ifa informiert

Data Analytics in der BU-Versicherung (mit Vorstellung am 26.05.2021 im Livestream)

Auch in der Berufsunfähigkeitsversicherung ist die Höhe der Prämie ein zentrales Kriterium für den Verbraucher. Die Prämie berechnet sich dabei typischerweise aus mehr Merkmalen als nur Alter und Beruf. Gerade in den letzten Jahren sind immer mehr Merkmale zu Person und Beruf hinzugekommen, welche die Ermittlung der Prämie verfeinern und so den Versicherern in ausgewählten Segmenten einen Preisvorteil verschaffen können.

Aus aktuarieller Sicht wird damit die Prämienkalkulation in der Berufsunfähigkeits­versicherung komplexer und die mathematischen Methoden müssen entsprechend Schritt halten. Methoden von Data Analytics können beispielsweise mittels Entscheidungs­bäumen Abweichungen von erwarteten zu tatsächlichen Inzidenzen in einzelnen Segmenten aufzeigen. Dies nutzt man heute bereits häufig im Risikocontrolling. Solche Erkenntnisse können aber natürlich auch für die Prämienkalkulation genutzt werden.

Ein Beispiel kann die Anwendung von Data Analytics in der Prämienberechnung verdeutlichen: Eine einfache Kalkulationsmethode besteht darin, ein Merkmal anhand eines einheitlichen Faktors zu berücksichtigen. Dies sei hier das Merkmal Raucherstatus. Für Raucher wird ein Zuschlag von 10% und für Nichtraucher ein Abschlag von 5% auf die Basistafel erhoben und damit ein Spreiz von 15% vorgenommen. Bei einer Analyse von tatsächlich eingetretenen BU-Fällen im Vergleich zu den erwarteten Fällen mittels Entscheidungsbäumen zeigt sich nun folgendes Bild: Auf den gesamten Bestand betrachtet, kann der Zuschlag von 10% bzw. Abschlag von 5% bestätigt werden. In teuren Berufsgruppen fällt der Spreiz jedoch tatsächlich geringer aus als 15% und in günstigen Berufsgruppen stärker. Ein solches Ergebnis bedeutet dann insbesondere, dass für günstige Berufsgruppen die Prämie für Raucher stärker erhöht und für Nichtraucher stärker verringert werden könnte.

Der Aktuar spricht in Fällen, in denen Merkmale in Bezug auf die Zielgröße voneinander abhängen, von Interaktionen. Das zuvor geschilderte Beispiel zeigt bei Raucherstatus und Berufsgruppe bzgl. der Invalidisierungswahrscheinlichkeiten solche Interaktionen auf, sodass sich ein nicht-konstanter Spreiz für verschiedene Berufsgruppen ableiten lässt.

Methoden von Data Analytics wie die hier eingesetzten Entscheidungsbäume sind in der Lage, selbstständig Interaktionen aus Merkmalen zu erkennen. Die Ergebnisse dieser Analysen bilden damit eine gute Basis für die Prämienkalkulation. Sie erlauben zum einen eine risikogerechtere Prämienkalkulation und zum anderen Wettbewerbs­vorteile durch eine differenzierende Preisgestaltung in ausgewählten Segmenten.

Dr. Sandra Blome und Dr. Johannes Schupp stellen am 26.05.2021 um 17.00 Uhr eine Anwendung von Data Analytics in der BU im Rahmen unseres Formats ifa informiert live vor. Im Mittelpunkt steht dabei eine Case Study. Der Kurzvortrag dauert etwa 30 Minuten.

Hier können Sie sich für diesen kostenlosen Livestream registrieren.

Weitere Informationen: