Vorteile
Zuverlässige Prognose der Produktkennzahlen
Daten
Rein deskriptives Reporting
Methoden
ARIMA, Exponential Smoothing (ETS), Bayesian Structural Time Series (BSTS)
Prognose von KPIs auf Basis von Zeitreihen für Versicherer
Herausforderung
Der Kunde gehört zu Deutschlands größten Versicherungsgruppen. Zur anwenderfreundlichen Aufbereitung wichtiger Produktkennzahlen wie Aufwänden oder Schadensquoten hat die Rückversicherungs-Abteilung des Kunden eine Shiny-App erstellt. Das mit der App generierte Reporting ermöglicht den Mitarbeitern eine regelmäßige Betrachtung des IST-Zustandes der einzelnen Produktkategorien. Um das Reporting noch stärker als Planungsgrundlage nutzen zu können, suchte der Versicherer nach einer Möglichkeit, die bestehende Applikation um Vorhersagemöglichkeiten zu erweitern.
Ziel
Das Ziel des Kunden ist die Implementierung eines verlässlichen Forecastings auf Basis von Zeitreihen, also den in der App dargestellten Produktkennzahlen. Die Ausgabe der Informationen soll als Grafik und Tabelle möglich sein.
Lösung
Aufgrund des breiten Produktportfolios sind die Zeitreihen untereinander sehr heterogen. Saisonalitäten, Trends oder die grundsätzliche Eignung für Vorhersagen: Die zentrale Aufgabe für die Data Science Spezialisten von eoda lag deshalb in der Evaluierung der geeigneten Analyseverfahren im Hinblick auf die jeweiligen Zeitreihen.
Neben den Standardmodellen ARIMA und Exponential Smoothing (ETS) hat eoda unter anderem auch die Anwendbarkeit von Bayesian Structural Time Series (BSTS) geprüft.
Das grundsätzliche Vorgehen bei der Beurteilung der Güte eines Modells besteht darin, die vorhandenen Daten in einen Trainings‐ und einen Testdatensatz aufzuteilen. Das Modell wird anschließend mit der Trainingszeitreihe trainiert, um mit diesem Model Vorhersagen für den Testzeitraum treffen zu können. Der Vergleich der Vorhersage mit dem tatsächlichen Verlauf der Zeitreihe – den Testdaten – liefert Aufschlüsse über die Güte des Modells.
Das Ergebnis ist eine Funktion, welche die individuellen Eigenschaften der Zeitreihen erkennt und anhand einer Matrix das jeweils beste Analysemodell in der richtigen Konfiguration für das Forecasting zum Einsatz bringt.
Ergebnis
Durch die Unterstützung von eoda kann der Versicherer sein bislang rein deskriptives Reporting um die zuverlässige Prognose der Produktkennzahlen erweitern. Der Kunde erhält dafür von eoda neben einem kommentierten Analyseskript auch einen ausführlichen Projektbericht, der neben der gewählten Vorgehensweise auch die eingesetzten Methoden vorstellt. So lässt sich das Prognosemodell nicht nur nahtlos in die bestehende Shiny-App implementieren, sondern ist auch für die zuständigen Mitarbeiter optimal nachvollziehbar.
Die jahrelange Projekterfahrung und die umfassende Methodenkompetenz der Analysespezialisten von eoda garantierten dabei eine schnelle und zielführende Projektumsetzung.
Data-Driven Software:
YUNA - als Data Science-Plattform
YUNA ist die DIE zentrale Plattform für die Entwicklung und Steuerung digitaler, KI-gestützter Projekte. YUNA verbindet BI-Funktionen mit der Möglichkeit verschiedenste Modelle und Skripte zu nutzen.
Erfahren Sie mehr!
Use Cases:
Data Science in Ihrer Branche
Optimierte Prozesse, Zeitersparnis und Kostenreduzierung – das sind die Ergebnisse, wenn Data Science erfolgreich eingesetzt wird. Entdecken Sie hier weitere Use Cases und lassen Sie sich inspirieren.
Whitepaper:
Wie erschließe ich das Potenzial meiner Daten?
Wie lässt sich der Datenschatz heben? Wie verläuft der Weg von der Idee bis zur erfolgreichen Realisierung und Implementierung eines Data-Science-Projektes? Erfahren Sie es in unserem kostenlosen Whitepaper!
Data Projects:
Von der Idee zum produktiven Service!
Welche Anwendungsfälle sind für Sie besonders spannend? Wie kann der Wissensaufbau in Ihrem Unternehmen gelingen? Von der Lösungsidee bis zum produktiven Einsatz von KI-Systemen in Ihrem Unternehmen: Wir schaffen für Sie aus Daten spürbare Mehrwerte.