SlideShare a Scribd company logo
1 of 21
1
Data Analyse
Zeist, 26 september 2017
“Maakt de kracht van data
analyse(s) real-time
beschikbaar voor schade-
afhandelingen en
acceptatie/dynamic
pricing:
meer STP
meer Control
loss ratio
“Maakt de kracht van data
analyse(s) real-time
beschikbaar voor schade-
afhandelingen en
acceptatie/dynamic
pricing:
meer STP
meer Control
loss ratio
2
Over Posthuma Partners
Opgericht in 1997.
Nederlands actuarieel advies bureau en software
bedrijf. Internationaal erkend en wetenschappelijk
gevalideerd door 2 universiteiten.
Activiteiten hebben onder andere betrekking op:
Financiële modellering
Data analyse(s) tooling en advies
3
Data
Data Analyse en Data Mining is het proces van onderzoek en
informatie uit data te halen.
Doel is verkrijgen van inzicht in datasets:
 Waar zitten afhankelijkheden?
 Hoe verhoudt zich een datapunt ten opzichte van het geheel?
Maar ook:
 Is het mogelijk om betrouwbare voorspelling naar de toekomst
toe te maken?
4
Belangrijk voordat je begint
Databegrip
 Eenduidig begrip van datavelden
 Geen wijzigingen in meetdefinities (wao-ers, ww-ers)
 Betrouwbaarheid van data
Start de analyse met een probleemstelling
Koppelen/verrijking van data is nuttig maar gevaarlijk.
Let op:
Sleutel is essentieel
Gelijke definitie van sleutel
Datastempel
5
Valkuilen
 Te grote bestanden
 Datakwaliteit
 Statistische overfitting
 Multicollineariteit
 Correlatie en causaliteit
6
Voorbeelden correlatie vs causaliteit
Als er meer ijsjes worden verkocht (variabele X) dan stijgt het aantal
verdrinkingen (variabele Y).
wel correlatie
geen causaal verband
7
Voorbeelden correlatie vs causaliteit
8
Voorbeelden correlatie vs causaliteit
http://tylervigen.com/spurious-correlations
9
Voorbeelden correlatie vs causaliteit
http://tylervigen.com/spurious-correlations
10
Voorbeelden correlatie vs causaliteit
http://tylervigen.com/spurious-correlations
11
Voorbeelden correlatie vs causaliteit
Homicide rates have gone down as gun violence has gone up.
Correlatie of causaliteit?
The researchers say they found two main problems.
 First, the hospitals used in this representative sample
between 2003 and 2012 had changed over time, probably
skewing the results.
 The second problem is that the hospitals also seemed to be
recording the cases a little better over time, marking fewer
gun cases as having "unknown" causes.
12
Technieken
Regressie analyse
 Essentieel is te komen tot die covariaten die een sterke relatie
hebben met de te verklaren variabele.
 Generalized Linear model (GLM)
Mogelijke methoden voor regressie:
 Tijdreeksanalsyse
 Stepwise regression (forward, backward, bidirectional)
 Lasso (least absolute shrinkage and selection operator)
 Simulated annealing
 Random forest
 Bagging
13
Beschikbare Software
Waar begin je mee: Acces en Excel
Ondersteunende software voor Data analyse en Data mining:
CMF, IFM, ELKI, Dataiku DSS, ITALASSI, R, Data Applied, DevInfo,
Waffles, ILNumerics.Net, jMatLab, R Software Environment, Toolkit,
TANAGRA, Alteryx, MiningMart, RapidMiner, SAS Enterprise Miner,
Oracle Data Mining ODM,...
14
Toepassing: schadebehandelingsprocessen
In de meeste gevallen steunen verzekeraars op:
Een ‘regelset’ in hun systeem
(gebaseerd op de polisvoorwaarden en enkele extra regels)
De aandacht en kennis van de schadebehandelaar
Reguliere analyses, rapportages en controles
15
Analyse schadebehandelingsprocessen 1-
dimensionaal
16
Toch bevat een schadedatabase waardevolle
voorspellende kennis die nu niet wordt gebruikt
Extra mogelijkheden
Voorspellende kennis real-time beschikbaar
krijgen, zonder ICT ‘stress’
Het in de analyse meenemen van ALLE
variabelen (velden) die een relatie hebben
met prijs én prijscomponenten
Pro-actief optimaliseren op een reguliere basis
17
Analyse schadebehandelingsprocessen meer-
dimensionaal
18
Toepasbaar op verschillende productlijnen
AUTO ZORG
REISINBOEDEL
ZIEK / AO
OVERLIJDENONTSLAG
PENSIOEN
19
Toepassing: Pensioen
 Overlevingstafels (correcties)
Leeftijd, geslacht, sector, roken, gevaarlijke sporten,
postcode
 Afkoopgedrag
Leeftijd, geslacht, in-the-money/out-of-the money, inflatie,
rente
 Risicohouding
 Zorgplicht
20
Tot slot
Data Analyse
Zet inzichten op basis van huidige data om naar toekomstige
voorspellingen
Heeft toegevoegde waarde
Is niet zaligmakend
Maar kan ook gevaarlijk zijn in de handen van onkundigen en
leken.
21
Contact
Posthuma Partners
Zuidelijk Halfrond 1
2801 DD GOUDA
The Netherlands
S: www.posthuma-partners.nl
E: meel@Posthuma-partners.nl
M: +31 6 22 24 10 10 (Peter van Meel)

