Innovativ Neue Welt Digitalisierung und Big Data. Augmented and virtual Worlds. Loc-based services. 3D Printing. Computing Everywhere.

Transkript

1 Innovativ Neue Welt Digitalisierung und Big Data Die Datenbestände der Versicherungswirtschaft sind gigantisch, wachsen rasant und liefern völlig neue Erkenntnisse dank revolutionärer Analyse-Technologien. Augmented and virtual Worlds 3D Printing Loc-based services Computing Everywhere Industrialisation 4.0 Telematics Smart Home Predictive Analysis Digitalisation Wearable Devices Internet of Things Robotics/Drones Open Data Big Data Collaborative Consumption Crowdsourcing Citizen Development Mobile Health Systems Cybersecurity User Centered Design Context-aware Computing Virtual Assistant Systems Integrated Systems Web 4.0 Web-Scale IT On-Demand-Everything Digital Identity Autonomous Systems and Devices Risk-based Security Automated Decision Taking Software-defined Anything Haptic Technologies Cloud/Client Architecture New Payment Models Trend Ein Trend beschreibt alle künftigen Entwicklungen einer Art, die sich auf ein bestimmtes Geschäftsfeld auswirken. Trends können sich gegenseitig beeinflus sen und treiben. Sub-Trend Ein Sub-Trend repräsentiert eine bestimme Erscheinungsform eines Trends.

2 Die Leitwährung im Zeitalter der Datenökonomie heißt Information. Gewinnen lässt sie sich aus einem Rohstoff, der quasi unbegrenzt zur Verfügung steht: Daten, Daten und noch mal Daten. Um daraus wertschöpfungsrelevante Informationen zu ziehen, braucht die Versicherungswirtschaft neue Technologien und Analyse-Instrumente. Ein Einblick in die Welt von Big Data und Data Analytics. Willkommen in der Zukunft Es finden kaum noch Strategiemeetings, Fachtagungen oder Konferenzen statt, auf denen nicht auch über Digitalisierung, das Internet der Dinge oder Big Data diskutiert wird. Die Fachwelt ist sich einig: Diese Trends werden die Wirtschaft insgesamt und auch die Lebensversicherung grundlegend verändern. Allen gemeinsam ist, dass sie mit einem riesigen digitalen Datenaufkommen und völlig neuen Herausforderungen verbunden sind. Analysefähigkeit wird zum entscheidenden Erfolgsfaktor Verdeutlichen lassen sich die Herausforderungen am Beispiel der bereits unzähligen Fitness- und Gesundheits-Apps für Smartphones. Die Programme sammeln mithilfe von Sensoren und Nutzereingaben laufend jede Menge medizinische Informationen und Verhaltensdaten. Diese sind potenziell von großem Interesse für die Lebensversicherung, da sie ganz neue Perspektiven in der Risikoprüfung und Produktentwicklung, im Vertrieb und im Kundenbindungsmanagement eröffnen könnten. Zu den App-Anbietern gehören daher auch schon erste Lebensversicherer; sie setzen Prämien anreize, die den Einsatz der Apps für Versicherungskunden attraktiv machen, und erhalten im Gegenzug Zugriff auf persönliche Verhaltens- und Gesundheitsdaten. Innovativ

