Rechnungsgrundlagen und Prämien in der Personenund Schadenversicherung: Aktuelle Ansätze, Möglichkeiten und Grenzen

Transkript

1 Rechnungsgrundlagen und Prämien in der Personenund Schadenversicherung: Aktuelle Ansätze, Möglichkeiten und Grenzen FaRis & DAV Symposium, Köln, 7. Dezember Tarifierung in den Nicht-Lebens-Sparten Welche Informationen benötigt das Management? Dr. Gero Nießen Director, Towers Watson GmbH

2 Towers Watson Als eines der weltweit führenden Beratungsunternehmen unterstützt Towers Watson Unternehmen in der Optimierung ihrer Performance durch effektive Lösungen im Personal-, Finanz- und Risikomanagement. ca Mitarbeiter in 34 Ländern Experten in ihren jeweiligen Themengebieten mit lokaler Kompetenz EUROPA & NAHER OSTEN Belgien Deutschland Frankreich Großbritannien Irland Italien Niederlande Österreich Portugal Russland Spanien Schweden Schweiz Vereinigte Arabische Emirate NORDAMERIKA Bermudas Kanada USA LATEINAMERIKA Argentinien Brasilien Chile Kolumbien Mexiko Uruguay ASIEN-PAZIFIK Australien China Indien Indonesien Japan Malaysia Philippinen Singapur Südkorea Thailand Vietnam towerswatson.com 2012 Towers Watson. All rights reserved. Proprietary and Confidential. For Towers Watson and Towers Watson client use only. 2

3 Towers Watson: Unser Beratungsangebot im Überblick Wir unterstützen Unternehmen bei der Optimierung ihrer Performance durch effektive Lösungen im Personal-, Finanz- und Risikomanagement. Retirement Solutions Actuarial Services General Consulting Legal/Tax Benefits Brokerage International Technology and Administration Solutions Talent and Rewards Executive Compensation Rewards, Talent & Comm. Rewards Sales Compensation Talent Management Data, Surveys & Technology Data Services Organizational Surveys & Insights HR Service Delivery Risk and Financial Services Risk Consulting & Software Insurance Consulting Risk Management Software Solutions Investment Services Brokerage Mergers & Acquisitions: von der Due Diligence bis zur vollständigen Integration Communication and Change Management towerswatson.com 2012 Towers Watson. All rights reserved. Proprietary and Confidential. For Towers Watson and Towers Watson client use only. 3

4 Risk & Financial Services Risk Consulting & Software Insurance Consulting Enterprise Risk Management Capital Management Financial Modeling Software Technology Solutions Produkt- und Marktstrategien Internes und externes Reporting Reservierung M&A und Restrukturierung Tarifierung Produktentwicklung Preisoptimierung Risk Management Enterprise Risk Management Risikotransfer Finanzielle Risiken Operationelle Risiken Risikokapital Risikoidentifikation Risiko- / Wertorientierte Steuerung Software Solutions Produktentwicklung / Pricing Reservierung Rückversicherungsoptimierung Ökonomische Szenario- Generatoren Berechnung, Aggregation und Allokation von Economic Capital Hedging-Konzepte Replicating Portfolios Predictive Modelling Asset-Liability Modellierung towerswatson.com 2012 Towers Watson. All rights reserved. Proprietary and Confidential. For Towers Watson and Towers Watson client use only. 4

5 Entstehung und Vernichtung von Wert (exemplarisch) 200% 180% Die schlechtesten 10% der Risiken zerstören 50% des Wertes Kumulierter Wert in Prozent des Gesamtwertes des Portefeuilles 160% 140% 120% 100% 80% Die 20% besten Risiken liefern bereits 100% des Wertes Die besten 60% der Risiken generieren einen Wert von 180% 60% 40% 20% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Anteil der Risiken (sortiert vom "besten" zum "schlechtesten") 5

6 Wie der Preis auf die Straße kommt Ein Beispiel aus der Wohngebäudeversicherung 6

7 Schadenquote Beitragsanpassung Beitragsanpassung in der Sparte Wohngebäude Beitragsanpassung in Wohngebäude 120% 30% 115% 25% 110% 105% 20% 100% 95% 90% 85% 15% 10% 5% Schadenquote vor Anpassung Ziel-Schadenquote nach Anpassung 80% und älter 0% Gebäudealter 7

8 Schadenquote Beitragsanpassung Beitragsanpassung in der Sparte Wohngebäude Beitragsanpassung in Wohngebäude: Der Plan 120% 30% 115% 25% 110% 105% 20% 100% 15% Beitragsanpassung 95% 90% 85% 10% 5% Schadenquote vor Anpassung 80% und älter 0% Gebäudealter 8

