Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
11
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Moderne statistische Methoden alsBasis für individualisierteRisikovorhersage
Prof. Dr. Michael FeindtInstitut für Experimentelle KernphysikUniversität Karlsruhe
Wissenschaftlicher Beirat der
Phi-T Physics Information Technologies GmbH
Modernste mathematische Verfahren fürdie Versicherungswirtschaftin Theorie und Praxis
Prof. Dr. Michael Feindt
Vorstand CETA Inst. f. Exp. KernphysikUniversität Karlsruhe
Wissenschaftlicher BeiratPhi-T Physics Information Technologies GmbH
22
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Prof. Dr. Michael Feindt
Vorstand CETA Universität Karlsruhe
Wissenschaftlicher BeiratPhi-T Physics Information Technologies GmbH
Modernste mathematische Verfahren fürdie Versicherungswirtschaftin Theorie und Praxis
33
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Zufall
Rein zufällige Ereignisse sind prinzipiell nicht vorhersagbar(auch bei genauer Kenntnis der Ausgangssituation!)
Beispiele hierfür sind:
Lottozahlen
radioaktiver Zerfall
44
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Vorhersehbar
Bei einfachen, mechanischen Prozessen ist das Ergebnisexakt vorhersagbar(eine Ursache erzeugt eineeindeutige Wirkung)
Beispiele hierfür sind:
Pendel, Planetenbahnen,Billard, …
55
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Wahrscheinlichkeit
Viele Systeme: Mischung aus vorhersagbarer Komponenteund Zufallskomponente.
Wahrscheinlichkeitsaussage, Statistik
In diesem Vortrag:Extraktion der vorhersagbaren KomponenteIndividualisierung von Wahrscheinlichkeitsaussagen
mittlerer Kunde
individueller KundeMustermann
66
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Die Idee
> Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung amDESY, CERN, Fermilab und an der UniversitätKarlsruhe.
> Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starkeKonkurrenz.
> Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden.
> Entwicklung des NeuroBayes®-Algorithmus zurVorhersage bedingter Wahrscheinlichkeitsdichten.
> Entwicklung des NeuroBayes®-Algorithmus zurVorhersage bedingter Wahrscheinlichkeitsdichten.
> Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung amDESY, CERN, Fermilab und an der UniversitätKarlsruhe.
> Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starkeKonkurrenz.
> Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden.
77
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
50000 Kollisionen pro Sekunde, Jede 10 Mio. Kollisionen ein interessantes Ereignis. „Data Mining“ ist eine große Herausforderung
LEP / LHCLarge Electron Positron ColliderGrößter Teilchenbeschleuniger der Welt am CERN/Genf
88
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
OPA
L Ex
perim
ent
am L
EP
Quantenmechanik: Jedes Mal passiert etwasanderes!
99
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Stecknadeln im Heuhaufen ...
1010
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Datenanalyse und statistische Methoden
Optimiert durch weltweiten Wettbewerb,aus den begrenzten und teuren Daten möglichst viele neue physikalischeErkenntnisse zu extrahieren.
1111
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
NeuroBayes®
Neuronale Netzwerke:Selbstlernende Verfahren, der Natur nachempfunden
ParietalCortexFrontal Lobe
Motor Cortex
Temporal Lobe
Brain Stem
OccipitalLobe
Cerebellum
1212
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Neuronale Netze
Die Information (das Wissen, die Expertise) steckt in denVerbindungen zwischen denNervenzellen
Seit 1986 aufComputer simulierbar.
Einige Schwachpunkte:--nicht robust--Lernen schwierig--Übertrainieren möglich
Output
Input
1313
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
NeuroBayes® Prinzip
Lernen von komplizierten Zusammenhängen zwischen vielenbeschreibenden Größen heute und einer binären oder kontinuierlichenZielvariablen in der Zukunft aus bestehenden Datenbanken mittelsneuronaler Netzwerke.
Robustheit und weitgehende Automatisierung durch intelligentes und ständig weiter entwickeltes Preprocessing.
Automatische Überwachung der statistischen Signifikanz:Auf Bayes’schem Theorem basierende Regularisierungsverfahren sorgendafür, dass statistisches Rauschen unterdrückt wird:Nur echte Dynamik wird gelernt!
Sichere und möglichst differenzierende Prognose für die Zukunft!
NeuroBayes® ist ein universell einsetzbares Top-Prognose Tool!
