Evolution statt Revolution – Wie Data Analytics Versicherer verändert

Ein Kernergebnis der Studie ist, dass unter den Versicherern der Abstand zwischen Pionieren sowie einem breiten Mittelfeld und den Nachzüglern im Bereich Analytics immer größer wird. Um nicht den Anschluss zu verlieren und langfristig Wettbewerbsnachteile zu erleiden, sollten Versicherer mit einem geringeren Data-Analytics-Reifegrad zeitnah kontinuierlich und signifikant in Analytics investieren, Datenspezialisten gewinnen sowie skalierbare Use Cases für das eigene Geschäftsmodell entwickeln. 

Budgets steigen – Digital Champions geben das Tempo vor

Die Vorreiter haben vergleichsweise früh und konsequent in Data Analytics investiert. Sie verfügen bereits über eine moderne Infrastruktur, innovative Technologien, die erforderliche Mitarbeiter-Expertise und setzen mehrere Use Cases ein.

Diesen folgt ein breites Mittelfeld (56 Prozent) in der Übergangsphase sowie eine Gruppe von Nachzüglern (22 Prozent) ohne wesentliche Analytics-Aktivitäten. Damit hat sich die Aufspaltung des Marktes, die sich bereits in der EY-Vorgängerstudie von 2018 abzeichnete, signifikant verstärkt.

Mit dem wachsenden Einsatz von Data Analytics sind die Versicherer auch verstärkt auf der Suche nach hochqualifizierten Data Scientists als Mitarbeitern. Zudem geht mehr als die Hälfte der Unternehmen für eine erfolgreiche Implementierung innovativer Technologien für Use Cases enge Kooperationen mit externen Partnern – etwa Innovationszentren, InsurTechs oder Forschungseinrichtungen von Universitäten – ein. 88 Prozent der Versicherer, die aktive Digital Analytics Use Cases betreiben oder entwickeln, setzen auf das Know-how von externen Beratern.

Potenzial externer Daten häufig ungenutzt

Je aktueller und umfangreicher die verwendete Datenbasis, desto aussagekräftiger fallen die Analytics-Ergebnisse und desto vielfältiger die Nutzungsmöglichkeiten aus. Vor allem die Verknüpfung von Daten aus verschiedenen Quellen bietet Versicherungsunternehmen die Chance, völlig neue Erkenntnisse aus den Analysen zu gewinnen.

Jedoch nutzen die meisten Versicherer bislang überwiegend interne Daten, die im operativen Betrieb anfallen. Lediglich jedes sechste Unternehmen erzeugt gezielt Daten für einen späteren Analytics-Einsatz. Etwa jeder zweite Versicherer bindet unternehmensexterne und kostenfrei verfügbare Daten in seine Analytics-Aktivitäten ein.

Demnach besteht bei der Verwendung weiterer interner, insbesondere aber auch durch die Einbindung geeigneter externer Daten noch ungenutztes Analytics-Potenzial.

Use Cases mit Hebelwirkung

Die meisten Data Analytics Use Cases werden im Bereich „Schaden/Leistung“ implementiert, wo sie eine große Hebelwirkung entfalten. Selbst kleinste Optimierungsmaßnahmen ermöglichen dort erhebliche Einsparungen und Gewinnsteigerungen.

Der zweite thematische Schwerpunkt der Use Cases von Versicherungsunternehmen liegt im Bereich „Produktentwicklung/Management“, wo der Einsatz von Analytics zwecks Entwicklung von Versicherungsprodukten seit längerer Zeit bereits etabliert ist. Darüber hinaus werden aktuell zahlreiche Use Cases für den Kundenservice und Vertrieb entwickelt.

Ziele hoch gesteckt, aber nicht immer erreicht

Als wichtigstes Ziel für den Einsatz von Data Analytics nennen 83 Prozent der Befragten die Gewinnung neuer und den Erhalt bestehender Kunden, gefolgt vom Wunsch nach Effizienzerhöhung der Produktivität (72 Prozent). Allerdings sieht momentan lediglich jeder Fünfte (22 Prozent) das Ziel bezüglich Gewinnung neuer Kunden und lediglich jeder Dritte (33 Prozent) das Ziel bezüglich Effizienzerhöhung als erfüllt an. Knapp 40 Prozent sind der Ansicht, diese Ziele wurden lediglich teilweise erfüllt.

Für 17 Prozent haben sich die Erwartungen an Use Cases mit dem Ziel, neue Produkte und Geschäftsfelder zu entwickeln, erfüllt. Bei elf Prozent wurden die Erwartungen hier enttäuscht.

Process Mining ermittelt Risiken und Chancen

In den meisten Anwendungsfällen werden Technologien aus den Bereichen Künstliche Intelligenz (KI) und Machine Learning eingesetzt. Bei der Entwicklung neuer Use Cases erfreut sich Process Mining wachsender Beliebtheit. Bei diesen datenbasierten Prozessanalysen werden Geschäftsprozesse anhand der durchgeführten Transaktionen mit ihren Stärken und Schwächen exakt abgebildet. Dabei wird geprüft, ob entlang der einzelnen Prozesskette weiteres Optimierungspotenzial besteht.

Robotic Process Automation (RPA) kommt in bestehenden Use Cases häufig zum Einsatz, spielt aber bei Neuentwicklungen eine abnehmende Rolle. Die Blockchain-Technologie konnte sich bisher nicht etablieren.

Mangel an Know-how und Datenqualität als Hemmnis

Etwas mehr als die Hälfte der Versicherungsunternehmen mit aktiven Analytics Use Cases konnte fertiggestellte Use Cases nicht in die Produktion übernehmen.

Ausschlaggebend dafür waren weniger finanzielle Abwägungen als vielmehr fehlendes fachliches oder technisches Know-how bei den Mitarbeitern. Bei jedem zweiten Versicherungsunternehmen scheiterte die Einführung eines Use Cases an fehlenden Daten oder unzureichender Datenqualität.