mobi__icon--right Created with Sketch.

die Mobiliar

""
""

Aus Daten lernen

Reserviert ist bei uns im Aktuariat höchstens das Deckungskapital.

Mara Nägelin – ehemalige Trainee, Aktuariat, Bern
Aurel Adler – ehemaliger Trainee, Daten & Analytik, Bern und Zürich

«In der Mobiliar ist das Aktuariat in drei Bereiche aufgeteilt: Reserving, Pricing und Statistik. In allen Bereichen werden mit Methoden und Modellen der Mathematik, Wahrscheinlichkeitstheorie und mathematischer Statistik Risiken beurteilt und bewertet.

Als erstes Projekt habe ich mir die Analyse des Inflationsrisikos im Reserving ausgewählt. Basierend auf gesammelten Informationen stelle ich ein mathematisches Modell auf, um den Effekt von verschiedenen Inflationsszenarien auszuwerten. Methodik und Vorgehen kann ich dabei selbst bestimmen. Das Wissen, dass meine Berechnungen für die Mobiliar wertvoll sind, motiviert mich, immer mein Bestes zu geben. Mein zweites Projekt ist Teil der Zusammenarbeit mit der Eurapco Allianz von führenden europäischen Versicherungen mit genossenschaftlichem Hintergrund: Ich möchte die klassischen Reserving-Prozesse mithilfe neuer Erkenntnisse aus dem Bereich Data Science und Machine Learning verbessern. Bei diesem Projekt arbeite ich nicht nur mit internationalen Teams zusammen, sondern auch mit Aurel und seinen Arbeitskollegen – denn sie sind bei uns die Experten in Datenfragen.»

Wir bewahren einen kühlen Kopf – auch bei Excel-Tabellen mit 300 Spalten.

«In Daten & Analytik wollen wir – einfach gesagt – Erkenntnisse aus Daten gewinnen und diese intelligent nutzen. Wir verwenden verschiedenste Datenquellen, die wir analysieren, um Prozesse zu verbessern, Informationen zu aggregieren und zu vermitteln oder Empfehlungssysteme zu bauen. Bisher mussten die Versicherungsberater beispielsweise bei Restaurants ein aufwändiges Inventarblatt ausfüllen, um die Versicherungssumme zu ermitteln. Ich soll nun unter anderem mittels Machine Learning herausfinden, ob es einige wenige Kennfaktoren gibt, nach denen sich die Versicherungssumme hauptsächlich richtet. In Zukunft wären somit nur noch wenige Inputs nötig, um die Versicherungssumme zu schätzen. Das würde den ganzen Schätzungsprozess natürlich enorm vereinfachen.

Ich arbeite bei einem Projekt des Pricings mit und sehe Mara deswegen regelmässig. Was uns zudem verbindet, ist das Mindset: Wir haben beide einen mathematischen Hintergrund, kennen uns aus beim Programmieren und haben das nötige analytische Denken für diese Aufgaben.»