1. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
MAS ETH MTEC Masterarbeit von Stefano Perfetti, Oktober 2017
Betreut von Cristina Kadar (ETH) und von Dr. José R. Iria (Mobiliar)
11-Apr-18Stefano Perfetti 1
AI in der Versicherungsbranche
2. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 2
Der Studienautor Stefano Perfetti
Gebürtiger Mailänder und adoptierter Zürcher,
ich habe ursprünglich Software Engineering
studiert und dann für 12 Jahre in der
Finanzbranche quantitative Software entwickelt.
Seit 2016 studiere ich vollzeitlich für den
«Master of Advanced Studies in Management,
Technology and Economics», d.h.
die Management-Ausbildung der ETH Zürich,
zwecks einer professionellen Neuorientierung.
Im Oktober 2017 habe ich alle Erfordernisse dieses Masters erfüllt mit der
Masterarbeit «Data Science Landscape in the Insurance Industry», die durch die
von der Mobiliar gesponserte Forschungsgruppe «Mobiliar Lab for Analytics»
unterstützt wurde. Ich bin der Mobiliar sehr dankbar für alle Chancen, die mir
diese Masterarbeit eröffnet hat.
Aktuell besuche ich freiwillig weitere extra Kurse an der ETH Zürich und
suche eine Stellung, die meinen Interessen an Innovation, AI und
Datenanalyse entspricht.
Um mich kennenzulernen und zu kontaktieren: linkedin.ch/in/sperfetti
3. Agenda
>> Konzepte und Worte der AI
AI in der Versicherungsbranche
Umfrage: die AI bei Versicherern
Fazit
4. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 4
Verbundene und überlappende Konzepte
Conceptual map of data science. Mayo, M. (2016, March). Data science puzzle explained/2.
Retrieved from http://www.kdnuggets.com/2016/03/data-science-puzzle-explained.html/2 on 2017-09-24.
5. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Search interest over the 10 Y up to Jan-2018. From Google trends.
Die Beliebtheit der
unterschiedlichen Ausdrücke
ändert sich mit der Zeit...
…und nicht alle Menschen verwenden die gleichen Ausdrücke:
“Machine learning”
ist hoch im Trend,
aber sehr wenige
tragen den Berufstitel
”machine learners”.
Managers reden oft
von “big data”
und seine
Anwendungen.
Auf LinkedIn gibt es
60’000 “data scientists”
in allen Ländern und
Wirtschaftsbranchen
fast 9-mal mehr
als vor 4 Jahren!
11-Apr-18Stefano Perfetti 5
machine learning
big data
artificial intelligence
data science
data mining
6. Agenda
Konzepte und Worte der AI
>> AI in der Versicherungsbranche
Umfrage: die AI bei Versicherern
Fazit
7. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Wirkungen der AI auf das Versicherungsgeschäft
11-Apr-18Stefano Perfetti 7
mehr
Detailgenauigkeit
ganz neue
Chancen!
Kunden-
gewinnung
Risiko-
bewertung
Betrugs-
prävention
Retention
& upselling
Schadens-
bearbeitung
aktives Risiko-
management
Produkt-
entwicklung
Erstellung
von Angebot
feste Prämien gegen
Schutz vor Risiko
mehr Effektivität
und mehr Effizienz,
flächendeckend
Win
win!
8. Agenda
Konzepte und Worte der AI
AI in der Versicherungsbranche
>> Umfrage: die AI bei Versicherern
Fazit
9. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 9
Umfrage über die AI in der Versicherungsbranche
Ganz anonym durchgeführt in Aug-Sep 2017
Gesendet über LinkedIn an Datenwissenschaftler tätig bei Versicherern, weltweit
14 strukturierte Fragen und 300 Teilnehmer aus 40 Ländern insgesamt
10. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 10
Geschäfts-
funktionen,
wo die AI
verwendet
wird
Die Umfrage
zeigt, die AI
wird in der
Versicherungs-
branche fast
allgegenwärtig.
11. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 11
Datentypen
in der AI bei
Versicherern
Zwar vielfältige
Datentypen,
aber
interne Daten
am häufigsten.
12. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 12
Datenformate in der AI bei Versicherern
Die Verwendung vom Text
ist schon breit etabliert.
Nächste Welle: Bilder und
gesprochene Sprache.
13. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Erfolgsfaktoren für AI-Projekte bei Versicherern
Am wichtigsten sind
menschliche Faktoren…
...aber die Fachkompetenz und
die Branchenexpertise der Data
Scientists sind fast gleich wichtig.
