Mobiliar Apr18
- 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 - [email protected] 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