Auswirkungen der Digitalisierung auf die Steuerung von Versicherungsunternehmen Steering Business in a Digital World

White Paper Auswirkungen der Digitalisierung auf die Steuerung von Versicherungsunternehmen Steering Business in a Digital World Stefan Hiendlmeier Mark Hertting März 2015 www.horvath-partners.com

Big Data und Digitalisierung wirken aktuell omnipräsent als Themen in Diskussionen, Veröffentlichungen und Veranstaltungen. Dabei stellt sich immer wieder die Frage nach dem Verständnis und dem konkreten Mehrwert für die Unternehmen und insbesondere auch für die Steuerung. Horváth & Partners skizziert in zehn Thesen die Bedeutung der Digitalisierung für die Steuerung und gibt Denkanstöße für die konkrete Anwendung in der Praxis von Versicherungsunternehmen. 1. Verständnis Die oft unscharfe, synonyme Verwendung der Begriffe Digitalisierung und Big Data zeigt eine fehlende Trennschärfe im Umgang mit den Themen und den Hang zur Verwendung marketingwirksamer Worthülsen, die gelegentlich auch am Kern der Sache vorbei gehen. So versperrt der anhaltende Hype um das Thema Big Data schon fast den Blick auf das Wesentliche. Denn bei aller Euphorie um die vom technischen Fortschritt ermöglichte deutlich verbesserte Handhabbarkeit großer, komplexer Datenmengen entsteht der Mehrwert für ein Unternehmen erst mit den konkreten Anwendungsfällen in den Geschäftsprozessen. Erst durch die Analyse der Daten, die Unterscheidung zwischen relevanten und irrelevanten Informationen und deren entsprechende Bewertung bezogen auf die Ziele sowie einen einfachen Zugriff auf die Ergebnisse entstehen werthaltige Informationen, die mit den Unternehmensprozessen verknüpft und in der Steuerung verwendet werden können. Umfassender Ansatz: Kombination aller Komponenten der Digitalisierung bringt den entscheidenden Mehrwert Digitalisierung Technologie Business Impact Prozesse/ Use Cases Abb. 1: Wesentliche Komponenten der Digitalisierung Mobility Analytics Daten Also erst mit der Einbeziehung der sechs Komponenten Technologie, Daten, Prozesse/Use Cases, Analytics, Business Impact und Mobility entsteht mit Blick auf die konkrete Zielsetzung für ein Unternehmen der entscheidende Wertbeitrag. Insofern wirkt es auch eher hinderlich in diesem Kontext, weiterhin allein von Big Data zu sprechen, da aufgrund der reinen Begrifflichkeit zu viel Betonung auf den Daten liegt. Stattdessen ist die Verwendung des Begriffs Digitalisierung passender, da sich hierunter alle Instrumente und Möglichkeiten, die sich aus der Verbindung von Technologie, Daten, Analytics und konkreten Geschäftsprozessen ergeben, zusammenfassen lassen. Vor diesem Hintergrund ist die Einschätzung von Gartner auch nicht verwunderlich, dass das Thema Big Data in 2015 seinen Zenit überschreiten und von Analytics und Mobility als aufkommenden Fokusthemen abgelöst wird. (Quelle: Gartner Group Report) 2. Status quo Industrie und Handel beschäftigen sich nach unserer Marktbeobachtung schon seit längerem mit den Möglichkeiten, die sich aus der zunehmenden Digitalisierung der Geschäftsabläufe, den damit verfügbaren Daten und deren Analyse ergeben. Einige Unternehmen haben Digitalisierung in ihre strategischen Überlegungen aufgenommen, konkrete Roadmaps entwickelt und mit der Umsetzung begonnen (vgl. Beispiele in Kapitel 3). Versicherer stehen im Branchenvergleich meist noch am Anfang. Häufig findet die Diskussion um die Bedeutung von Digitalisierung in kleinen disjunkten Bereichen statt. Eine strategische Beschäftigung mit dem Thema ist nur in wenigen Fällen zu beobachten. Dies liegt neben der branchentypischen Zurückhaltung sicher auch an dem häufig noch fehlenden Verständnis für die Möglichkeiten und der sich daraus ergebenden konkreten Anwendungsfälle (Use Cases) für die Geschäftsprozesse eines Versicherungsunternehmens. 