Bringt maschinelles Lernen die grundlegende Wende? Wie revolutioniert es die Versicherungsbranche?

USA - Deutsch

• USA - English
• USA - Français

LONDON, November 7, 2016 /PRNewswire/ --

Im Vorfeld der Konferenz "Big Data & Analytics for Insurance" befragte PEX Network vier Hauptredner, und zwar Jason Cabral, Leiter Preisgestaltung und Managementinformation bei Zenith Insurance, Dan Fiehn, Direktor von Group IT, Markerstudy Group, Bob Spencer, Leiter Schadensfälle/Betrugsbekämpfung, Direct Line Group und Victor Hu, Leiter Data Science bei QBE Insurance, und veröffentlichte ein E-Book mit den Fallstudien, das unter dem folgenden Link heruntergeladen werden kann: http://bit.ly/2dCCyHg .

Jeder Redner erläutert darin, wie in seinem Unternehmen maschinelles Lernen eingesetzt wird und wo seiner Ansicht nach die Vorteile und Grenzen liegen. Beispielsweise wurde bei Zenith mit dem Unternehmen DataRobot eine Machbarkeitsstudie zu Marktpreisen durchgeführt, um ein Marktmodell zu entwickeln. Danach wurde mithilfe verschiedener Faktoren, z. B. Alter, Beruf, Postleitzahl, Familienstand, Länge der Lizenzinhaberschaft oder nichtübertragbare Krankheiten, eine Prognose zum Durchschnitt der besten fünf Preise angestellt. Die Daten stammten dabei von der vergleichenden Webseite Money Supermarket. Anschließend wurde das Marktmodell mit maschinellen Lerntechniken trainiert.

Markerstudy verfolgt hingegen das Ziel, die eigene operative Stabilität zu schützen, und konzentrierte sich deshalb zunächst auf den Bereich Internetsicherheit. Das Unternehmen verwendete dabei eine Bedrohungserkennung, die lernt, formale Traffic-Bewegungen im Unternehmen zu erkennen, und Anomalien, die mögliche Bedrohungen darstellen können, präzise zu lokalisieren. Als Leiter für Schadensfälle/Betrugsbekämpfung überprüft Bob Spencer riesige Datenmengen zu Schadensfällen sowie externe Daten. Hierfür nutzt sein Unternehmen nun maschinelles Lernen, um die Herausforderungen, die mit herkömmlichen Abwehrinstrumenten verbunden sind - diese müssen regelmäßig neu justiert werden - zu bewältigen. Beim maschinellen Lernen erfolgt die Justierung hingegen eigenständig und fortlaufend. Bewegungs- und Verhaltensänderungen werden anhand ausgewerteter Ergebnisse verfolgt.

Victor Hu von QBE verleiht maschinellem Lernen aufgrund seiner Erfahrungen in der Musikbranche eine ganz neue Dimension und hebt die Bedeutung der menschlichen Komponente hervor: "Die potenziellen Vorteile sind überaus vielfältig. Im Zentrum des Versicherungswesens steht jedoch eine exakte Entscheidungsfindung auf Basis mehrerer Faktoren und verschiedener Datenpunkte. Maschinelles Lernen bietet Fachkundigen deshalb ein zusätzliches Werkzeug, um noch genauere Entscheidungen treffen zu können. "

Hier können Sie das E-Book herunterladen: http://bit.ly/2dCCyHg

Das vollständige Programm, Veranstaltungsdetails und Anmeldeinformationen zu Big Data & Analytics for Insurance finden Sie unter http://www.dataanalyticsinsurance.com, Tel. +44(0)207-036-1300 oder E-Mail [email protected].