? Gibt es auch
   Formate und Medien, Vielfalt der (noch                                        Misskorrelationen? Wie ist meine
   versteckten) Nutzungsmöglichkeiten                                            Datenqualität?

                                   Kosteneffiziente und innovative Informationsverarbeitung
                                   Moderne Technologie (Hadoop, NoSQL), Einbettung in
                                   bestehende Infrastruktur, welche Investitionen rechnen
                                   sich?

© Auctor Actor Advisor GmbH                                                                                 31.01.2018   Seite 7
Big Data - Freund oder Feind? - Januar 2018 - AAA Auctor Actor Advisor
Was bringt uns Big Data?

© Auctor Actor Advisor GmbH             31.01.2018   Seite 8
Unterschied zu Business Intelligence (BI)

Business Intelligence bezeichnet die betriebliche Entscheidungsunterstützung durch einen
 integrierten, aufs Unternehmen bezogenen IT-basierten Gesamtansatz.
M. Grünwald, D. Taubner: Business Intelligence, In: Informatik Spektrum: Aktuelles Schlagwort, 2009

   Business Intelligence                                                                   Big Data

  Daten sind strukturiert, konsistent,                                                   Strukturierte, teilstrukturierte und
   beständig, nach einem vordefinierten,                                                   unstrukturierte Daten, Daten im
   statischen Schema abgelegt                                                              ursprünglichen Format
  Typischer ETL Ansatz: Extrahieren,                                                     Direktes, spontanes ETL:
   Transformieren, Laden. Zugriff auf Daten                                                situationsabhängig mit wechselnden
   über definierte Schnittstellen um                                                       Zielen (Schema-on-Read)
   Berichte und Leistungsanalysen zu                                                      Innovative Konzepte (Not Only SQL,
   erzeugen (Schema-on-Write)                                     Beide                    Hadoop, Apache,…)
  Traditionelle Datenbanken, zentraler                        Methoden
                                                              können sich                 Glaskugel-Paradigma: „man weiß nicht
   Datenträger (DWH), SQL Abfragen                                                         wonach man fragen soll“, gut für das
                                                             ergänzen, sind
  Antworten auf wohldefinierte Fragen, gut                   aber im Kern                 „unbekannte Unbekannte“, explorativ
   für das „bekannte Unbekannte“,                            unterschiedlich              Agile Methoden, iterative
   Wiederholungen                                                                          Vorgehensweise, hohe
  Definition oft traditionell in einem top-                                               Reaktionsgeschwindigkeit
   down/bottom-up Ansatz                                                                  Flexiblere Handhabung von
  Definierte (oft langsame) Change-                                                       Änderungswünschen, schnellere/kürzere
   Prozesse                                                                                Umsetzungszyklen: neue Daten können
                                                                                           sofort verarbeitet werden

 © Auctor Actor Advisor GmbH                                                                                                31.01.2018   Seite 9
Business Intelligence vs. Big Data Analytics

                                                                                  Optimierung                  Was ist das Beste, was passieren kann?

                                                             Prognosemodelle                                   Was wird als nächstes passieren?
Wettbewerbsvorteil

                                  Vorhersage/Extrapolation                                                     Was, wenn diese Trends anhalten?

                                Statistische Analyse                                                           Warum passiert das?

                                                                 Alarme                                        Welche Handlungen sind erforderlich?

                                                      Abfragen/Drilldown                                       Wo genau ist das Problem?

                                          Ad-hoc Berichte                                                      Wie viele? Wie oft? Wo?

                              Standardberichte                                                                 Was ist passiert?

                                                                                   Grad an „Intelligenz“
                     Quelle: Davenport/Harris: Competing on Analytics: The New Science of Winning, 2007, S.8

                     © Auctor Actor Advisor GmbH                                                                                           31.01.2018   Seite 10
Worin besteht der Nutzen bei Big Data?

Quelle: BARC Research Study; Big Data Use Cases 2015

© Auctor Actor Advisor GmbH                            31.01.2018   Seite 11
Andere Branchen – ein Schritt weiter?