1414
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
NeuroBayes® Prinzip
NeuroBayes® Teacher:Lernen von kompliziertenZusammenhängen ausbestehenden Datenbanken
NeuroBayes® Expert:Prognosen für unbekannte Daten
Output
Input
Sign
ifik
anzk
ontr
olle
Postprocessing
Preprocessing
1515
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Vergleich mit konventionellem neuronalen Netz
Quelle: Doktorarbeit Ulrich Kerzel, 2005, Univ. Karlsruhe. Elektronenidentifikation für das CDF-Experiment
am Fermi National Laboratory, Chicago
(von Experten optimiert)
1616
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Sehr klare Anreicherung vomSignal des 2004 neu entdeckten Teilchens X(3872) durch NeuroBayes®
Sehr klare Anreicherung vomSignal des 2004 neu entdeckten Teilchens X(3872) durch NeuroBayes®
CDF ExperimentFermilab, USA
1717
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Direkter Wettbewerb
Data-Mining-Cup 2005: Erkennen von Betrug im Internet-Handel
531 Teilnehmeraus 176 Universitäten aus 41 Ländern.
6 Karlsruher Studenten haben von Phi-TNeuroBayes® zurVerfügung gestelltbekommen:Top-Platzierungen: Positionen 2,3,4,5,6,7!
www.data-mining-cup.de
1818
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Direkter Wettbewerb II •Platz 1 (RWTH Aachen) statistisch nur unsignifikant
besser. Hat fast 1 Monat Preprocessing per Hand von ca. 12 Personen erfordert.
•NeuroBayes- Lösungen extrem robust, durch auto-matisches Preprocessing und Bayes‘sche Regula-risierung sehr gute Performance garantiert!
•Erste vollautomatische NeuroBayes-Lösung(5 Minuten nach Schreiben des Interfaces, 2 Stunden nach Veröffentlicheung der Aufgabe) wäre schon auf Platz 19 gelandet!
Diese Spitzenlösungen hätten allein im Weihnachtsgeschäft 2004 mehr als 200.000 € Einsparung gegenüber Nichtstun gebracht. (Lösungen ab Platz 131 hätten sogar zu noch größerem Verlust geführt) www.data-mining-cup.de
1919
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
2000-2002 NeuroBayes®-Spezialisierungfür die Wirtschaft in Universität Karlsruhe
Okt. 2002: GmbH gegründet, erste bezahlte Aufträge
Juni 2003: Umzug in neues Büro 199 qm IT-Portal Karlsruhe
Exklusivrechte für NeuroBayes®.
Sehr erfolgreiche Referenzprojekte:
Badische Versicherungen BGVdm drogerie marktOtto-Versand
Historie
2020
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Anwendungen für Versicherungen•Vorhersage des Risikos, dass von individuellen Kunden ein Schaden gemeldet wird.
•Vorhersage der Verteilung der Schadenhöhe im Fall einer Schadensmeldung für individuelle Kunden.
•Vorhersage des individuellen Großschaden-Risikos.
•Kundenbewertung (erwarteter Gewinn/Verlust durch einzelne Kunden)
•Vorhersage der Kündigungswahrscheinlichkeit individueller Kunden.
•Entwurf gerechterer und profitablerer Tarifsysteme.
•Aufdeckung von Versicherungsbetrug.
2121
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Mögliche Eingabedaten in derKfz-Versicherung
persönliche Daten:Alter, Geschlecht, Beruf, Wohnort, jährliche Kilometer-leistung, Benutzungsbeschränkungen, Mitfahrer
Fahrzeugdaten:Fahrzeugtyp, Motorleistung, Baujahr, Farbe, Garagenwagen, Tuning-Extras,...
Versicherungsdaten:letzte Schadenssumme, Zeit seit letzter Schadensmeldung, Schadenfreiheitsrabatt, Art der letzten Versicherung (Haftpflicht, Kasko etc.)
Vorhandene Expertenmodelle:GDV-Empfehlung, Prämie nach bisherigem Modell, Prämie nachAlternativmodell
2222
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Korrelationen werden sichtbar im „Ramler-Plot“
2323
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Korrelationen zur Zielvariablen im „Ramler II-Plot“
2424
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Monte Carlo SimulationPhi-T-Bayes‘sches Regularisierungsverfahren im Preprocessing:Beispiel: Kfz-Herstellerklasse mit 0,4% Anteil an Gesamtstatistik
Schätzwert für Schadenswahrscheinlichkeit in Abhängigkeit von Gesamtstatistik
2525
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Schadenwahrscheinlichkeit und -höhe
Im Mittel(„Durchschnittskunde“): kein Schaden: 60%mittlerer Schaden: 13260 €-->mittlere zu erwartende
Kosten: 5304 €
Spezifischer Kunde Mustermann: Höhere Schadenfreiheits-wahrscheinlichkeit: 70%höherer mittlerer Schaden: 16800 €-->mittlere zu erwartende
Kosten: 5040 €
2626
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Test auf Schadenhöhe
Wert StatistischeUnsicherheit(+-1 sigma)
Wirkliche Schadenhöhe
Vorhergesagte Schadenhöhe
2727
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Visualisierung der NeuroBayes-Netzwerk-Topologie
2828
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Stornovorhersage:
Stornowahrscheinlichkeit für Versicherungsverträge
Problem und Zielsetzung:
1. Hohe Stornorate führt zu Umsatzrückgang undVerwaltungsaufwand.
2. Früherkennung von potenziellen Kündigern erlaubtgezielte Kundenbindungsmaßnahmen.
3. Vorhersage der individuellen Kündigungswahrscheinlichkeitfür jeden Kunden aus allen bekannten Informationen ist mitunseren modernen Methoden erstaunlich gut möglich!