3. Mögliche Anwendungsbereiche Bei der Suche nach Anwendungsfällen für Versicherer kann zunächst der Blick in andere Branchen helfen. Dabei gilt der Grundsatz, dass sich Anwendungsbereiche mit hohem Datenaufkommen, komplexen Berechnungen und Zusammenhängen sowie weitreichender technischer Integration besonders für den Einsatz von Digitalisierung eignen. So werden beispielsweise im Vertrieb von Handels- und Konsumgütern (z. B. Amazon) Kunden unter Einbeziehung aller intern und extern verfügbaren Daten unternehmensweit nach ihrer Relevanz analysiert und so Handlungsmuster abgeleitet, die für individualisierte Ansprachen zu spezifischen an Peers orientierten Bedarfen verwendet werden oder zusammen mit Predictive Analytics helfen, zukünftige Bedarfe treffsicher vorherzusagen. Der Wirkungsgrad von Vertriebsaktivitäten und Marketingmaßnahmen wird dadurch deutlich erhöht. 2

In der Produktion (z. B. Großanlagen) können mittels Sensordaten und Predictive Analytics Reparaturbedarfe vorhergesagt und so Produktionsausfälle durch stillstehende Fertigungsabschnitte vermieden werden. In der Wartung helfen diese Informationen zudem dabei, Wartungsbedarf vorherzusehen und die Ausstattung der Wartungsteams und deren Einsatzplanung entsprechend zu optimieren. In der Unternehmenssteuerung der Automobil- und Fertigungsindustrie führen integrierte Planungsansätze, die Vertrieb, Produktion und Zulieferer einbeziehen, zu deutlich verbesserter Planungs- und Steuerungsqualität sowie zu effizienteren Abläufen (u. a. Reduzierung der Lagerhaltung, Optimierung Zusammenspiel mit Zulieferern) und deutlich schnelleren und treffsichereren Entscheidungen. Übertragen wir diese Erfahrungen auf die Versicherungswirtschaft ergeben sich konkrete Anwendungsbereiche, die hinsichtlich Digitalisierung eingehender betrachtet werden sollten: Vertriebs- und Produktsteuerung Operations- und Schadensteuerung Planung/Forecasting und Reporting Die Auswirkungen der Digitalisierung auf die Steuerung von Versicherungsunternehmen werden im Folgenden anhand von zehn griffigen Thesen beleuchtet. 4. Zehn Thesen zur Steuerung von Versicherungsunternehmen in einer digitalisierten Welt These 1: Ableitung der Steuerungsanforderungen aus der Strategie wird noch wichtiger Machbar ist alles, aber was ist wichtig und richtig? Mit zunehmender Digitalisierung entstehen einerseits immer mehr Daten und andererseits werden immer mehr Daten auswertbar bereits bestehende und neu hinzukommende. Doch welche dieser Daten sind relevant und wie sollen sie genutzt werden? Dies bringt uns zu einer wesentlichen Erkenntnis im Kontext von Digitalisierung und Big Data: Die mit zunehmender Digitalisierung steigende Datenvielfallt allein stiftet noch keinen Nutzen, erst die Verwendbarkeit und tatsächliche Verwendung von Informationen entscheidet über deren Mehrwert. Hierzu sind aus der Unternehmensstrategie konkrete Steuerungsanforderungen abzuleiten, die ausschlaggebend sind für den Informationsbedarf und die Verwendung der Informationen für die Steuerung. These 2: Steuerung wird kundenorientierter der Kunde rückt stärker ins Zentrum des Handelns von Versicherern Spartensicht Spartenorientierte KPIs Kundenorientierte KPIs Kundensicht Veränderungen im Kundenverhalten Nutzung multikanaler Zugänge, gestiegene Self-Service- Affinität, Nachfrage nach individualisierbaren Produkten Abb. 2: Perspektivenwechsel: von der Sparten- zur Kundensicht Mit fortschreitender Digitalisierung verändert sich das Kundenverhalten. Kunden nutzen multikanale Zugänge, werden Self-Service-affiner und erwarten bzw. bekommen auch vereinzelt bereits individualisierbare Produkte. Diese Formen passgenauer Interaktion und Angebote stellen den Kunden stärker ins Zentrum des Handelns