9 Schadenquote Beitragsanpassung Beitragsanpassung in der Sparte Wohngebäude Beitragsanpassung in Wohngebäude: Der Plan 120% 30% 115% 25% 110% 105% 20% 100% 95% 90% 85% 15% 10% 5% Beitragsanpassung Schadenquote vor Anpassung Ziel-Schadenquote nach Anpassung 80% und älter 0% Gebäudealter 9

10 Beitragssumme Schadenquote Beitragsanpassung in der Sparte Wohngebäude Beitragsanpassung in Wohngebäude: Die Realität 7,000, % 6,000,000 5,000,000 4,000,000 3,000,000 2,000,000 1,000, % 115% 110% 105% 100% 95% 90% 85% 80% Summe Prämie vor Anpassung Summe Prämie nach Anpassung und Rabatten Schadenquote vor Anpassung Ziel-Schadenquote nach Anpassung und älter 75% Gebäudealter 10

11 Beitragssumme Schadenquote Beitragsanpassung in der Sparte Wohngebäude Beitragsanpassung in Wohngebäude: Die Realität 7,000, % 6,000,000 5,000, % 115% 110% Summe Prämie vor Anpassung 4,000,000 3,000, % 100% 95% Summe Prämie nach Anpassung und Rabatten Schadenquote vor Anpassung 2,000,000 1,000,000 90% 85% 80% Ziel-Schadenquote nach Anpassung Ist-Schadenquote nach Anpassung, Storno und Rabatt und älter 75% Gebäudealter 11

12 Typische Fragestellungen des Managements Wie wird die Zusammensetzung des Portefeuilles im nächsten Jahr aussehen? Welche Segmente sind profitabel? Wie stehen wir zum Wettbewerb? Entwickelt sich das Schadengeschehen wie erwartet? Welche Segmente werden bei dieser Prämienanpassung vermehrt stornieren?

13 Wie der Preis auf die Straße kommt Wie effizient ist das Pricing in den Unternehmen? 13

14 Wie effizient ist das Pricing in den Unternehmen? Organisatorisches Engagement Ideal Herausragendes eingebundenes technisches Pricing und kommerzielle Verwendung mit unternehmensweitem Engagement Gut Starkes technisches Pricing und dessen Verwendung mit stärkerem Ineinandergreifen der Schlüsselfunktionen Grundlagen Technisches Pricing und dessen Verwendung, aber nicht eingebunden und wenig weiteres Ineinandergreifen mit anderen Unternehmensteilen Pricing Fähigkeiten Pricing Prozess 14

15 Effizienz des Pricing-Prozesses Pricing Fähigkeiten 15

16 Die Pricing Fähigkeiten Implementierung Preisimplementierung Entscheidung Preis & UW Einschätzung Kommunikation Analyse Technische Modellierung Marktbeobachtung & Monitoring Modellierung von Kundenverhalten Grundlage Daten Qualifikation Tools Aufsicht 16

17 Daten Daten sind der Rohstoff eines Versicherers It s all about data Prozess zur Datenextraktion und Datenaufbereitung etablieren: Vision der (zukünftigen) Datenverwendung Management-Information, Monitoring Klare Vorgaben an die IT notwendig Sämtliche verfügbaren Daten: Risikoinformationen, Kundeninformationen, Vertriebsweginformationen, Abgestimmter Datensatzaufbau mit klar definierten Ausprägungen Spartenübergreifende Konzeptionierung sinnvoll Dokumentation des Prozesses Etablierung einer Funktion zur Wahrung der Datenqualität 17

18 54 Erkennen signifikanter Strukturen in Daten AH: Beobachtete Frequenz Alter des VN Exposure Beobachtete Frequenz

19 Erkennen signifikanter Strukturen in Daten AH Frequenz: Alter VN je Statistikjahr AH Frequenz: Alter VN je Zufallsscheibe Exposure Exposure

20 Erkennen signifikanter Strukturen in Daten AH Frequenz Alter des VN Exposure Reineffekt (ohne Kurve) +2 Std Err~% -2 Std Err~% Reineffekt (Kurve) 20

21 Modellierung ist nicht nur auf die Privatsparten beschränkt Anzahl der (abhängig) Beschäftigten Schadenfrequenz Exposure Relative Zu-/Abschläge 21