11-Apr-18Stefano Perfetti 13
14. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 14
Unternehmensexterne AI-Wissensquellen
Die meisten Versicherer planen doch
keine Zusammenarbeit für die AI. Das
deutet darauf hin, dass dieses Thema als
strategisch betrachtet wird.
15. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 15
Unternehmensexterne AI-Wissensquellen
Die Verbindung an APIs wie z.B.:
- IBM Watson
- Google Cloud Machine Learning Engine
- Amazon Machine Learning API
- Microsoft Azure Machine Learning
- BigML
- …
liefert höchst komplexe Funktionalitäten.
16. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Karrieren der Datenwissenschaftler
in der Versicherungsbranche
Sie stammen oft aus
anderen Branchen
und/oder Rollen.
Dies deutet darauf hin,
es gebe zu wenige
solche Profile.
11-Apr-18Stefano Perfetti 16
17. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Karrieren der Datenwissenschaftler
in der Versicherungsbranche
Für die Zukunft wollen
sie mit der AI weiter
arbeiten…
…aber leider für die
Versicherer ist ihnen
die Branche egal.
11-Apr-18Stefano Perfetti 17
18. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 18
Aufschlussreiche Zusammenhänge
Aus der Forschungsliteratur
lässt sich ableiten, es sei eine
Ursache-Wirkungs-Beziehung.
unterstrichen:
p-value < 0.05
ganz grün = +1,
ganz weiss = 0,
ganz rot = -1.
Die AI-Leistungskennzahlen
der Versicherer haben mittlere
bis starke Korrelationen mit
dem Verwendungsgrad von
externen AI-Wissensquellen,
d.h. Unternehmensberatern,
Universitäten, anderen
Versicherern und AI-APIs.
19. Agenda
Konzepte und Worte der AI
AI in der Versicherungsbranche
Umfrage: die AI bei Versicherern
>> Fazit
20. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 20
Fazit
Die AI ändert tiefgreifend die Versicherungsbranche.
Der Anschluss eines Versicherers an externen AI-Wissensquellen, wie
Unternehmensberatern, Universitäten, anderen Versicherern und AI-APIs,
scheint, seine AI-Leistungsfähigkeit zu verstärken.
Datenwissenschaftler mit Erfahrung im Versicherungsgeschäft sind
wichtig für die Versicherer, aber fühlen sich der Branche nicht verbunden.
Deswegen sollten Versicherer das Folgende tun:
in die AI investieren, um mit den laufenden Änderungen Schritt halten;
nicht nur interne, sondern auch externe AI-Wissensquellen benutzen;
sich bemühen, ihre erfahrenen Datenwissenschaftler an sich zu binden.
21. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
Ich freue mich auf alle Fragen und Feedbacks. - Stefano
linkedin.ch/in/sperfetti - perfetti.stefano@gmail.com
11-Apr-18Stefano Perfetti 21
Wenn das Sie interessiert hat, bitte «like» clicken oder
teilen, denn dies hilft mir bei meiner Stellensuche. Zum
Dank im Voraus gibt es nun noch weitere 7 extra Folien.
22. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics
AXA
9%
Allstate
7%
Liberty Mutual Insurance
5%
Aetna
5%
The Hartford
4%
Zurich
4%
AIG
3%
Allianz
3%
Generali
2%
Humana
2%
BlueCross and BlueShield
2%
MetLife
2%Aviva
2%
Nationwide Insurance
1%
Other 206 insurers
49%
“Data scientists” tätig bei
Versicherern weltweit in
Aug-17 (Quelle: LinkedIn)
Verteilung der «data scientists» unter den Versicherern
11-Apr-18Stefano Perfetti 22
EXTRA
Können die kleinsten
überhaupt mithalten?
23. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 23
Organisation von AI-Aktivitäten bei Versicherern
EXTRA
24. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 24
AI-Methoden in der AI bei Versicherern
EXTRA
25. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 25
Datentypen in der AI bei Versicherern
je nach Geschäftsfunktion
EXTRA
26. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 26
Bildungsniveau und –feld der Datenwissenschaftler in
der Versicherungsbranche
EXTRA
27. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 27
Zeitaufwand je nach Aktivität der Datenwissenschaftler
EXTRA
28. ||ETH Zurich, D-MTEC, Information Management Research Chair, Mobiliar Lab for Analytics 11-Apr-18Stefano Perfetti 28
Meinungen der Datenwissenschaftler
zur Zukunft der AI in der Versicherungsbranche
EXTRA