von Versicherungsunternehmen. Diese haben nun bessere Voraussetzungen, Kundenorientierung konsequent und vollumfänglich umzusetzen. Technologische Hürden verschwinden immer mehr. Die Steuerungslogik muss daran ausgerichtet werden. Kundenorientierte KPIs müssen künftig in der Steuerung eine höhere Priorität als spartenorientierte KPIs bekommen. Die Ergebnisrechnung wird sich von einer Sparten-DB-Sicht hin zu einer Kundenergebnisrechnung entwickeln. These 3: Funktionale Steuerung steht vor dem Quantensprung Durch bessere, differenziertere Steuerung zu mehr Prämie, niedrigeren Kosten und niedrigerem Schadenaufwand Die Voraussetzungen für eine differenziertere funktionale Steuerung verbessern sich deutlich. Technische Restriktionen wie Rechengeschwindigkeit, Hardwarekosten oder eingeschränkte Mobilität sind im Grunde kein Hindernis mehr. Neue Funktionalitäten wie Mustererkennung, statistische Modelle oder der Direktzugriff bis auf Einzeldatensatzebene (z. B. Simple Finance) bieten neue Möglichkeiten für eine differenzierte funktionale Steuerung. Was folgt, ist ein Paradigmenwechsel in der Steuerungslogik. Sie wird predictive und simulationsbasiert, sie ermöglicht die Nutzung statistischer Funktionen in der Unternehmenssteuerung und integriert die unternehmensübergreifende Steuerung mit der operativen Steuerung der Kernprozesse. 3

These 4: Vertriebssteuerung wird effektiver Treffsichere, bedarfsorientierte Ansprachen durch Kundenhistorie und Predictive Analytics Reporting/Analyse Monitoring Predictive Analytics Wie hat sich der Kunde in der Vergangenheit verhalten? Wieso hat er sich so verhalten? Wie haben sich Peers verhalten? Wieso haben sie sich so verhalten? In welcher Situation ist der Kunde jetzt? Welche vergleichbaren Situationen gab es bei Peers? Welche Ansprachen/Lösungen sind erfolgreich? Passgenaue Ansprachen und Lösungen zur Abdeckung individueller Risikosituationen Wie wird sich der Kunde in Zukunft verhalten? Wann hat er welchen Bedarf an Versicherungsleistungen? Wie wird er am besten angesprochen? Abb. 3: Treffsichere Kundenansprachen durch Einbeziehung der Kundenhistorie und Predictive Analytics Für den Vertrieb bedeuten die neuen Möglichkeiten ein Mehr an relevanten Kundeninformationen sowie ein Besser durch umfassendere und treffsicherere Einschätzung des Kundenverhaltens. Mittels Predictive Analytics können anhand der Lebenssituation und der Betrachtung von Peers den Kunden deutlich passgenauere Angebote zur Abdeckung ihrer individuellen Risikosituation unterbreitet werden. Veränderungen in den Lebensumständen können in die Kundenansprache einfließen und in der Kampagnensteuerung berücksichtigt werden ( Window of Opportunity ) sowie für die Search Engine Optimization (SEO) genutzt werden. These 5: Produktsteuerung wird individueller Entwicklung hin zum besten Preis fürs individuelle Risiko bei hoher Transparenz ohne Voreingenommenheit (Bias) durch den Faktor Mensch Die Steuerung von Produkten kann und muss im Zuge der fortschreitenden Digitalisierung an neue Produktgenerationen angepasst werden. Diese ermöglichen in der Produktgestaltung eine deutliche Differenzierung nach individueller Risikosituation und individuellem Verhalten des Kunden. Basis hierfür sind Modelle, die mittels entsprechender Sensorik die Informationsgrundlage für pay as you drive -Produkte oder pay as you live -Produkte liefern. Dadurch können kurzfristig Neukalkulationen vorgenommen werden oder Frühwarnindikatoren in Echtzeit ermittelt werden. Der Ausgleich im Kollektiv und in der Zeit wird dadurch nicht ausgehebelt, sondern steuerbar. Informationen zu Risikoeinschätzungen und Spielräume für das Pricing basieren zukünftig ausschließlich auf Fakten, statt auch von persönlichen, auch heute schon teilmodellbasierten, Einschätzungen