Data Mining
|
Ausgangssituation
Die traditionelle Loyalität der Verbraucher im Bereich Finanzdienstleistungen ist aufgebrochen. Die Verbraucher erliegen der gestiegenen Angebotsvielfalt. Der härtere Wettbewerb um die guten Risiken führt tendenziell zu sinkenden Margen und birgt die Gefahr der Gegenselektion.
Auf der Schadenseite müssen signifikante Abweichungen und Häufungen frühzeitig erkannt, Gefahren aufgedeckt, bewertet und verzögerungsfrei in Entscheidungen umgesetzt werden. Dies gilt für strategische und taktische Entscheidungen wie die generelle Präsenz in einzelnen Marktsegmenten oder die Anpassung der Produktpalette. Dies wird auch immer wichtiger für das Tagesgeschäft, wo es um Entscheidungen wie die Annahme oder Ablehnung von Risiken oder um die Betrugserkennung geht.
Vor diesem Hintergrund ist eine stärkere Differenzierung und Segmentierung des Marktes notwendig. Es muss eine größere Zahl von Merkmalen sowie ihre Wechselwirkungen berücksichtigt werden. Dies erfordert neue Instrumente und Vorgehensweisen, mit denen Chancen und Risiken zeitnah aufgedeckt und bewertet werden können.
|
|
Unser Angebot
AOBC bietet im Bereich Data Mining folgende Leistungen sowohl als Beratungspaket als auch als Einzelleistung an:
- Aufbau der Datenbasis unter Verwendung interner und externer Daten
- Herausarbeitung von spezifischen Anforderungen und Handlungsbedarf
- Durchführung des eigentlichen Data Mining
- Dokumentation der Analyseergebnisse
- Weitergehende Analysen als rekursiver Prozeß
- Erarbeitung eines Maßnahmenplans und
- Untersuchung der Wettbewerbssituation für ausgewählte Geschäftsfelder
|
|
Auswirkungen und Ziele
Datenbanken mit gigantischen Datenvolumen sind in der Versicherungsbranche keine Seltenheit. Jede Transaktion - ob Vertragsabschluß, Schadensmeldung, Storno oder Adressänderung - erbringen den Unternehmen viele Informationen, die oft unkanalisiert abgelegt werden. Viele unterschiedliche Systeme lassen es nicht zu, die vorhandenen Informationen so zu interpretieren, dass erfolgreiche strategische Entscheidungsprozesse angestoßen werden können. Data Mining ist eine Methode, unternehmensrelevante Daten so anzureichern, dass die neuformierte Information in Managementbereichen effizient genutzt werden kann.
|
|
Inhaltliche Beschreibung
Fortschritte der Hard- und Softwaretechnologie machen heute neue Formen der Datenanalyse möglich. Der Begriff Data Mining steht für eine Form der explorativen Analyse von Daten. Data Mining zielt auf die rasche Aufdeckung von Zusammenhängen, die innerhalb großer Datenbestände verwischt oder unsichtbar geworden sind.
Chancen und Risiken
Durch Data Mining wird der Anwender in die Lage versetzt, seine Fragestellungen in einem fachlichen Zusammenhang bearbeiten zu können, ohne dabei schon zu Beginn des Prozesses eine präzise Aufgabenstellung formulieren zu müssen. Neue Werkzeuge halten ihn von der Programmierung frei.
Durch Data Mining und korrespondierende Techniken wie Neural Networks kann ein Quantensprung in der Informationsverarbeitung und Entscheidungsunterstützung erreicht werden. Bei isolierten Anwendungen kann der Data Overload jedoch leicht ein im Fachbereich zuvor nicht gekanntes Ausmaß annehmen.
Anwendungen
Data Mining ist prädestiniert für folgende Einsatzgebiete in der Versicherungswirtschaft:
- Zielgruppen-Marketing
- Kundenklassifikation aus Vertragsdaten und sozioökonomischen Daten
- Database Marketing
- Marktsegmentierung für Produktentwicklung und Vertrieb
- Analyse der Kundenzufriedenheit
- Potentialanalyse
- Betrugserkennung auf der Grundlage von Schaden- und Vertragsdaten
- Kapitalanlage-Management
- DV-Kapazitäts-Management
|
|
|