3 Innovativ Neue Welt Digitalisierung und Big Data Primär getrieben sind solche Angebote gegenwärtig noch von Marketingüberlegungen. Relevante Erkenntnisse werden aus den Daten kaum gewonnen, dafür fehlen in der Erstversicherung bislang sowohl das Wissen und die Erfahrung als auch die statistischen Modelle und Auswertungsmöglichkeiten. Deutlich ist hingegen schon jetzt: Sollte die Akzeptanz der Kunden für den Einsatz von Fitness- und Gesundheits-Apps steigen und davon ist auszugehen, werden es die Lebensversicherer schon bald mit Datenvolumina zu tun haben, die mit herkömmlichen Technologien und Analyse-Instrumenten nicht mehr zu bearbeiten sind. Wenn in Zukunft von Hunderten oder Tausenden Kunden laufend neue Datenpakete übermittelt werden, ist es weder sinnvoll noch aus Kapazitätsgründen technisch möglich, alles dauerhaft zu speichern. Deshalb müssen wir künftig in der Lage sein, die Daten in Echtzeit und hochgradig dynamisch im Moment ihres Entstehens auszuwerten, sagt Wolfgang Hauner, Head of Data Analytics bei Munich Re. Leading-Edge-Hochleistungsplattform für Data Analytics Die Voraussetzungen dafür sind bei Munich Re bereits geschaffen. Wir haben uns 2014 im Rahmen unserer gruppenweiten Innovationsinitiative dazu entschieden, in Kooperation mit führenden Technologiepartnern eine technologisch herausragende High-Performance-Plattform für Big Data und Data Analytics aufzubauen, bestätigt Hauner. Das Außergewöhnliche an dieser Plattform sind extrem schnelle Datenzugriffs- und Rechenzeiten dank modernster In-Memory-Technologie. Vereinfacht lässt sie sich so erklären: Während herkömmliche Computersysteme die Daten für In-Memory-Technologie: Bei In-Memory- Analysen werden alle Datenbankinformatio nen in den Arbeitsspeicher miteinander verbundener Hochleistungsserver gelegt. Dies verkürzt die Zugriffszeiten erheblich und ermöglicht Ad-hoc- Abfragen innerhalb weniger Sekunden.

4 analytische Berechnungen sukzessive aus Festplattenspeichern laden und nacheinander verarbeiten, führt eine High-Performance-Plattform die Berechnungen gleichzeitig durch. Dafür werden die zu analysierenden Datensätze komplett in einen sehr viel schnelleren, auf mehrere Rechner verteilten Arbeitsspeicher geladen und ohne Zugriffszeitverluste verarbeitet. Warum verteilt? Weil moderne Hochleistungsserver zwar über beeindruckend große, aber für riesige Datenmengen nicht ausreichende Arbeitsspeicher verfügen. In einer In-Memory-Umgebung werden die Arbeitsspeicher mehrerer Server deshalb zu einem eigenen Netzwerk zusammengeschaltet und gehen, gesteuert von einem übergeordneten Managementsystem, arbeitsteilig vor. Mehr Information aus vorhandenen Daten generieren Interessant wird die neue Rechen- Power nicht erst, wenn in Zukunft große Datenmengen in Echtzeit analysiert werden müssen. Wir sind damit auch und vor allem in der Lage, aus den bereits vorhandenen strukturierten Datenbeständen in der Lebensversicherung völlig neue Informationen und Erkenntnisse zu ziehen, sagt Jürgen Becher, Senior Medical Consultant Life bei Munich Re. Der Medizin- und Statistik experte war in einem interdisziplinären Expertenteam maßgeblich an der Entwicklung des neuen Multi-Risk-Kalkulators in MIRA beteiligt. Damit ist es in der Risikoprüfung jetzt möglich, die Wechselbeziehungen und das Zusammenspiel der metabolischen Risikoindikatoren Data Analytics: Mithilfe von Data Analytics ist es möglich, riesige Datenmengen aus unterschiedlichen Quellen (Big Data) zu analysieren. Auf diese Weise lassen sich versteckte Muster und bislang unbekannte Korrelationen erkennen. Innovativ Bisher waren wir in der statistischen Analyse mit dem Fahrrad unterwegs. Jetzt fliegen wir mit Schallgeschwindigkeit. Jürgen Becher Senior Medical Consultant Life Munich Re

