Analyseverfahren Künstliche Intelligenz

Advanced Analytics – Rück­blick auf alle Bei­trä­ge

Wie Künst­liche In­telli­genz Ver­­si­che­­rungs­­unter­­neh­­men bei Ent­­schei­­dun­­gen hilft

Teil 1: Customer Journey, Digitale Trans­forma­tion und Wandel der Märkte als Treiber für Big Data und Advanced Analytics

Digitalisierung bewirkt als Innovationstreiber des 21. Jahrhunderts die digitale Transformation bzw. technische Digitalisierung. Um hier mitzuhalten, müssen Unternehmen Digitalisierungsstrategien entwickeln und umsetzen, also umfangreich analoge Daten in digitale Daten umwandeln, sowie Daten zur Optimierung von Geschäftsprozessen sammeln und analysieren. Advanced Analytics (auch Advanced Intelligence) ist ein entscheidender Baustein dieser umfassenden Entwicklung.

Der Druck, bei der automatisierten Analyse mitzuhalten, ausgelöst durch die Aspekte Customer Journey, Digitale Transformation und Marktwandel, motiviert die Versicherer und verheißt einen enormen Wettbewerbsvorteil.
Das Bewusstsein, dass eine positive Customer Journey längst kein Zufall mehr ist, nimmt zu. Für eine hohe Kundenzufriedenheit ist die Erfahrung, die der Kunde während der Berührungspunkte mit dem Unternehmen und seinen Leistungen hat, kritisch. Daher gilt es, diese individuellen Punkte durch Analyse gezielt zu optimieren und innovative Angebote anzubieten.

Dem allgemeinen digitalen Wandel kann sich kein erfolgreiches Unternehmen entziehen. Kunden verlangen ein perfektes Zusammenspiel der einzelnen technischen Möglichkeiten. Aber auch im Backend profitieren Mitarbeiter von einer ausgeklügelten digitalen Datenanalyse, welche nicht nur Service und Produktpalette optimieren kann, sondern ebenfalls Prozesse effizienter gestaltet und klare Entscheidungsgrundlagen liefert. Advanced Analytics und Big Data bilden, gestützt durch die digitale Transformation, ein perfektes Paar, das aus dem Bouquet der Kundendaten wichtige Erkenntnisse ziehen kann. Ohne eine umfassende digitale Basis können diese Datenmenge nicht verarbeitet und beispielsweise für Telematiktarife genutzt werden.
All das bewirkt den Wandel der Märkte. Wer diesen Wandel mitgestaltet und nicht nur Angebote hinterherhinkend kopieren möchte, muss selbst in Bewegung bleiben. Starre Prozesse und das Ignorieren diverser Digitalisierungsstrategien haben bei Großunternehmen zur Folge, dass Start-Ups und agile Firmen Marktanteile abgreifen. Für zukunftsorientierte und pionierhafte Leistungen bedarf es einer umfassenden Datensammlung und Aufbereitung.

Customer Journey, Wandel der Märkte, Digitale Tranformation und Big Data fördern den Analyseprozess
Advanced Analytics – die drei Treiber: Customer Journey, Wandel der Märkte, Digitale Tranformation und Big Data
Teil 2: Definition, Schritte und Tools von Advanced Analytics

Genau hier können moderne Analyse-Methoden die benötigte Unterstützung liefern. Advanced Analytics erkennt, interpretiert und verarbeitet sinnvolle Muster in Daten und nutzt dabei Wissen aus den Bereichen Statistik, Computer-Programmierung, Künstlicher Intelligenz und Operations Research. Wie dabei das einzelne Vorgehen ist, wird deutlich, wenn man die Analysestufen grob in vier Schritte aufteilt:
Descriptive (Was ist passiert?), Diagnostic (Warum ist es passiert?), Predictive (Was könnte bzw. wird passieren?) und Prescriptive Analytics (Wie können wir es beeinflussen?).

Damit ist gleichzeitig die hauptsächliche Abgrenzung von Business Intelligence genannt. Während sich Business Intelligence auf vergangenheitsorientierte Fragen beschränkt, leitet Advanced Analytics Handlungsoptionen ab und präsentiert Gründe, Prognosen und Handlungsoptionen, welche bei einer datenbasierten Entscheidungsfindung Hilfe leisten. Zudem zeichnet sie sich durch einen höheren Automatisierungsgrad bei der Datenauswertung und Interpretation, sowie durch einen höheren Komplexitätsgrad der Werkzeuge ab. Somit schließt Advanced Analytics eine Problem-Lücke, denn genau zwischen dem Sammeln der Informationen und den konkreten Handlungsoptionen fehlten bislang datenbasierte intelligente Methoden für fundierte Entscheidungsgrundlagen. Ein solcher Gap führt dazu, dass Unternehmen aus Big Data teils nur eingeschränkt oder stark verzögert Entscheidungen ableiten können.
Wenn Versicherungen hier Kompetenz erreichen möchten, stehen inzwischen diverse Lösungen zur Verfügung. Unterschieden werden sie vorrangig anhand der Einsetzbarkeit: Zum einen gibt es generische Systeme (z.B. SPSS oder Matlab), welche vielfältig einsetzbar sind, zum anderen beispielsweise Out-of-the-box-Systeme (z.B. für Visualisierungs- oder Prognosemodelle), welche für konkrete Anwendungsfälle zur Verfügung stehen. Dazwischen gibt es weitere Möglichkeiten, wie etwa Business Intelligence Werkzeuge (z.B. Power BI oder SAS), welche eine gewisse Teilflexibilität anbieten.