In anderen Wirtschaftsbranchen ist das Thema Big Data längst angekommen

                                      Online
                                     Versand-
                                      häuser           Supermarkt-
                       Payback
                                                        Werbung

         Landwirt-
           schaft
                                    Big Data                 Einzelhandel

                      LCD                                Pharma-
                  Bildschirme                            wirtschaft
                                    Automobil-
                                     hersteller

© Auctor Actor Advisor GmbH                                           31.01.2018   Seite 12
Einzug von Big Data in die Versicherungswirtschaft

                                 Telematik-Tarife
                                 Werkstatt-Bindung
KFZ
                                 Pay-as-you-drive
                                 Pay-how-you-drive

                                 Weiter reichende Risikosegmentierung unter Einbeziehung externer
                                  Daten (auch sozio-ökonomische Daten)
Rückversicherung                 Risikoadäquate Angebote für Firmenkunden
                                 Kreditfirmendaten/Kreditinstitut-Rankings (Scoring-Modelle)

                                 Rehabilitierungsmassnahmen zur Kostensenkung
                                 Predictive Analytics zur Vorhersage des zukünftigen Krankheitsverlaufs
Krankenversicherung               (Schadenrückstellungsoptimierung)
                                 Empfehlungen für (günstigere) Medikamentenalternativen

                                 Vertriebsunterstützung durch Anreicherung mit Geo-Daten
                                 Innovative KYC Modelle als Unterstützung zur Wahl des
CRM/KYC Modelle                   Kommunikationsweges
                                 Erstellen von Kunden-/Vertriebspartnerprofilen (kosteneffizienter
                                  Kundenservice/zielgerichtete Vertriebsunterstützung)

© Auctor Actor Advisor GmbH                                                               31.01.2018   Seite 13
Herausforderungen für Big Data

                              Quelle: kdnuggets.com

© Auctor Actor Advisor GmbH                           31.01.2018   Seite 14
Was sind die „Bremsen“ bei Big Data Themen?

Quelle: BARC Research Study; Big Data Use Cases 2015

© Auctor Actor Advisor GmbH                                31.01.2018   Seite 15
Big Data und die Lebensversicherung: ein Widerspruch (1/3)?

                                             Rechtliches Umfeld
 Bisher                                                                                    Mit Big Data

 Strikte Regulierung und                                                   Gesetzeskonformität und
 starker Datenschutz                                                        Zielgruppenorientierung

 Der deutsche Lebensversicherungsmarkt ist                   Grundvoraussetzung: genaue Kenntnis der
  einer der an strengsten regulierten in Europa                gesetzlichen Regelungen und Spielräume
 Sehr genaue Vorgaben wie Prämien und
  Rückstellungen kalkuliert werden müssen                     Genaue Analyse der Zielgruppe notwendig:
  (RechVersV etc.)                                             welche Kundengruppen sind bereit Daten zu
 Es existieren diverse Beschwerdestellen für                  teilen? Welcher Zusatznutzen für den Kunden
  Kunden (Ombudsmann, BaFin,                                   will ich bieten?
  Verbraucherschutz)                                          Genaue Ausgestaltung der AVBs bzw.
 Deutschland hat ebenso sehr strenge                          Datenschutzvereinbarungen unter
  Datenschutzbestimmungen                                      Einbeziehung der EU DSGVO.
 Die Bevölkerung hat eine sehr sensible                      Ziel: Transparenz für den Kunden über sein
  Wahrnehmung von Datenschutz                                  Beitrags-Leistungsverhältnis schaffen.

  © Auctor Actor Advisor GmbH                                                             31.01.2018   Seite 16
Big Data und die Lebensversicherung: ein Widerspruch (2/3)?

                                                  Tarifierung
 Bisher                                                                                        Mit Big Data

 Risikoausgleich                                                                              Individuelle
 im Kollektiv                                                                      Tarifierungsmerkmale

 Seit jeher ist das Äquivalenzprinzip die                       Äquivalenzprinzip gilt weiterhin, der Barwert
  Grundlage der Tarifkalkulation in der                           der zukünftigen Leistungen kann nur vielleicht
  Lebensversicherung:                                             etwas risikogerechter bestimmt werden.
 Barwert der zukünftigen Prämien = Barwert                      Das Risikoergebnis wird als Bilanzposition
  der zukünftigen Leistungen                                      „verschlankt“ weil es (größenmäßig und
 Oft ist die Leistungshöhe nicht vollständig                     zeitlich) umverteilt wird.
  bezifferbar, es werden
                                                                 Mit Big Data wäre eine bedarfsorientierte
  Eintrittswahrscheinlichkeiten und
                                                                  Pufferberechnung möglich. Der Kunde zahlt
  Erwartungswerte bei der
                                                                  von Beginn an risikogerechter, der Versicherer
  Leistungsberechnung einbezogen.
                                                                  muss im Verlauf weniger Sicherheitsrücklagen
 Tritt ein Schaden seiner Höhe nach nicht
                                                                  rückzahlen.
  gemäß des Erwartungswertes ein, wird die
  Differenz im Kollektiv ausgeglichen.                           Aber: Grundvoraussetzung ist nach wie vor
 Um die unsicheren (geschätzten) Parameter                       eine gesunde Streuung der Risiken im
  abzusichern, wird ein Puffer eingebaut und im                   Bestand.
  Leistungsfall als Bonus oder laufend als                       Zusätzlich muss die Verlässlichkeit der Daten
  Risikoüberschuss an den Kunden                                  vor allem ggü. der BaFin nachgewiesen
  zurückgezahlt.                                                  werden
 Ziel ist der Risikoausgleich im Kollektiv                      Ziel: systematische Risiken zu begrenzen
 © Auctor Actor Advisor GmbH                                                                  31.01.2018   Seite 17
Big Data und die Lebensversicherung: ein Widerspruch (3/3)?