verzerrt zu werden. These 6: Operationssteuerung wird transparenter: Professionalität wie in der produzierenden Industrie Wissen, was läuft und zeitnah (gegen-)steuern Die Steuerung der Operations von Versicherungsunternehmen entwickelt sich mit Unterstützung der Digitalisierung in Richtung Industriestandard. Die Steuerungsfähigkeiten steigen: Vollständig integrierte Workflow-Systeme bieten künftig in Verbindung mit operationalen Dashboards volle Transparenz hinsichtlich aktueller Produktionszahlen, Kapazitätsbedarfe und Bearbeitungsstände in Echtzeit. Self-Service-Informationsportale ermöglichen flexiblen und mobilen Zugriff und unterstützen effizienten Ressourceneinsatz und schnelle Reaktionszeiten bei (Gegen-)Steuerungsbedarf. These 7: Schadensteuerung wird effizienter Schnellere Infos zum Unfall, kundenorientierte effiziente Hilfe und Abwicklung zu günstigen Kosten; Betrug war gestern zum Wohle aller Mit der Digitalisierung erhält die Schadensteuerung zusätzliche und zum Teil völlig neue Informationen: Einfachere, kurzfristig verfügbare Schadeninformationen über eine kundenfreundliche Schadenmeldung per FotoApp oder über Produkte (smart goods), die ihre Beschädigungen über das Internet der Dinge (Internet of Things IoT) selber melden. Hinzu kommen Verbesserungen in der Betrugserkennung aufgrund von Mustererkennung durch lernende neuronale Netzlogiken. Auch Informationen über Großschäden können über M2M-Kommunikation schneller, genauer und ohne Verzerrungen durch Schockwahrnehmungen transportiert werden. Die daraus in der operativen Schadenbearbeitung entstehenden Effekte der Digitalisierung steigern die Effizienz der Schadensteuerung und senken zum Wohle aller Beteiligten die Schadenkosten. Schadenbearbeitung Schadenereignis Schadenmeldung per FotoApp oder über smart goods Einfachere, kurzfristig verfügbare Schadeninformationen Steigerung Prozesseffizienz und Kundenzufriedenheit Daten Analyse Auswertung Schadenmeldung, CRM, Social Media Text Analytics u. Sentiment-Analysen Netzwerkverbindungen der Involvierten Mustererkennung und -analyse Identifikation von Schäden mit hoher Betrugswahrscheinlichkeit Senkung der Schadenkosten Effizientere Schadensteuerung Betrugserkennung Abb. 4: Verbesserung der Schadenbearbeitung und Betrugserkennung 4

These 8: CFO-Prozesse werden noch stärker automatisiert Effizienter, schneller und besser zum Forecast und zur Planung; Effizienzgewinne können zugunsten der Qualität genutzt werden Einerseits erfolgt mit der Digitalisierung eine viel weitreichendere Integration der Steuerung über alle Funktionsbereiche. Basis hierfür ist die Entwicklung integrierter, konsistenter Treibermodelle, die eine Durchgängigkeit und klar definierte Abhängigkeit wesentlicher Steuerungsgrößen über alle Steuerungsbereiche vom Vertrieb über Operations und Schaden bis hin zu Risikomanagement, Regulatorik und Abschluss ermöglichen. Sauber in den Systemen abgebildet können dann die Konsequenzen von Marktveränderungen deutlich schneller und treffsicherer ermittelt und in relevante Steuerungsinformationen umgesetzt werden. Dies ermöglicht eine raschere Entscheidungsfindung. Andererseits ermöglichen die neuen und weiterentwickelten Tools höhere Verarbeitungsgeschwindigkeit (z. B. bei Datenkonsolidierung, Simulationen oder Modellrechnungen) sowie weitreichende Standardisierung und Automatisierung von Prozessen. Die Entlastung von manueller (Daten-)Bearbeitung im Controlling zugunsten der Bewertung von Steuerungsinformationen kommt der Verbesserung der Ergebnisqualität und der Ergebnissteuerung zugute. These 9: Steuerung muss agiler werden Die Geschwindigkeit von Entscheidungen wird immer wichtiger und damit auch die zeitnahe Verfügbarkeit entscheidungsrelevanter Informationen sowie Rückfluss und