5 Body-Mass-Index, Blutdruck, Blutfette und Raucherstatus präzise zu bewerten (vgl. Daktylos 2015). Grundlage des neuen multivaria ten Kalkulators sind statistische Analysen mithilfe Generalisierter Linearer Modelle (GLM), deren Entwicklung ohne die neuen Data- Analytics-Möglichkeiten nicht machbar gewesen wäre. Fünf Millionen Antragsdatensätze in elf Sekunden Um das komplexe Zusammenspiel und die Wechselbeziehungen der verschiedenen Risikofaktoren zu verstehen, waren zwei Dinge nötig, so Becher, eine geeignete, möglichst große Datenbasis und die erforderlichen Analysefähigkeiten. Die Datenbasis hatte Munich Re schon. In diesem Fall kommt sie aus Das Datenuniversum dehnt sich rasend schnell aus: Aktuellen Prognosen zufolge wird das weltweit generierte Datenvolumen bis zum Jahr 2020 auf 43 Zettabyte anwachsen. Dies würde im Vergleich zum Jahr 2005 einer Vervielfachung der globalen Datenmenge um den Faktor 300 entsprechen! dem US-Lebensversicherungsmarkt und umfasst Datensätze von rund fünf Millionen Antragstellern aus den Jahren 1997 bis 2010, die mit öffentlichen Sterberegistern abgeglichen wurden. Die einzelnen Datensätze enthalten Angaben zu Alter, Geschlecht, Raucherstatus, gewünschter Versicherungssumme sowie zu zahlreichen ärztlichen Untersuchungsergebnissen in Summe sind es zum Teil mehr als 60 prognostisch relevante Faktoren pro Antragsdatensatz! Bei einer derart umfangreichen Datenbasis hätte es früher Stunden gedauert, auch nur einen einzigen Algorithmus anzuwenden. Die neue Data-Analytics-Plattform benötigte nur elf Sekunden, um uns ein Ergebnis zu liefern, bestätigt Becher. Erst dadurch ist es möglich, viele verschiedene Algorithmen mit Byte Kilobyte Megabyte Gigabyte Terabyte Petabyte Exabyte Zettabyte

6 Innovativ Neue Welt Digitalisierung und Big Data Visual Analytics, Text Mining und Predictive Modelling? Was verbirgt sich hinter diesen und anderen Begriffen aus der neuen Welt von Big Data und Data Analytics? Antworten liefert ein kompaktes Glossar auf Daktylos online unter Dutzenden Attributen in kurzer Zeit auszuprobieren und die Wechselbeziehungen diverser prognostischer Faktoren zu analysieren. Die Möglichkeiten dieses iterativen Vorgehens eröffnen uns in der statistischen Analyse ganz neue Welten, sagt Hauner und weist darauf hin: Die statistischen Methoden haben sich durch Data Analytics nicht verändert. Neu ist, dass wir sie jetzt voll ausschöpfen und wesentlich flexibler anwenden können, da sich die Berechnungszeiten auf ein Minimum reduziert haben. Zudem verfügt die neue Plattform über leistungsstarke und komfortabel nutzbare Analysemodule zum Beispiel für Dataund Text Mining, zum Erstellen von Predictive-Modellen oder zur interaktiven Steuerung des Analyseprozesses über Ad-hoc-Visualisierungen. Aktuarielles Knowhow plus Data Analytics gleich Innovationskraft Munich Re kombiniert die neue Rechen-Power und innovative Analysemodule mit ihrer globalen versicherungstechnischen Expertise und aktuariellem Knowhow. So lassen sich mit vergleichsweise geringem Aufwand viele neue Erkenntnisse aus bislang kaum genutzten Datenbeständen gewinnen. Diese Erkenntnisse werfen dann ihrerseits wieder neue Fragen auf, die zu bislang fehlenden Antworten und Neuentwicklungen etwa auf der Produktseite oder wie mit dem neuen Multi-Risk-Kalkulator in der Risikoprüfung führen können. Text Mining: ein spezielles Data- Analytics-Verfahren, das mithilfe von Algorithmen zentrale Bedeutungsstrukturen in unstrukturierten Textdaten ermittelt und so die verborgenen Kerninformatio nen sichtbar macht. Innovativ