Abgrenzung des Reifegradmodells von der klassischen Analyse
Abgrenzung von Advanced Analytics zu Business Intelligence
Teil 3: Einsatz von Advanced Analytics bei Ver­siche­run­gen

Im Frontend begleiten diese Systeme Kunden inzwischen in zahlreichen Bereichen. Wer schon einmal größere Online-Portale genutzt hat, kennt Darstellungen von Alternativangeboten, welche Parallel zur eigenen Produktwahl angezeigt werden. Dies ist das Resultat einer umfassenden Analyse. Im Versicherungswesen profitieren Kunden insbesondere von Telematik-Tarifen, hinter denen ebenfalls digitale Analysemethoden stecken, gefüttert durch zahlreich gesammelte Daten.

Dass für Versicherungen das Sammeln von Kundendaten schon immer ein Kerngeschäft war, kommt den Unternehmen zu Gute. Wenn zusätzlich Digitalisierungsstrategien genutzt werden, weiten sich die Möglichkeiten für diverse Telematik-Tarife. Ein Pionier-Produkt war hier die KFZ-Telematik. Inzwischen wird dieses Angebot von Kunden rege genutzt, trotz einiger Kritik seitens der Verbraucherschützer wegen evtl. Datenmissbrauch oder aufgrund möglicher Diskriminierung. Die Vorzüge scheinen zu überzeugen: Verbesserung der Fahrweise, Informationen zu Routen und durch Vernetzung Erkennung der dort auftretenden Gefahren. Statistiken nennen ein Absenken von Unfällen um bis zu 40 Prozent bei Telematik-Nutzern. Weitere Vorzüge entstehen bei den Anbietern dieser Tarife. Die Schadensbearbeitung und Aufdeckung von Betrugsfällen kann nachvollziehbarer werden, was eine effizientere Schadensregulierung zur Folge hat, wovon Kunden schließlich durch sinkende Beiträge profitieren dürften.

Blackbox für individuellen KFZ-Versicherungs-Tarif
So funktioniert KFZ-Telematik mit Smartphone oder Blackbox.

Von einer ebenfalls steigenden Nutzungszahl geht man bei Telematik-Tarifen im Gesundheitsbereich aus. Programme zur Selbstkontrolle (z.B. als Health-Apps) dienen den Nutzern, um meist Gesundheit, Leistung, Ernährung oder Bewegung zu optimieren. Mit Hilfe von Wearables (tragbaren Systemen) oder Apps werden relevante Daten ermittelt und an die Versicherer weitergeleitet. Wenn die Auswertung nach der Analyse positiv ausfällt, profitieren die Kunden von Prämien oder vergünstigten Tarifen. Aber auch das Sammeln von Daten beim Patienten-Monitoring zur bestmöglichen Behandlung ist ein interessanter Bereich. Wie bei der Kfz-Telematik warnen auch hier kritische Stimmen vor der Transparenz solch heikler Daten und der so möglichen Benachteiligung bestimmter Kundengruppen, insbesondere wenn die Daten umfassend gesammelt werden. Beachtlich sind dennoch die Vorteile, die Gesundheits-Telematik und Gesundheits-Monitoring mit sich bringen: Neben der Motivation zu mehr Gesundheitsmaßnahmen, kann im konkreten Fall Patienten geholfen werden. Intelligente Systeme analysieren und schaffen Transparenz bei komplexen Symptomen und den entsprechenden Krankheitsverläufen. Sie können zudem schnell und unkompliziert eine individuelle Übersicht zu Neben- und Wechselwirkungen bei Medikamenten liefern. Davon profitieren bei einem sensiblen Datenumgang Patienten, Ärzte und Krankenversicherungen.