Umsetzung der Entscheidungen in operative Steuerung Schnellere Reaktions- und Entscheidungsfähigkeit durch Digitalisierung Frühzeitige Identifikation von Trends und Marktentwicklungen Laufendes Monitoring eigener Stärken und Schwächen sowie Weiterentwicklung des Geschäftsmodells Kurzfristige aktive Anpassung der Strategie und Pläne an Veränderungen im Markt Kurzfristige Reaktionsmöglichkeit auf operative Engpässe und Überhänge zu identifizieren, eigene Stärken und Schwächen zu erkennen und laufend ins Geschäftsmodell einzubringen, seine Strategie kurzfristig an Veränderungen anzupassen oder ganz operativ kurzfristig auf Engpässe in den eigenen Abläufen zu reagieren. Um all diese Impulse aufzunehmen, zu verarbeiten und für die Entscheidungsfindung zu nutzen, bedarf es einer deutlich höheren Agilität in der Steuerung. Digitalisierung hilft, externe Marktentwicklungen sowie Trends in der eigenen und in fremden Industrien durch die algorithmenbasierte Analyse und Interpretation der vielfältigen Informationen zu identifizieren sowie Veränderungen im Kundenverhalten frühzeitiger zu erkennen und darauf zu reagieren. Mit der Digitalisierung reduziert sich auch eine wichtige Umsetzungshürde oder Entschleunigung : Überzeugung aller Beteiligten von der 100%-Lösung und operative Umsetzung durch eine Vielzahl von Personen. Ideen lassen sich schneller umsetzen, Innovationen können bspw. als Beta-Versionen von Produkten in klar abgegrenzten Kundenkreisen getestet werden und das Kundenfeedback als wertvolle Steuerungsinformation in den Verbesserungsprozess einfließen. Erfolg muss zudem anders gemessen werden. Misserfolge gehören zum Entwicklungs- und Adaptionsprozess und sind künftig anders zu bewerten. Die für eine agile Steuerung und damit Entscheidungsfindung notwendige Integration der Steuerungsbereiche erfolgt über eine Vernetzung der dezentralen mit Wahrscheinlichkeiten hinterlegten Treibermodelle. Diese werden zur automatischen Detaillierung der top-down errechneten Voraussagen verwendet. Die Darstellung erfolgt über pragmatische Dashboards, die auch die Übersetzung der Informationen in Steuerungsimpulse für die proaktive operative Steuerung leisten. These 10: Ein Code of Conduct für Digital Ethics muss her An der Schwelle zu vollständiger Transparenz ist das Unternehmen gefordert, sich selbst Grenzen zu setzen Verbesserung der Risikoeinschätzung und des Pricings Steigerung der Abschlusswahrscheinlichkeit Effizienzsteigerung Privatsphäre und Autonomie des Kunden Risiko Datenmissbrauch Imageschädigung und Kundenabwanderung Abb. 5: Wettbewerbsfaktor Agilität in der Steuerung Die Volatilität der Märkte und des Kundenverhaltens steigt, die Geschwindigkeit der Veränderungen nimmt zu. Schnelle Reaktions- und damit Entscheidungsfähigkeit wird zu einem Wettbewerbsfaktor. Es wird immer wichtiger, Trends frühzeitig Abb. 6: Machbarkeit vs. Digital Ethics 5

Im Zeitalter der Digitalisierung wird Vieles möglich. Informationen entstehen an vielen Stellen in der direkten Beziehung mit dem Kunden, aber auch durch dessen Aktivitäten in sozialen Netzwerken, sein Kaufverhalten oder allein schon durch sein Surfverhalten im Internet. Das wirft eine Reihe von Fragen auf: Wem gehören die Daten? Wer darf sie nutzen? Welche rechtlichen oder ethischen Grenzen der Nutzung bestehen? Entscheidend dafür, was für Informationen genutzt werden, ist letztendlich nur noch die Einstellung des Menschen bzw. des Unternehmens, nicht mehr die Verfügbarkeit der Informationen oder die technische Machbarkeit der Sammlung und Auswertung. Daher bedarf es neuer Regeln im Unternehmen, wie mit Informationen umgegangen werden soll, was und wieviel man sammelt und auswertet. Diese sind in einem Code of Conduct für Digital Ethics festzulegen. Dabei spielen die Wertvorstellungen des Unternehmens und der Gesellschaft eine wichtige Rolle. 