22 Kommunikation der technischen Analysen Transportversicherung Modellüberprüfung auf einem Holdout-Sample (Schadenfrequenz) < 2 < 1,96 < 1,92 < 1,88 < 1,84 < 1,8 < 1,76 < 1,72 < 1,68 < 1,64 < 1,6 < 1,56 < 1,52 < 1,48 < 1,44 < 1,4 < 1,36 < 1,32 < 1,28 < 1,24 < 1,2 < 1,16 < 1,12 < 1,08 < 1,04 < 1 < 0,96 < 0,92 < 0,88 < 0,84 < 0,8 < 0,76 < 0,72 < 0,68 < 0,64 < 0,6 < 0,56 < 0,52 < 0,48 < 0,44 < 0,4 < 0,36 < 0,32 < 0,28 < 0,24 < 0,2 < 0,16 < 0,12 < 0,08 < 0,04 Prognostizierte Schadenfrequenz Exposure Beobachtete Frequenz Modellierte Frequenz 22

23 Kommunikation der technischen Analysen Transportversicherung Modellüberprüfung auf einem Holdout-Sample (Schadenfrequenz) < 2 < 1,96 < 1,92 < 1,88 < 1,84 < 1,8 < 1,76 < 1,72 < 1,68 < 1,64 < 1,6 < 1,56 < 1,52 < 1,48 < 1,44 < 1,4 < 1,36 < 1,32 < 1,28 < 1,24 < 1,2 < 1,16 < 1,12 < 1,08 < 1,04 < 1 < 0,96 < 0,92 < 0,88 < 0,84 < 0,8 < 0,76 < 0,72 < 0,68 < 0,64 < 0,6 < 0,56 < 0,52 < 0,48 < 0,44 < 0,4 < 0,36 < 0,32 < 0,28 < 0,24 < 0,2 < 0,16 < 0,12 < 0,08 < 0,04 Prognostizierte Schadenfrequenz Exposure Beobachtete Frequenz Modellierte Frequenz 23

24 Modellierung der Nachfrage Vermutete ökonomische Verbesserung Auslöser Andere Umstände Markt testen? Service Levels, Markenloyalität Preisvergleich Kundencharakteristik Versicherer wechseln? 24

25 Storno Bestand Storno in Abhängigkeit von der zusätzlichen Prämienanpassung 30% 28% 7% 26% 24% 6% 22% 20% 5% 18% 16% 4% 14% 12% 3% 10% 8% 2% 6% 4% 1% 2% 0% 0% Prämie neu / Automatikprämie neu Beobachtetes Storno Modellvorhersage mit zusätzliche Prämienänderung Modellvorhersage ohne zusätzliche Prämienänderung Reineffekt 25

26 Mögliche Verbesserung von Risiko- und Nachfragemodellen Die Prognosequalität von Risiko- und Nachfragemodellen kann in vielen Fällen durch Techniken zur Klassifizierung von Faktoren mit einer Vielzahl von Ausprägungen deutlich verbessert werden Prominentes Beispiel: Regionale Klassifizierung, zum Beispiel auf PLZ-Basis (aber auch feiner möglich) Übertragbarkeit auf weitere hochdimensionale Faktoren (solche mit einer Vielzahl von Ausprägungen) möglich, z.b.: Berufsgruppenklassifizierung (BU, Unfall, ) Branchenklassifizierung (Gewerbesparten) Wichtig bei solchen Analysen ist eine möglichst granulare Analyse

27 Unterschiede nach Schadenarten Schadenbedarf Kollision (verfremdet) Schadenbedarf Diebstahl (verfremdet) 27

28 Unterschiede nach Frequenz / Höhe am Beispiel der Schadenart Kollision VK Kollision Frequenz (verfremdet) VK Kollision Höhe (verfremdet) 28

29 Techniken sind ebenso auf Lebens- und Krankenversicherungen übertragbar! Cohort life expectancy from 65 for a male normal health retiree with 10k pension, assuming CMI future improvements with 1.5% pa long-term rate 22 years 21 years 20 years Birmingham FaRis 29

30 Management Tarifierungs-Cockpit Testen unterschiedlicher Strategien 30

31 Effizienz des Pricing-Prozesses Pricing Prozess 31

32 Der Pricing Prozess in vielen Unternehmen: Aktuariat Produkt- Management Vertrieb 32

33 Der Pricing Prozess Vorschlag Pricing Komitee Ziele Preis Entscheidung Entscheidungsanalyse Management Preis Underwriting Kunden Strategie Eigenkapitalrendite Kundenwert, Marketing & Vertriebsmanagement Wachstum Risikoappetit Trends Modelle Kundenprofile Monitoring Performance & Wettbewerb Beobachtet vs. Erwartet Marketing Effektivität Technische Modellierung Risikomodellierung Nachfragemodellierung Wettbewerbsanalyse Key Performance Indicators (KPIs) 33