Selbstvermessung und Self-Traking zur Gesundheitsoptimierung mittels Wearables und Health-Apps bei Versicherungen
Gesundheits-Telematik bei Versicherungen
Teil 4: Kundenverhalten im Fokus von Advanced Analytics

Doch nicht nur bei diesen konkreten Beispielen arbeiten ausgereifte Analyse-Systeme im Hintergrund. Sie können auch beim grundsätzlichen Service für Kunden von Vorteil sein und den Unternehmen helfen, ihre Kunden besser zu verstehen.
Wenn man heute Kundenverhalten analysieren möchte, sind schnell die Schlagworte Customer Journey, Touchpoints und Buyer-Personas gefallen. Mit diesen modellhaften Methoden wird intransparentes Kundenverhalten bildhaft nachvollziehbar gemacht. Marketing-Entscheider betrachten hierbei nicht mehr heterogene große Zielgruppen zum Optimieren der Touchpoints. Mit Hilfe von Advanced Analytics segmentieren sie Beispielpersonen und bestimmen präzise ihre Attribute sowie ihre einzelnen Informationswege online und offline. Sie schauen sich das oft hybride Kaufverhalten detailliert an, optimieren das Angebot und die maßgeschneiderte Ansprache und ermöglichen so die Schaffung der individuell perfekten Momente während der Informations- und Kauf-Phase. Eine so geschaffene 360°-Sicht erzeugt positive Kundenerfahrungen sowie Raum für Innovationen und somit Wettbewerbsvorteile. Voraussetzung hierfür sind eine intensive Kundenausrichtung sowie Digitalisierungsstrategien und der Einsatz von Avanced Analytics.

Für Touchpoint-Management sind Datenaustausch voraussetzend und die Optimierung der Marketingmaßnahmen das Ziel
Advanced Analytics und ein offener Datenaustausch im Unternehmen können umfassend helfen, die Touchpoints zu erkennen und zu analysieren. Nach diesen ersten Schritten können Prognosen zu den jeweiligen Customer-Journeys generiert werden. Eine optimale Basis um die Marketingmaßnahmen mittels Touchpoint-Management bestmöglich anzupassen.
Teil 5: Hürden und tat­säch­li­che Nut­zung

Doch hierfür gibt es in der Praxis zahlreiche Hürden. Zum einen schränken die immer strenger werdenden Datenschutzgesetze die Verwendung der Kundendaten zunehmend ein. Zum anderen gibt es unternehmensinterne Herausforderungen, die angegangen werden müssen. Digitale Transformation und Advanced Analytics können nicht einfach verordnet und eingesetzt werden wie ein Software-Update. Abteilungsübergreifend muss ein neuer Wind wehen. Es müssen Systeme genutzt werden, die Transparenz und Just-in-Time-Abfragen erlauben. Methoden der künstlichen Intelligenz leisten hier einen beträchtlichen Beitrag und schaffen eine äußerst effektive Grundlage zur automatisierten Auswertung der Daten. Intransparente Datensilos und freistehende Informationen verhindern das entscheidende Wandern der Informationen, was aber maßgeblich zur Kundenorientierung beiträgt. Zudem können Digital Labs (digitale Labore), in denen Innovationen vorangetrieben werden und welche eng mit Datenexperten zusammenarbeiten, eine sinnvolle Ergänzung sein. Grundsätzlich muss aber zunächst der Mut bestehen, Auswertungen, Prognosen und Handlungsempfehlungen digital ablaufen zu lassen und danach zu handeln. Dieser Mut scheint Umfragen zufolge nun langsam zu wachsen: Trotz all der Hürden, plant ein Großteil der Versicherer unter beträchtlichem finanziellen Einsatz die Umsetzung von digitalen Strategien. Digitale Plattformen, Omnichannel, Big Data, Analytics, Automatisierung und Agilität in Projekten finden hierbei am meisten Beachtung. Dieser Einsatz hat das Potential, Ängsten den Wind aus den Segeln zu nehmen. Nicht nur das – die Nachfrage nach Big-Data- und Analytics-Technik und -Services wird noch weiter vorangetrieben. Gründe sind die zunehmende Verfügbarkeit von Daten, neue technische Möglichkeiten, rasche Neuentwicklungen bei der Künstlichen Intelligenz sowie der kulturelle Wandel in den Unternehmen, Entscheidungen zunehmend datenbasiert zu treffen. Die IT wird hierbei eine neue Rolle spielen, denn in das rechte Licht gerückt und unterstützt durch neue Rollen, wie dem Data Engineer oder dem Data Scientist sowie durch die Geschäftsführung, kann sie den Unternehmen immens zur Wertsteigerung verhelfen.

Rechtliche Vorgaben, interne Zuständigkeiten, Digitalisieriung-Strategien, Personal-Ressourcen, Know-How und Vertrauen sind einige der wichtigen Themen, mit denen man sich vor der Einführung von Advanced Analytics beschäftigen sollte.
Advanced Anlytics bietet zahlreiche Wettbewerbsvorteile. Um diese zu nutzen, müssen zunächst einige Hürden genommen werden.
Katy Spalek

Katy Spalek

Manager Corporate Publishing bei BROCKHAUS AG
Katy Spalek ist bei der BROCKHAUS AG als Redakteurin für die Bereiche Marketing und Vertrieb zuständig und verantwortet Recherche, Verfassen und Layout von Texten zur Kundenkommunikation. Für das blogHAUS verfasst sie Beiträge über aktuelle Trendthemen aus IT, Marketing und Wirtschaft.
Katy Spalek
<< Vorheriger Beitrag
Nächster Beitrag >>

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.