5. Konkrete Anwendungsfälle und Nutzenpotenzial Vertriebssteuerung Predictive Analytics entdecken zielgruppenspezifische Trends und ermöglichen gezielte, bedarfsorientierte Ansprachen Die Anwendung von Predictive Analytics ermöglicht die Abkehr von Gießkannenkampagnen (one size fits all) hin zu gezielten Ansprachen bezogen auf die individuelle Lebenssituation. Menschen haben abhängig von Alter, Bildung, Familienstand, Vermögenssituation etc. unterschiedliche Bedürfnisse und Verhaltensweisen. Die steigende Verfügbarkeit und gezielte Nutzbarkeit dieser Informationen ermöglicht bereits eine deutlich genauere Zuordnung von Kunden zu Kundengruppen und deren bedarfsgerechtere Ansprache. Darüber hinaus ermöglichen Predictive Analytics auch bei eingeschränkter Informationsbasis durch das Erkennen von typischen Verhaltensmustern und deren Verknüpfung mit Einflussfaktoren, Vorhersagen zu künftigem Kundenverhalten Beispiele: Mehr als 50 Prozent der hinsichtlich Einkommen, Familienstand, Anzahl Kinder und Immobilienfinanzierung vergleichbaren Kunden (Peers) wie zum Beispiel Hr. Müller haben in vergleichbarer Situation eine BU in Höhe von mindestens 70 Prozent ihres Nettoeinkommens abgeschlossen 65 Prozent Ihrer Peers haben in den nächsten 5 Jahren geheiratet und ein Haus gekauft. Welche Vorsorge- und Sparprodukte passen zu Ihren Zielen zur Ansparung des Eigenkapitals? 75 Prozent der Peers in Ihrer Region haben dafür mindestens 400.000 EUR ausgegeben mit 10 Prozent Eigenkapital. Ineffiziente weil unspezifische Ansprachen am Kundenbedarf vorbei werden reduziert, und der Kunde fühlt sich besser in seiner individuellen Situation abgeholt. Dies erhöht Loyalität und Abschlusswahrscheinlichkeit. Asset Management, Schadenschätzung und Pricing Algorithmen verbessern die Entscheidungskraft Empirische Studien über die Performance im Asset Management beweisen bereits, dass ein Großteil der von Asset Managern aktiv gesteuerten Fonds/Portfolios Vergleichsindizes nicht übertreffen und somit trotz hoher Kosten keinen Nutzen gegenüber passiven Investments (wie ETFs) liefern. Doch warum ist dies so? Eine Erklärung dafür liegt im menschlichen Bias: der persönlichen (Nicht-)Entscheidung bzw. dem verzögertem oder vorschnellem Entscheiden. Algorithmenbasierte Fonds, die sich streng an ihren sich stetig verbessernden Regeln orientieren, schalten diesen Bias aus. Sentimentbasierte Modelle helfen zumindest als Entscheidungsunterstützung bei technologisch arbeitenden Fonds/Asset-Management-Modellen die Entscheidungen schneller, besser und präziser zu treffen. Auf die Versicherungstechnik übertragen würde dies bedeuten, dass rein algorithmenbasierte selbstlernende Modelle bessere oder unverzerrte Schadenschätzungen und Pricing- Informationen liefern als Aktuare auf Basis ihrer interpretierten Modelle, Abwicklungsdreiecke etc. Auch hier schlägt nämlich der persönliche Bias zu: Die Interpretation des Aktuars auf Basis seiner langjährigen oder jüngsten Erfahrung greift qua Funktion in das Modellergebnis ein. Der Nachweis, dass dieses Eingreifen zu besseren Ergebnissen als das lernende Modell führt, ist ebenso offen wie das Gegenteil. Einige Versicherer teilen diese Einschätzung, denn nach unserer Beobachtung werden für die gesamtunternehmerische Bewertung von Produkten, Schadenentwicklung oder Kapitalbedarf beispielsweise im Rahmen von Entscheidungskomitees die Einschätzungen der aktuariellen Bereiche zunehmend durch weitere Bewertungen aus den Modellen des Risikomanagements ergänzt sowie durch den Abgleich mit den langfristigen Beobachtungen operativer Bereiche und den Vergleich mit Marktdaten flankiert. Der beste Preis für ein erfahrungsbasiertes kalkuliertes Risiko wäre das Ergebnis und böte Differenzierungsmerkmale. Rückversicherer bedienen sich dieser Argumentation z. T. heute schon am Markt in Rahmen von zusätzlichen Services. 6