34 Mögliche Fragen zur Strategie Existiert eine klare Zielvorgabe im Rahmen einer übergreifenden Unternehmensstrategie? Ist die Strategie so klar und transparent, dass die Mitarbeiter sie erfolgreich umsetzen können? Wie ist das geplante Verhalten in unterschiedlichen Phasen des Zyklus? Ist die IT in die strategischen Überlegungen eingebunden? 34

35 Beispiele zur Konkretisierung dieser Fragen Wie lange brauchen Sie von der Produktidee bis zur Einführung? Wie lange braucht ein VGV-Vertrag bei Ihnen durchschnittlich vom Vertragsabschluss bis zur Profitabilität? Sind in Ihrem Unternehmen die Verantwortlichkeiten auch nach Erfolg geregelt? 35

36 Monitoring: Ändert sich die Bestandszusammensetzung? Verteilung des VN-Alters 0.35% 0.30% 0.25% 0.20% 0.15% 0.10% 0.05% 0.00% Distribution Distribution Distribution

37 Monitoring: Ändert sich die Bestandszusammensetzung? Verteilung des VN-Alters 0.35% 0.30% 0.25% Per Ende November 2012! 0.20% 0.15% 0.10% 0.05% 0.00% Distribution Distribution Distribution

38 Effizienz des Pricing-Prozesses Organisatorisches Engagement 38

39 Planung IT Entwicklung Organisatorisches Engagement Gegenseitiger Austausch fördert gemeinsame Ausrichtung in der Wertschöpfung Schaden Trends nicht in den Daten erfasst Neue Tarifierungsfaktoren Auswirkungen von Bedingungen Ziel KPIs IT Design des Tarifrechners Systemeinschränkungen Anforderungen an den Zeichnungsprozess MI & analytische Anforderungen Profit Schaden Kundenservice Vertrieb Vertrieb Auswirkung des Vertriebswegs auf Kundenverhalten und Profitabilität Effektive Rückmeldungen Rabattsteuerung Unterstützung bei Cross-Selling Marketing Kundenwertsteuerung Analytisches Marketing Messen der Effizienz Kampagnenergebnisse Kundenmix Kundenservice Kenntnisse, um die Prämiengrundlage zu erläutern Verständnis für die Wichtigkeit, die Daten akkurat zu erfassen Wert der Kundenerneuerung Planung Geschäftsabläufe und Prämien Preiselastizitäten Konvertierungs- & Erneuerungsraten Voraussichtliche Profitabilität Szenario-Planungen Marketing Pricing Finanzen & Reserving Reserving Granulare ultimative Aufwände Reserveunsicherheit Detaillierte Schadentrends Erfahrungsaustausch zu Schäden Finanzen Kosten Profitziele Reporting RV-Schutz und -kosten Risikokapitalmodell 39

40 Sitzt der Vertrieb mit im gemeinsamen Boot? Ist die Vergütung des Vertriebs am Unternehmenserfolg orientiert? Wird der Vertrieb durch intelligente IT- Lösungen angemessen unterstützt? Welche Rückmeldungen des Vertriebes kommen in der Zentrale an? Entscheidet der Vertrieb alleine über den Preis? Wie erfolgt die Kommunikation mit dem Vertrieb? 40

41 Funktioniert der Austausch zwischen den Abteilungen? Hier: Schaden und Reserving Ist die systematische Frequenzsteigerung auch in der Schadenabteilung aufgefallen? Welche Gründe sind hierfür ausschlaggebend? Können diese Gründe im Rahmen einer Tarifmodifikation oder einer Modifikation des Produktes abgestellt werden? 41

42 Fazit: Verbesserung im Pricing bedeutet Verbesserung in der Performance Fallstudien 15% Verbesserung SKQ 10% Fallstudie: Neugeschäft +20% in der Haushalts- Versicherung 2% 5% Verbesserung in der SQ durch Preisoptimierung 5% Verbesserung vs. Grundlagen Verbesserung vs. Gut Fallstudie: 30% mehr Neugeschäft KFZ-Versicherer mit mehreren Vertriebswegen 0% 0% 10% 20% 30% 40% 50% Fallstudie: Reduktion des Storno um 10% große Erneuerungsoptimierung Motor direkt Wachstum 42

43 Eine Auswahl hilfreicher Veröffentlichungen

44 Vielen Dank für Ihre Aufmerksamkeit! Dr. Gero Nießen Director Habsburgerring 2 D Köln Germany M D Gero.Niessen@TowersWatson.com 44