                                                  Image
 Bisher                                                                                  Mit Big Data
 Konservativ, übervorsichtig,                                          Modern, am Puls der Zeit,
 langweilig, akribisch,                                                   transparent, fair, jung
 kompliziert

                                                           Durch zunehmende Digitalisierung arbeiten
                                                            viele Versicherer bereits an einem modernen
 Lebensversicherungen sind vernünftig und                  Auftritt
  erwachsen oder ein Muss (Sicherheit für                  Big Data wird in vielen Bereichen der
  Kredite und Hypotheken)                                   Lebensversicherung diskutiert (Vertrieb,
 Im Leistungsfall muss sich der Kunde auf eine             Prozessmanagement und Aktuariat)
  professionelle Abwicklung verlassen können               Neue Berufsfelder des Data-Analysten/Data-
 Vertrieb noch sehr altmodisch mit                         Scientists machen Versicherer attraktiver und
  persönlichem Kontakt und Vertrauensaufbau                 spannender für junge moderne Arbeitnehmer.
 Versicherungen sind eher starr und ein paar               Studien weltweit tätiger Niedrigzinsumfeld
  Jahre der aktuellen Mode hinterher                        zwingt zum Umdenken: der Bedarf an
 Lebensversicherer als Arbeitgeber ebenfalls               innovativen, kosteneffizienten Produkten und
  eher die sichere Bank (im Vergleich zum                   Vermarktungsstrategien steigt
  Banker/Fondsmanager/…)                                   Zusatznutzen als Feature verbessert das
                                                            Image (z. Bsp. Erinnerung an Sport/Tabletten)
                                                           Big Data kann Transparenz schaffen und
                                                            damit das Verständnis des Kunden für
                                                            Versicherungen verbessert

  © Auctor Actor Advisor GmbH                                                           31.01.2018   Seite 18
Big Data entlang der Wertschöpfungskette der
             Lebensversicherung

                                                                     Neue Points of Contact/Sale,
 Zielgruppenadäquate und                                          zielgerichtete Kundenansprachen,
bedarfsorientierte Produkte,                                      höhere Kundenbindung (customer
Absicherung von neuen und                                          journey), Cross- und Up-Selling,
        veränderten
     Lebenssituationen,
   Portfoliomanagement,
 risikogerechte Tarifierung
                                                                         360 Kunden-Sicht, schnellere
                                                                        Reaktionsgeschwindigkeiten auf
                                                                           Kundenanfragen, bessere
                                                                            Vertriebsunterstützung,
                                                                          Verwaltungskostensenkung,
                                                                                 übergreifende
       Kosteneffiziente                                                  Prozesstransparenz, Synergien
       Risikoprüfung im                                                      erkennen und nutzen,
         Leistungsfall,                                                           Betrugs- und
 Prozessoptimierung, höhere                                                 Verbrechensprävention
    Reaktivierungsquoten,
  steigende Prozessqualität
                                Vorhersage von risikobehafteten
                                       Kundenverhalten
                                (Mustererkennung), Analyse von
                                Zusammenhängen die bilanzielle
                                      Risiken minimieren
© Auctor Actor Advisor GmbH                                                           31.01.2018   Seite 19
Skills im Zusammenhang mit Big Data

                                  Analytisches
                                 Denkvermögen                     IT-Experte

    Vertriebsaffinität/
   Kundenorientierung
                                      Data Analyst                           Stochastik
                                 …muss riesige Datenmengen
                                 auf die für das Unternehmen
        Prozess-                 wichtigen Daten reduzieren,
        Experte                      diese analysieren und                   Datenschutz/
                                          aufbereiten
                                                                              gesetzliche
                                                                             Vorschriften