More Related Content

Similar to Posthuma Partners Data analyse software insurers

Kan ik ooit op mijn data vertrouwen?
Kan ik ooit op mijn data vertrouwen? Kan ik ooit op mijn data vertrouwen?
Kan ik ooit op mijn data vertrouwen? TNO
 
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...SURF Events
 
Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?Sjaak Wolfert
 
03-036.15_7 kritische succesfactoren voor een SOC_web
03-036.15_7 kritische succesfactoren voor een SOC_web03-036.15_7 kritische succesfactoren voor een SOC_web
03-036.15_7 kritische succesfactoren voor een SOC_webJan Terpstra
 
7-kritische-succesfactoren-voor-een-SOC
7-kritische-succesfactoren-voor-een-SOC7-kritische-succesfactoren-voor-een-SOC
7-kritische-succesfactoren-voor-een-SOCJan Terpstra
 
Fex 190912 - presentatie - kansen en mogelijkheden met data science door jo...
Fex   190912 - presentatie - kansen en mogelijkheden met data science door jo...Fex   190912 - presentatie - kansen en mogelijkheden met data science door jo...
Fex 190912 - presentatie - kansen en mogelijkheden met data science door jo...Flevum
 
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...HOlink
 
Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920BigDataExpo
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the sceneJurjen Helmus
 
Sessie NGI: Back to the future
Sessie NGI: Back to the futureSessie NGI: Back to the future
Sessie NGI: Back to the futureMartijn Zoet
 
Rob van 't slot de waarde van smart meter data, vanuit het asset management...
Rob van 't slot   de waarde van smart meter data, vanuit het asset management...Rob van 't slot   de waarde van smart meter data, vanuit het asset management...
Rob van 't slot de waarde van smart meter data, vanuit het asset management...Dutch Power
 
Sebyde Nieuwsbrief #12
Sebyde Nieuwsbrief #12Sebyde Nieuwsbrief #12
Sebyde Nieuwsbrief #12Derk Yntema
 
[Dutch] Data: Van Innovatie naar Waarde
[Dutch] Data: Van Innovatie naar Waarde[Dutch] Data: Van Innovatie naar Waarde
[Dutch] Data: Van Innovatie naar WaardePrudenza B.V
 
Digital twin (artificial intelligence)
Digital twin (artificial intelligence) Digital twin (artificial intelligence)
Digital twin (artificial intelligence) Özlem Avci
 
20130527 jill dyche - im ronald
20130527   jill dyche - im ronald20130527   jill dyche - im ronald
20130527 jill dyche - im ronaldPrudenza B.V
 
20130527 jill dyche - im ronald [Dutch]
20130527   jill dyche - im ronald [Dutch]20130527   jill dyche - im ronald [Dutch]
20130527 jill dyche - im ronald [Dutch]Prudenza B.V
 
Digital twin by Özlem Avci
Digital twin by Özlem Avci Digital twin by Özlem Avci
Digital twin by Özlem Avci Özlem Avci
 

Similar to Posthuma Partners Data analyse software insurers (20)

Kan ik ooit op mijn data vertrouwen?
Kan ik ooit op mijn data vertrouwen? Kan ik ooit op mijn data vertrouwen?
Kan ik ooit op mijn data vertrouwen?
 
datadriven-education-3.0-coney
datadriven-education-3.0-coneydatadriven-education-3.0-coney
datadriven-education-3.0-coney
 
Monitoring sucks
Monitoring sucksMonitoring sucks
Monitoring sucks
 
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...
Algoritmeregister in het onderwijs - Wilco Te Winkel (EUR) en Duuk Baten (SUR...
 
Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?
 
03-036.15_7 kritische succesfactoren voor een SOC_web
03-036.15_7 kritische succesfactoren voor een SOC_web03-036.15_7 kritische succesfactoren voor een SOC_web
03-036.15_7 kritische succesfactoren voor een SOC_web
 
7-kritische-succesfactoren-voor-een-SOC
7-kritische-succesfactoren-voor-een-SOC7-kritische-succesfactoren-voor-een-SOC
7-kritische-succesfactoren-voor-een-SOC
 
Iot in de zorg the next step - fit for purpose
Iot in de zorg   the next step - fit for purpose Iot in de zorg   the next step - fit for purpose
Iot in de zorg the next step - fit for purpose
 
Fex 190912 - presentatie - kansen en mogelijkheden met data science door jo...
Fex   190912 - presentatie - kansen en mogelijkheden met data science door jo...Fex   190912 - presentatie - kansen en mogelijkheden met data science door jo...
Fex 190912 - presentatie - kansen en mogelijkheden met data science door jo...
 
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...
Impact Wet bescherming persoonsgegevens en meldplicht datalekken op u en uw i...
 
Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920Nn zs ddu big data expo 20170920
Nn zs ddu big data expo 20170920
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the scene
 
Sessie NGI: Back to the future
Sessie NGI: Back to the futureSessie NGI: Back to the future
Sessie NGI: Back to the future
 
Rob van 't slot de waarde van smart meter data, vanuit het asset management...
Rob van 't slot   de waarde van smart meter data, vanuit het asset management...Rob van 't slot   de waarde van smart meter data, vanuit het asset management...
Rob van 't slot de waarde van smart meter data, vanuit het asset management...
 
Sebyde Nieuwsbrief #12
Sebyde Nieuwsbrief #12Sebyde Nieuwsbrief #12
Sebyde Nieuwsbrief #12
 
[Dutch] Data: Van Innovatie naar Waarde
[Dutch] Data: Van Innovatie naar Waarde[Dutch] Data: Van Innovatie naar Waarde
[Dutch] Data: Van Innovatie naar Waarde
 
Digital twin (artificial intelligence)
Digital twin (artificial intelligence) Digital twin (artificial intelligence)
Digital twin (artificial intelligence)
 
20130527 jill dyche - im ronald
20130527   jill dyche - im ronald20130527   jill dyche - im ronald
20130527 jill dyche - im ronald
 
20130527 jill dyche - im ronald [Dutch]
20130527   jill dyche - im ronald [Dutch]20130527   jill dyche - im ronald [Dutch]
20130527 jill dyche - im ronald [Dutch]
 
Digital twin by Özlem Avci
Digital twin by Özlem Avci Digital twin by Özlem Avci
Digital twin by Özlem Avci
 

