Data Mining: Die Kristallkugel für Underwriter

Düsseldorf/München (ots) -

Das Deloitte-Risikokapitalmodell auf Data-Mining-Basis ermöglicht
Versicherern die Minimierung von Risiken und eine reale
Prämiengestaltung beim Underwriting

Charakteristisch für das Underwriting bei Versicherern ist die
Abhängigkeit von künftigen, schwer vorhersehbaren Ereignissen. Tritt
ein solches Ereignis ein, hat dies Konsequenzen nicht nur für die
Rentabilität des jeweiligen Abschlusses, sondern für die Performance
des Versicherers insgesamt. Mit dem komplexen Deloitte-Modell auf
Basis von Data Mining lässt sich die Wahrscheinlichkeit möglicher
zukünftiger Ereignisse jedoch sehr genau antizipieren und eingrenzen.
So können Versicherer, ihre Underwriting-Risiken mithilfe dieser
anspruchsvollen Analysemethode minimieren und ein optimal angepasstes
Pricing realisieren.

"Die Versicherungswirtschaft hat sich nach den Katastrophen der
letzten Jahre zwar gerade erst halbwegs erholt und wieder
einigermaßen befriedigende Renditen erzielt, doch die weltweite
Konjunktur droht mit einem erneuten Abschwung", erläutert Marc
Böhlhoff, Director Insurance bei Deloitte. "Für die Branche könnte
dies in einem Nullsummenspiel enden, das nur durch wirksame Methoden
zur Risikoabschätzung beim Underwriting vermieden werden kann."

Statistisch fundierte Methoden

"Gerade auf den Underwritern lastet ein enormer Druck, zudem sind
ihre Entscheidungen oft auch von subjektiven Aspekten geprägt. Umso
wichtiger ist hier eine verlässliche, abgesicherte Methode zur
Beurteilung potenzieller Entwicklungen - und damit einhergehender
Risiken", ergänzt Marc Böhlhoff. Die Lösung liegt in der Kombination
von fundiertem Data Mining und entsprechenden Risikokapitalmodellen.
Schon heute fokussieren sich zahlreiche Versicherer auf die (Weiter-)
Entwicklung solcher Modelle, die Fähigkeit dazu gehört für viele
Marktteilnehmer bereits zu den Kernkompetenzen und verschafft ihnen
einen entscheidenden Wettbewerbsvorteil.

Fünfstufiger Prozess

Ein adäquates Data Mining erfolgt unter Anwendung geeigneter
statistischer Instrumente. Es bildet die Basis für die Entwicklung
von Risikokapitalmodellen. Im Zentrum steht dabei die Identifizierung
von Risikokenndaten, die ihrerseits als Konstante in die zu
entwickelnden Modelle einfließen. Der Prozess der Modellentwicklung
und -implementierung teilt sich in fünf Stufen auf: Entwicklung,
Evaluation, Prozess-Redesign, Technologie-Implementierung sowie
Training. Hierbei kommt es auf einen kontinuierlichen und
konsistenten Prozessfluss an - einschließlich Change Management und
der Einbeziehung regulatorischer Rahmenbedingungen.

Stärkere Segmentierung zur Reduktion von Verlustrisiken Ein
solches Modell bietet seinem Anwender eine Reihe von Vorteilen. Einer
davon ist die optimierte Segmentierung beim Underwriting. Diese
bewirkt eine entscheidende Reduktion potenzieller Verluste, da der
Versicherer eine größere Zahl an spezifischen Variablen zur Verfügung
hat, die ihm die Identifikation potenziell verlustträchtiger Policen
ermöglicht. Darüber hinaus ermöglichen Risikokapitalmodelle die
Erschließung neuer Geschäftsoptionen einschließlich eines attraktiven
Pricings. Ein weiterer Vorteil solcher Modelle ist die Möglichkeit,
die technischen Prozesse zu optimieren. Dazu gehört die Erweiterung
eines automatisierten Underwritings, im Rahmen dessen nur noch
ausgesuchte Aspekte manuell überprüft werden müssen, dazu gehört aber
auch die Selektion unterstützender - und kostenintensiver - Services,
die nur noch ganz gezielt zum Einsatz kommen. "Diese
Risikokapitalmodelle auf Basis von Data Mining eignen sich nicht nur
für das Underwriting und die Schadenbearbeitung bei
Schaden-/Unfallversicherern, sondern auch für Krankenversicherer",
betont Marc Böhlhoff.

Eine leistungsfähige Lösung auf Data-Mining- und
Risikokapitalmodell-Basis bietet Versicherern entscheidende Vorteile
sowohl in finanzwirtschaftlicher als auch in operationaler Hinsicht.
Um diese nutzen zu können, brauchen sie jedoch eine klare
Implementationsstrategie, die alle relevanten Aspekte beachtet. Erst
dann können sie die Profitabilitätspotenziale in vollem Umfang
ausschöpfen. "Immer mehr Versicherer werden Risikokapitalmodelle
entwickeln und einsetzen - umso kritischer wird die Situation für
jene, die sich gerade in Zeiten stagnierender und rückläufiger Märkte
überkommener Methoden bedienen", prognostiziert Marc Böhlhoff.

Einen ausführlichen Abstract dazu finden Sie hier zum Download.

http://www.deloitte.com/dtt/research/0,1015,sid%253D12883%2526cid%
253D141989,00.html

Ende

Deloitte Deutschland

Deloitte ist eine der führenden Prüfungs- und
Beratungsgesellschaften in Deutschland. Das breite Leistungsspektrum
umfasst Wirtschaftsprüfung, Steuerberatung, Consulting und Corporate
Finance-Beratung. Mit 3.400 Mitarbeitern in 18 Niederlassungen
betreut Deloitte seit 100 Jahren Unternehmen und Institutionen jeder
Rechtsform und Größe aus allen Wirtschaftszweigen. Über den Verbund
Deloitte Touche Tohmatsu ist Deloitte mit 135.000 Mitarbeitern in
nahezu 140 Ländern auf der ganzen Welt vertreten.

Deloitte bezieht sich auf Deloitte Touche Tohmatsu, einen Verein
schweizerischen Rechts, dessen Mitgliedsunternehmen einschließlich
der mit diesen verbundenen Gesellschaften. Als Verein schweizerischen
Rechts haften weder Deloitte Touche Tohmatsu als Verein noch dessen
Mitgliedsunternehmen für das Handeln oder Unterlassen des/der jeweils
anderen. Jedes Mitgliedsunternehmen ist rechtlich selbstständig und
unabhängig, auch wenn es unter dem Namen "Deloitte", "Deloitte &
Touche", "Deloitte Touche Tohmatsu" oder einem damit verbundenen
Namen auftritt. Leistungen werden jeweils durch die einzelnen
Mitgliedsunternehmen, nicht jedoch durch den Verein Deloitte Touche
Tohmatsu erbracht. Copyright © 2007 Deloitte & Touche GmbH
Wirtschaftsprüfungsgesellschaft. Alle Rechte vorbehalten.

Originaltext: Deloitte
Digitale Pressemappe: http://presseportal.de/story.htx?firmaid=60247
Pressemappe via RSS : feed://presseportal.de/rss/pm_60247.rss2

Pressekontakt:
Isabel Milojevic
PR Manager
Tel.: +49 89 29036-8825
imilojevic@deloitte.de