Datenanalytik als reine Auswertung war gestern - die Zukunft liegt in der auf Daten basierten Vorhersage sowie Handlungs- und Entscheidungsorientierung
Eine aktuelle Studie der ZHAW in Zusammenarbeit mit Cognizant kommt zum Schluss, dass es verschiedene Ansätze braucht, um das volle Potenzial von Daten für die Versicherungsindustrie auszuschöpfen. Die Datenkompetenz als wertsteigerndes Asset zu begreifen, wird mehr und mehr geschäftsrelevant:
- Die Versicherungsbranche erlebt einen deutlichen Anstieg in der Bedeutung von Daten, insbesondere durch technologische Fortschritte wie generative künstliche Intelligenz und grosse Sprachmodelle.
- Dies könnte zu einem Umbruch in Kund:inneninteraktion, Prozessen und Arbeitsweisen führen.
- Versicherungsunternehmen investieren massiv in Datenanalytik und künstliche Intelligenz, wobei eine ausgewogene Balance zwischen strategischer Vision und praktischer Umsetzung entscheidend ist, um das volle Potenzial von Daten auszuschöpfen und Innovationen zu fördern.
Das Versicherungsgeschäft basiert wesentlich auf der Verfügbarkeit und Nutzung von Daten, um Risiken zu quantifizieren und Preise festzulegen. Obwohl die effektive Aggregation von Daten und deren Analyse seit jeher zu den Schlüsselkompetenzen der Branche gehören, ist die Bedeutung von Daten als wertgenerierendes Asset im Zuge technologischer Entwicklungen gestiegen. Der Fokus der Datenanalytik verschiebt sich von der reinen Auswertung hin zu Vorhersage (Prädiktion) sowie zu Handlungs- und Entscheidungsorientierung (Präskription). Das geht aus einer aktuellen Studie der ZHAW in Zusammenarbeit mit Cognizant hervor.
Die Bedeutung unstrukturierter Daten ist dabei laut den Autorinnen und Autoren der Studie gestiegen. Insbesondere durch das Aufkommen generativer künstlicher Intelligenz (Generative AI) und grosser Sprachmodelle (Large Language Models) könnte den Unternehmen ein Umbruch in Bezug auf Kund:inneninteraktion, Prozesse und Arbeitsweisen bevorstehen.
Entwicklungen in Datendynamik
In 25 Gesprächen mit Expertinnen und Experten aus Versicherungsindustrie und Beratung, mittels einer Umfrage unter Mitarbeitenden im Versicherungssektor sowie durch die Analyse von Stelleninseraten sind sie der Frage nachgegangen, was die Entwicklungen in Datenanalytik und künstlicher Intelligenz für die Versicherungsunternehmen bedeuten. Ihr Fokus lag dabei insbesondere auf der zunehmenden methodischen und technologischen Komplexität und deren Konsequenzen für Kompetenzen, Rollen, Zusammenarbeit und Arbeitsweisen.
Um das volle Potenzial von Daten und die methodisch-technischen Möglichkeiten auszuschöpfen, Risiken effektiv zu managen und Innovationen zu fördern, lassen sich fünf Handlungsfelder skizzieren:
- Vision mit geschäftlichen Zielen und Prioritäten in Einklang bringen: Angesichts der dynamischen Entwicklungen in Datenanalytik und KI ist es essenziell, eine auf geschäftlichen Zielen basierende Vision zu entwickeln und Projekte entsprechend zu priorisieren.
- Modelle der Zusammenarbeit und entsprechende Kompetenzen fördern: Eine innovations- und datengetriebene Kultur mit Experimentierfreude und Fehlertoleranz sowie aktiver Risikokontrolle erfordert gezielte Sensibilisierung und Weiterbildung der Mitarbeitenden.
- Organisatorische und technische Voraussetzungen für Analytik und künstliche Intelligenz schaffen: Versicherer stehen nicht auf einer grünen Wiese. Es ist essenziell, die notwendigen Voraussetzungen für datengetriebene Arbeitsweisen und den Einsatz von künstlicher Intelligenz zu schaffen.
- Datenanalytik, KI und Generative AI als Unternehmensfähigkeit wertschöpfend implementieren Während die Wichtigkeit von Daten für den Versicherungsbetrieb allgemein anerkannt wird, müssen Umgang und Nutzen konkret in Prozessen und Arbeitsabläufen aufgezeigt werden.
- Awareness schaffen, um Arbeitsweisen neu zu gestalten, und «Tone from the Top»: Es sind nicht nur Richtlinien und Strukturen für Datenmanagement, Datenqualität, Datensicherheit und Compliance zu schaffen. Um diese mit Leben zu füllen, müssen sich Vorgesetzte und Mitarbeitende der geschäftlichen Bedeutung dieser Themen bewusst sein.
Warum ist eine Studie über Datenkompetenzen sinnvoll, wenn sich die Versicherungen mit Daten doch schon bestens auskennen?
Der Grund liegt darin, dass sich mit dem rapiden technologischen Fortschritt die Analyseoptionen und das Vorhersagepotential von Daten enorm verbessert haben.
Was bedeutet das für den Betrieb?
Berater:innen werden mit intelligenten Leads und einer intelligenten Segmentierung arbeiten. Für das Underwriting wird dies eine intelligentere Risikoselektion als heute bedeuten, aber auch eine stärker individualisierte, dynamische Preisgestaltung und eine sorgfältige Überprüfung des Wortlauts einer Police. Alles auf Knopfdruck abrufbar.
In der Schadenregulierung verschnellert sich die Automatisierung.
Die wichtigsten Erkenntnisse aus der Studie:
- Bottom-Up-Wertschöpfung: Für einen nachhaltigen KI-Erfolg müssen Unternehmen weg von allgemeinen Top-Down-Anwendungsfällen und hin zu Lösungen, die echte Probleme der Mitarbeiter im Unternehmen lösen.
- KI als Ergänzung: Das Ziel sollte nicht die vollständige Automatisierung sein, sondern die Verbesserung von Arbeitsprozessen entlang der Wertschöpfungskette.
- Neue Fähigkeiten, neue Denkweisen: Sowohl der Aufbau als auch die effektive Nutzung von KI-Lösungen erfordern neue Fähigkeiten und anpassungsfähige Arbeitsweisen.
Für mehr Information besuchen Sie bitte unsere Webseite zu unseren Services für Versicherungen / die englische Version hier.