Posthuma Partners Data analyse software insurers

  • 1. 1 Data Analyse Zeist, 26 september 2017 “Maakt de kracht van data analyse(s) real-time beschikbaar voor schade- afhandelingen en acceptatie/dynamic pricing: meer STP meer Control loss ratio “Maakt de kracht van data analyse(s) real-time beschikbaar voor schade- afhandelingen en acceptatie/dynamic pricing: meer STP meer Control loss ratio
  • 2. 2 Over Posthuma Partners Opgericht in 1997. Nederlands actuarieel advies bureau en software bedrijf. Internationaal erkend en wetenschappelijk gevalideerd door 2 universiteiten. Activiteiten hebben onder andere betrekking op: Financiële modellering Data analyse(s) tooling en advies
  • 3. 3 Data Data Analyse en Data Mining is het proces van onderzoek en informatie uit data te halen. Doel is verkrijgen van inzicht in datasets:  Waar zitten afhankelijkheden?  Hoe verhoudt zich een datapunt ten opzichte van het geheel? Maar ook:  Is het mogelijk om betrouwbare voorspelling naar de toekomst toe te maken?
  • 4. 4 Belangrijk voordat je begint Databegrip  Eenduidig begrip van datavelden  Geen wijzigingen in meetdefinities (wao-ers, ww-ers)  Betrouwbaarheid van data Start de analyse met een probleemstelling Koppelen/verrijking van data is nuttig maar gevaarlijk. Let op: Sleutel is essentieel Gelijke definitie van sleutel Datastempel
  • 5. 5 Valkuilen  Te grote bestanden  Datakwaliteit  Statistische overfitting  Multicollineariteit  Correlatie en causaliteit
  • 6. 6 Voorbeelden correlatie vs causaliteit Als er meer ijsjes worden verkocht (variabele X) dan stijgt het aantal verdrinkingen (variabele Y). wel correlatie geen causaal verband
  • 8. 8 Voorbeelden correlatie vs causaliteit http://tylervigen.com/spurious-correlations
  • 9. 9 Voorbeelden correlatie vs causaliteit http://tylervigen.com/spurious-correlations
  • 10. 10 Voorbeelden correlatie vs causaliteit http://tylervigen.com/spurious-correlations
  • 11. 11 Voorbeelden correlatie vs causaliteit Homicide rates have gone down as gun violence has gone up. Correlatie of causaliteit? The researchers say they found two main problems.  First, the hospitals used in this representative sample between 2003 and 2012 had changed over time, probably skewing the results.  The second problem is that the hospitals also seemed to be recording the cases a little better over time, marking fewer gun cases as having "unknown" causes.
  • 12. 12 Technieken Regressie analyse  Essentieel is te komen tot die covariaten die een sterke relatie hebben met de te verklaren variabele.  Generalized Linear model (GLM) Mogelijke methoden voor regressie:  Tijdreeksanalsyse  Stepwise regression (forward, backward, bidirectional)  Lasso (least absolute shrinkage and selection operator)  Simulated annealing  Random forest  Bagging
  • 13. 13 Beschikbare Software Waar begin je mee: Acces en Excel Ondersteunende software voor Data analyse en Data mining: CMF, IFM, ELKI, Dataiku DSS, ITALASSI, R, Data Applied, DevInfo, Waffles, ILNumerics.Net, jMatLab, R Software Environment, Toolkit, TANAGRA, Alteryx, MiningMart, RapidMiner, SAS Enterprise Miner, Oracle Data Mining ODM,...
  • 14. 14 Toepassing: schadebehandelingsprocessen In de meeste gevallen steunen verzekeraars op: Een ‘regelset’ in hun systeem (gebaseerd op de polisvoorwaarden en enkele extra regels) De aandacht en kennis van de schadebehandelaar Reguliere analyses, rapportages en controles
  • 16. 16 Toch bevat een schadedatabase waardevolle voorspellende kennis die nu niet wordt gebruikt Extra mogelijkheden Voorspellende kennis real-time beschikbaar krijgen, zonder ICT ‘stress’ Het in de analyse meenemen van ALLE variabelen (velden) die een relatie hebben met prijs én prijscomponenten Pro-actief optimaliseren op een reguliere basis
  • 18. 18 Toepasbaar op verschillende productlijnen AUTO ZORG REISINBOEDEL ZIEK / AO OVERLIJDENONTSLAG PENSIOEN
  • 19. 19 Toepassing: Pensioen  Overlevingstafels (correcties) Leeftijd, geslacht, sector, roken, gevaarlijke sporten, postcode  Afkoopgedrag Leeftijd, geslacht, in-the-money/out-of-the money, inflatie, rente  Risicohouding  Zorgplicht
  • 20. 20 Tot slot Data Analyse Zet inzichten op basis van huidige data om naar toekomstige voorspellingen Heeft toegevoegde waarde Is niet zaligmakend Maar kan ook gevaarlijk zijn in de handen van onkundigen en leken.
  • 21. 21 Contact Posthuma Partners Zuidelijk Halfrond 1 2801 DD GOUDA The Netherlands S: www.posthuma-partners.nl E: meel@Posthuma-partners.nl M: +31 6 22 24 10 10 (Peter van Meel)

Editor's Notes

  1. !