6. Faktoren für die erfolgreiche Digitalisierung Steuerung: Die Steuerungssysteme müssen agiler werden, um mit der rasanten Entwicklung und der Beweglichkeit der Märkte und Kunden Schritt halten zu können. Prozesse: Die Entscheidungsprozesse müssen angepasst werden, um die neuen Möglichkeiten zu berücksichtigen. Daten: Die Datenqualität ist eine wesentliche Voraussetzung für die Aussagekraft von Informationen. Sie wird erreichbar durch Datenharmonisierung in den (ERP-)Systemen in Verbindung mit einer starken Governance. Technologie/Fertigkeiten: Neue Technologien und neues Know-how insbesondere im Bereich Analytics müssen entweder aufgebaut oder extern zugekauft werden. Kultur: Die Änderung des Mind Sets/der Einstellung im Unternehmen/im Controlling, bei den Anwendern und auch im Management ist erfolgskritisch. 7. Fazit Digitalisierung an sich bringt noch keinen Nutzen. Erst durch innovative Ideen und konkrete Anwendungsfälle für die neuen Technologien entsteht der eigentliche Mehrwert. Die Menschen müssen die Ideen dafür generieren, was mittels Digitalisierung erreicht werden kann und worin der Mehrwert für das Unternehmen besteht. Versicherer sollten ihre individuelle Strategie für die Digitalisierung entwickeln. Nicht alle Ansätze lassen sich übertragen, die (technische) Ausgangslage ist unterschiedlich und die Herausforderungen, die gelöst sowie der Nutzen, der durch einzelne Maßnahmen zur Digitalisierung erreicht werden soll, sind individuell. Entscheidend für den Erfolg von Digitalisierung im Unternehmen sind vor allem die passenden Rahmenbedingungen. Die Einstellung im Unternehmen muss an die neuen Möglichkeiten angepasst, Verständnis geschaffen und Skills aufgebaut werden. Die Steuerung von Versicherungsunternehmen muss sich an die Möglichkeiten und Geschwindigkeiten einer digitalisierten Welt anpassen und selbst deutlich agiler werden. Der Umgang mit den neuen Möglichkeiten bedarf einer kritischen Auseinandersetzung mit dem Spannungsfeld Machbarkeit vs. Ethik. Ein entsprechender Code of Conduct empfiehlt sich. Haben wir Ihr Interesse geweckt? Gerne stehen wir Ihnen für einen Gedankenaustausch zu den Auswirkungen der Digitalisierung auf die Steuerung Ihres Unternehmens zur Verfügung. 7

Impressum/Kontakt Herausgeber Horváth & Partner GmbH Phoenixbau Königstraße 5 70173 Stuttgart Tel.: +49 711 66919-0 info@horvath-partners.com Horváth & Partners Management Consultants Horváth & Partners ist eine international tätige, unabhängige Managementberatung mit Sitz in Stuttgart. Das Unternehmen beschäftigt mehr als 600 hochqualifizierte Mitarbeiter an Standorten in Deutschland, Österreich, Rumänien, der Schweiz, Ungarn, Saudi-Arabien und den Vereinigten Arabischen Emiraten. Die Mitgliedschaft in der internationalen Beratungsallianz Cordence Worldwide unterstützt die Fähigkeit, Beratungsprojekte in wichtigen Wirtschaftsregionen mit höchster fachlicher Expertise und genauer Kenntnis der lokalen Gegebenheiten durchzuführen. Die Kernkompetenzen von Horváth & Partners sind Unternehmenssteuerung und Performanceoptimierung für das Gesamtunternehmen wie für die Geschäfts- und Funktionsbereiche Strategie, Organisation, Vertrieb, Operations, Controlling, Finanzen und IT. Horváth & Partners steht für Projektergebnisse, die nachhaltigen Nutzen schaffen. Deshalb begleitet Horváth & Partners seine Kunden von der betriebswirtschaftlichen Konzeption bis zur Verankerung in Prozessen und Systemen. Stefan Hiendlmeier Competence Center Financial Industries SHiendlmeier@horvath-partners.com Mark Hertting Competence Center Financial Industries MHertting@horvath-partners.com