Viele denken bei Versicherungen an Wahrscheinlichkeiten, Statistik und Effizienz. Deshalb haben Kunden häufig wenig Geduld mit ihren Versicherungen, wenn sie nach einer Schadenmeldung auf eine Reaktion warten. Versicherungsunternehmen gehören zu den versiertesten Organisationen, wenn es darum geht, das Potenzial ihrer Daten zu nutzen, um Produkte und Risikoprofile zu entwickeln. Doch es gibt häufig auch Möglichkeiten, die gleiche Disziplin auf die Abläufe im eigenen Unternehmen anzuwenden, insbesondere auf Interaktionen mit Kunden. Minitab kann Versicherungsunternehmen dabei unterstützen, Versicherungsfälle schneller zu regulieren und die Beziehung zu den Kunden zu verbessern.
Regulierungsdauer von Versicherungsfällen messen
Es sollte eine wichtige Kennzahl für Versicherungen sein, wie lange es dauert, einen Schaden zu regulieren. Bei dieser Kennzahl handelt es sich um einen Datenpunkt, daher sollte das Erfassen und Messen relativ einfach sein. Im Beispiel unten wurden ein Beispieldatensatz und einfache Verfahren der deskriptiven Statistik verwendet, um zu zeigen, dass der Durchschnitt (Mittelwert) für die Regulierungsdauer eines Schadens zwischen 54 und 55 Tagen liegt. Die Daten zeigen auch, dass die Mindestdauer 40 Tage und die Höchstdauer 75 Tage beträgt. Dies liefert den Bereich zwischen der kürzesten und längsten Dauer, was zum Definieren der Ziele benötigt wird.
Ziel festlegen und Brainstorming zu möglichen Faktoren mit Auswirkungen auf die Leistung durchführen
Lange Bearbeitungszeiten sind für das Unternehmen nicht nur im Hinblick auf die Kundenerfahrung teuer. Je länger ein Versicherungsfall nicht reguliert ist, umso mehr Unsicherheit bedeutet dies für die Verbindlichkeiten der Organisation. Legen Sie als strategisches Unternehmensziel fest, Schäden innerhalb eines bestimmten Zeitraums zu regulieren. Lassen Sie uns in diesem Beispiel ein realistisches Ziel von 50 definieren, was eine Verbesserung der Regulierungsdauer um ca. 10 % bedeutet.
Ermitteln Sie dann in einem Brainstorming mögliche Variablen, die sich auf die Regulierungsdauer auswirken könnten. Dabei kann es sich um verschiedenste Faktoren handeln, von dem Wert und der Art des Schadens über den Kundentyp bis hin zum Mitarbeiter, der den Fall bearbeitet. Das Diagramm unten zeigt ein Beispiel für das häufig verwendete Fischgräten-Diagramm, eines von vielen beliebten Werkzeugen für das Brainstorming und die strukturierte Problemlösung.
Bereit zum Brainstorming?
Mit prädiktiven Modellen Auswirkungen quantifizieren …
Allgemein sind prädiktive Modelle hilfreich, um Prognosen zu treffen und die Faktoren zu verstehen, die sich auf die Antwortvariable auswirken. Mit dem Werkzeug für das automatisierte maschinelle Lernen in Minitab können wir nicht nur das beste Modell ermitteln (in diesem Fall Random Forests®), sondern sehen auch die Ergebnisse der anderen Modelle.
In diesem Fall schneidet die häufig eingesetzte herkömmliche Regression nicht nur am schlechtesten ab, sondern ist auch sehr ungenau. Das CART®-Modell, ideal zum Visualisieren von Beziehungen, funktioniert relativ gut.
Verbesserungen umsetzen …
Bei der Betrachtung des CART®-Entscheidungsbaums unten wird klar, dass Kfz-Schäden am schnellsten reguliert werden, während Einbruchs- und Diebstahlschäden am längsten dauern. Dies zeigt die erste Verbesserungsmöglichkeit. Im nächsten Schritt lässt sich feststellen, dass die Sachbearbeiterin Rebecca insbesondere mit diesen Fällen Schwierigkeiten hat. Rebecca zu diesem Thema zu schulen, könnte direkt zu Verbesserungen führen.
… und das Modell operationalisieren, um besser mit den Kunden zu kommunizieren
Mit dieser Analyse können nicht nur Verbesserungsmöglichkeiten aufgedeckt werden, sie kann auch bei der Kommunikation mit den Kunden helfen. Indem wir diese Faktoren betrachten und das genaueste Random Forests® -Modell verwenden (das vom automatisierten maschinellen Lernen bestimmt wurde), können wir das Modell operationalisieren, um automatisch mit den Kunden zu kommunizieren. Mit Lösungen wie Minitab Model Ops kann das Modell, während die Datenpunkte erfasst werden, eine geschätzte Regulierungsdauer für den Fall berechnen und die Prognose automatisch dem Kunden mitteilen. So wird sichergestellt, dass die Kunden realistische Erwartungen haben und nicht enttäuscht sind. Mit dieser Leistungssteigerung können Sie nicht nur die Erwartungen Ihrer Kunden übertreffen, sondern auch das prädiktive Modell weiter präzisieren, um den Kunden in Zukunft noch genauere Zeitangaben nennen zu können.
Möchten Sie noch andere Herausforderungen im Versicherungsbereich in Angriff nehmen?
