Swiss Re erwartet, dass Versicherer in den kommenden Jahren einen grösseren Teil ihrer IT-Budgets für Daten und Analytics ausgeben werden. Zu diesem Ergebnis kommt die aktuelle "Sigma-Studie" des Rückversicherers.

Demnach können neue Anwendungen im Advanced-Analytics-Bereich den Versicherern neue Möglichkeiten zur Risikobewertung und -minderung eröffnen. Ausserdem würden Analytics-Anwendungen zum Umsatz beitragen, da sie bei der Entwicklung von Vermarktungsstrategien oder bei der Einschätzung von neuen Segmenten helfen können.

Daneben könnten Versicherer ihre eigenen Daten mit externen Datensätzen ergänzen, was es unter anderem ermögliche, das Verbraucherverhalten besser zu analysieren oder die Preise für neue Märkte gezielter zu ermitteln. Analytics-Anwendungen würden es auch ermöglichen, die Bedürfnisse von Kunden besser zu verstehen und die Kundenbindung zu steigern.

Insgesamt würde die Versicherungsbranche was die Einführung neuer Technologien betreffe, häufig hinter anderen Branchen zurückbleiben, schreiben die Studienautoren weiter. Dies ändere sich, da viele Versicherer einen stärkeren Einsatz von Datenanalysen anvisieren. Prognosen von IDC zufolge werden die Ausgaben für Big Data und Analytics zwischen 2018 und 2022 über alle Branchen hinweg mit einer jährlichen Wachstumsrate von über 13 Prozent ansteigen, und Versicherer sollten nach Möglichkeit mit dieser Entwicklung Schritt halten, so die Autoren. Swiss Re geht davon aus, dass die Versicherer im Zuge der Aktualisierung ihrer Kernsysteme und im Wettbewerb um Differenzierungsmerkmale vermehrt in Analytics investieren werden.

Eine Reihe von Pilotprojekten würde den erfolgreichen und gewinnbringenden Einsatz von Analytics-Anwendungen illustrieren. Etwa konnte ein italienischer Motorfahrzeug-Versicherer durch den Einsatz von Telematik die Anzahl der Schadenfälle verringern. Durch den Einsatz von Datenanalysen zur Ermittlung der optimalen Bestandssegmente habe eine australische Sachversicherung die Abschlussrate deutlich erhöhen können.

Vor dem erfolgreichen Einsatz gebe es aber Herausforderungen zu überwinden. Die Studie nennt Hürden in Form von älteren Bestandssystemen, traditionellen Denkmustern und einem Mangel an Fachpersonal an der Schnittstelle von Datenwissenschaft, Risiko-Know-how und Technologie. Unternehmen würden häufig das Ausmass der nötigen Veränderungen in der Unternehmenskultur unterschätzen und überzogene Erwartungen des Managements seien ein weiterer Stolperstein. Darüber hinaus gelte es Datensilos zu überwinden und Auswirkungen von Maschine Learning auf den Konsumenten sowie Datenschutzfragen zu klären. (kjo)