                  Aktuarielles
                    Wissen
                                  Visualisierung               Psychologie
                                 und Vermittlung
                                   von Daten

© Auctor Actor Advisor GmbH                                                       31.01.2018   Seite 20
Anforderungen an Aktuare im Big Data Umfeld

                              Finanzielle Rahmenbedingungen unter der
                              Niedrigzinsphase mit ihren besonderen Auswirkungen auf
    Aktuare                   die Kostensituation der Versicherer                          DAV arbeitet an
 müssen sich                                                                               der Konzeption
     unter                    Die besonderen regulatorischen Bedingungen bzgl.             einer neuen
Einbeziehung                  Solvency II und des Umgangs mit Kundendaten                  Ausbildung zum
von Big Data                                                                               (Actuarial) Data
noch stärker                  Die Bedeutung der vorhandenen Kunden- und
                                                                                           Scientist,
    mit den                   Vertragsbestände auf Basis z. T. sehr alter IT-Systeme und   angelehnt an die
  folgenden                   deren „Inforce Management“                                   Ausbildung der
   Aspekten                                                                                französischen
beschäftigen                  Den (noch) verzögerten Auf- und Ausbau des digitalen         Aktuarsvereinigung
                              Vertriebs und Verkaufs

              An vielen Universitäten werden bereits vermehrt Studiengänge zu Data
              Science angeboten

© Auctor Actor Advisor GmbH                                                                         31.01.2018   Seite 21
Fazit: Big Data und Lebensversicherungen

                                                                        Big Data ist für viele Versicherer
                  Der Weg zur individuellen Tarifierung                 noch neu, es fehlt an Erfahrungswerten
                  ist noch weit und muss vor allem durch
                  den Gesetzesgeber unterstützt werden.

                                                                                  Es fällt schwer den Zusatznutzen
                                                                                  durch Big Data zu beziffern, um die
                                                                                  nötige Investition zu validieren
     Es wird Expertenwissen benötigt um
     die Daten zu interpretieren und die
     Datenqualität zu beurteilen

                                                                    Vorsichtsprinzip und Vertrauensaufbau
                                                                    zum Kunden steht gefühlt im Gegensatz zu
                                                                    eher „intuitiver“ Anwendung von Big Data

                      Big Data wird noch ZeitHeute
                                               brauchen um sich in der LV zu etablieren.
                                  Was kann man in der Zwischenzeit tun?
© Auctor Actor Advisor GmbH                                                                       31.01.2018   Seite 22
AAA Auctor Actor Advisor in Kürze

                               Historie                                           Kompetenzen
AAA Auctor Actor Advisor wurde im Jahr 2002 als Organi-
sations- und Managementberatung für Finanzdienstleister
gegründet.
Die Gründer verbindet die Philosophie einer hohen Kunden-
und Erfolgsorientierung, die Lust an der täglichen Heraus-
forderung sowie der Spaß an der Zusammenarbeit mit
Kunden.
Bis heute gehört AAA Auctor Actor Advisor ausschließlich im
Unternehmen aktiven Gesellschaftern.

                                                 Erfolgreiche Projekte für
                                                   erfolgreiche Kunden
AAA Auctor Actor Advisor, der Berater mit
ausgewiesener Branchenexpertise für
Finanzdienstleister …
 … steht für strategische Denkansätze und innovative                        Allianz
  Themen
 … bezieht als unabhängiger Partner konsequent Stellung
  und bietet Orientierung
 … gestaltet mit interdisziplinären Teams aktiv und kunden-
  individuell den Wandel von Menschen, Prozessen,
  Strukturen und Systemen
 … schafft mit übergreifender Sicht pragmatische Lösungen        ZURICH

                               Leitbild                                            Referenzen
 © Auctor Actor Advisor GmbH                                                                    31.01.2018   Seite 23
Danke für Ihre Aufmerksamkeit

   Ihr Ansprechpartner zum Thema

                                             Elisabeth Rösler
                                             Principal Consultant

                                             AAA Auctor Actor Advisor GmbH
                                             Im Mediapark 8
                                             50670 Köln
                                             www.3-a-3.de

                                             Telefon       +49 (0) 221 55 405 411
                                             Telefax       +49 (0) 170 13 333 88 98
                                             Mobil         +49 (0) 170 333 88 98
                                             Email         Elisabeth.Roesler@3-a-3.de

© Auctor Actor Advisor GmbH                                                             31.01.2018   Seite 24
Sie können auch lesen