Die Bestandsverwaltung stellt einen zentralen Schritt der Wertschöpfungskette eines Versicherers dar: Hier ist ein gutes Kundenmanagement zur Stärkung der Kundenbindung bei gleichzeitiger Kosteneffizienz das Ziel. Außerdem sollen Cross- und Up-Selling Opportunitäten entdeckt und genutzt werden, um das ganze Potenzial des Portfolios auszuschöpfen. In diesem Schritt der Wertschöpfungskette ist der Einsatz von „Big Data“ zwar nicht so offensichtlich, kann jedoch helfen diesen Anforderungen gerecht zu werden.

Hierfür ist vor allem die Zusammenführung und die automatisierte und skalierte Verarbeitung bzw. Analyse der relevanten Datensätze essentiell. Das Hauptproblem, welches Versicherungen in der Bestandsverwaltung häufig haben, ist dass sich Kundenkontakt nur beim Versicherungsabschluss, bei der Rechnungsstellung und im Schadensfall ergibt. Das macht es schwer, Cross- und Up-Selling Potenziale zu erkennen und zu nutzen, sowie eine intensive Kundenbeziehung und somit Loyalität aufzubauen.

Beim Schlagwort „Big Data“ wird meistens an Anonymisierung und die Reduktion von menschlichem Kontakt gedacht. Jedoch kann „Big Data“ richtig eingesetzt die individuelle Kundenbeziehung intensivieren ‒ zum Beispiel durch verhaltensbasierte Produkte und besseren Service ‒ und damit dem Problem des mangelnden Kundenkontakts effektiv und für den Kunden mehrwertstiftend entgegenwirken. Wie bereits erwähnt, werden Versicherungsprodukte, die Informationen über das Verhalten des Versicherten in die Prämienkalkulation mit einbeziehen, immer häufiger angeboten. Die dadurch generierten Daten können nicht nur zur effizienten Prämienkalkulation genutzt werden, sondern auch um Kunden stärker einzubinden, indem Mehrwerte für sie geschaffen werden ‒ eine Win-Win-Situation ergibt sich. Dieses Konzept lässt in der Bestandsverwaltung viele transformative Neuerungen zu.

Ein Anwendungsbereich zur Nutzung von „Big Data“ in der Bestandsverwaltung ist die Ausschöpfung von Cross- und Up-Selling Potenzialen durch Analysemethoden, welche Echtzeitdaten von verknüpften Endgeräten oder bestehende Informationen bezüglich des Versicherten einsetzen.

Ein Beispiel hierfür ist der Einsatz von maschinellem Lernen (z.B. Google Cloud Machine Learning) zur automatisierten Erkennung von Mustern im Kundenstamm, welche auf Cross- und Upselling-Opportunitäten hinweisen. Der selbstlernende Algorithmus erlernt auf Basis eines korrekt klassifizierten Trainings-Datensatzes, die Erkennung von solchen Mustern und kann diese Fähigkeit dann wiederum auf den Rest der CRM-Daten anwenden. Das Resultat wäre eine dynamische Liste von Kunden, welche sich für Cross- und Upselling-Maßnahmen besonders gut eignen. Der Kunde profitiert von relevanten Hinweisen auf etwaige Versicherungslücken, während der Versicherer seine Beiträge steigert und Kosten für alternative Cross- und Upselling-Maßnahmen einspart.

Der Versicherer Tokio Marine ist zum Zweck des Cross-Sellings eine Partnerschaft mit dem Telco Anbieter NTT DoCoMo eingegangen9, um Echtzeitdaten von vernetzten Endgeräten auswerten zu können. Das resultierende Produkt ermöglicht es Kunden via App Einmalversicherungen für Reisen, Skifahren, Golfen und Autofahren abzuschließen.

Des Weiteren können durch prädiktive Methoden basierend auf Kundendaten diejenigen Kunden im Portfolio identifiziert werden, die mit großer Wahrscheinlichkeit abwanderungswillig sind. Mittels Analysen von Beschwerden, Call-Center Logs und weiteren relevanten Kundendaten lässt sich ermitteln, bei welchen Kunden die Kündigungsgefahr am größten ist. Diese können dann gezielt angesprochen werden und durch verbesserten Service oder eine optimierte Police gehalten werden. Der Kreditkartenanbieter American Express wendet diese Methode an und kann so 24 Prozent jener Konten in Australien identifizieren, die innerhalb der nächsten 4 Monate gekündigt werden.10

Im Bereich der Krankenversicherung könnten Versicherer Bonusprogramme einführen, bei welchen die Versicherten bei bestimmten Sport- und Lifestyle-Partnern Rabatte bekommen - so wie von Vitality bereits eingeführt. Dies steigert die Kundenbindung und Loyalität. Es wird dokumentiert, wer sich sportlich betätigt und etwas für seine Gesundheit tut. Im Gegenzug für einen gesunden Lebenswandel erhalten Kunden Rabatte bei Partnerunternehmen. Der Versicherte profitiert durch Anreize für einen gesünderen Lebenswandel, während der Versicherer von geringeren Therapiekosten profitiert.

Weiter geht es zu dem fünften Teil: Big Data in der Versicherungsindustrie ‒ Schadens-Management.

Quellen:
  • 9. http://www.the-digital-insurer.com/dia/tokio-marine-partners-with-ntt-docomo-to-offer-one-time-insurance/
  • 10. http://searchcio.techtarget.com/opinion/Ten-big-data-case-studies-in-a-nutshell