4. Kombination von Kündigungsrisiko und Kundenbewertung sehr wertvolles Wissen für jede Versicherung!
2929
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Ergebnisse aus Projekt:Vertrags – Storno einer Individual-Unfallversicherung
Effizienz:Prozentsatz der selektierten an allenKündigern
Kosten:Prozentsatz der selektierten an allen Kunden
3030
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Vertrags - Storno
Mit NeuroBayes®können wir Kunden mit erhöhtem Kündigungs-potenzial identifizieren
3131
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Vertrags - Storno
Wir können10% aller Kündigerin 2,2% aller Kunden identifizieren!
Oder 30% in 9%.
Oder 50% in 19%.
3232
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Vertrags - Storno
Und unsere Vorhersagetrifft auch ein:
Test auf dem Training unbekannten Daten eines anderen Jahrgangs
3333
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Kfz-Risiko-Analyse für BGV
Resultate für die Badischen Versicherungen:
seit Mai 2003: radikal neuer Tarif für junge Fahrer !
Wirkliches Risiko und herkömmliche Prämienmodelle liegenteilweise um Faktor 3 auseinander!
Siehe Vortrag Ralf Sabrowski
3434
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Die Ungerechtigkeit herkömmlicher Prämien:
60% der Kunden zahlen relativ zu viel.
Nur 40% eher risikobereite Kundenzahlen zu wenig, zum Teil viel zuwenig. Diese können identifiziert werden.
Risiko/Prämie
Wah
rsch
einl
ichk
eit
Verhältnis des mit NeuroBayes errechneten Risikos zu einerherkömmlich bestimmten Prämie (auf Mittelwert 1 normiert):
3535
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Neue Prämie Version I:
Gesamtprämienvolumenkonstant:
60% der Kunden zahlenweniger als bisher
40% zahlen mehr
3636
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Neue Prämie Version II:
Anhebung derPrämien im neuen Tarifum 10% hat praktischkeine Konsequenzen:
50% der Kunden zahlenweniger als bisher
50% zahlen mehr
ABER 10% MEHR EINNAHMEN! >ENTSCHEIDEND FÜR DIE RENTABILITÄT !
3737
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Was bietet ?
> Projekte Anbindung an Kunden-Datenbank, Statistische Analyse, NeuroBayes- TrainingQualitative Erkenntnisse, Quantitative Prognosen für jeden KundenExpert-Software-Erstellung und Installation beim Kunden
> NeuroBayes®- Lizenzen erlauben eigene Projekte mit Teacher und ExpertDer Turbo für Ihre Statistik-/ Data Mining-Abteilung
> Consulting, Beratung, SchulungNeuroBayes, statistische Methoden, Regularisierung, Datenbankdesign, Hardwareberatung, Softwareberatung etc.
3838
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Referenzen > Projekte
BGV Badische Versicherungendm-drogerie markt
> PilotprojekteSchwäbisch Hall Otto-Versand
> NeuroBayes®- Lizenzen CETA, Universität KarlsruheFermi National Accelerator Laboratory (USA) Thyssen-KruppVersicherungskammer BayernAtonce Capital Management, Schweiz
3939
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Zusammenfassung I
bietet mit NeuroBayes® wichtigen Technologietransferaus Grundlagenforschung in die Wirtschaft, insbesondere imVersicherungswesen.
Alle bisherigen Projekte sehr erfolgreich.Erstaunliche Erkenntnisgewinne in jedem Projekt.Eigene Erwartungen und die des Kunden weit übertroffen.
Kenntnisgewinn durch bietet solide Basis für fundierte und profitable Entscheidungen zur Geschäftspolitik.
4040
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Zusammenfassung II
Im harten Konkurrenz- und ruinösen Preiskampf auf dem Kfz-Versicherungsmarkt gilt: Wissen ist Macht.
Optimierung strategischer Entscheidungen
Wettbewerbsvorteil: Agieren statt reagieren
Nicht nur Überleben sichern
Profitabilität für Versicherung UND der Majorität derKunden steigern
Neue Kunden gewinnen
4141
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Die Produkte und Leistungen
< phi-t > finance< phi-t > assurance< phi-t > pharmacy< phi-t > medicine< phi-t > science
< phi-t > data management< phi-t > data consult< phi-t > statistics training
www.phi-t.de
4242
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Kontakt und Impressum
Phi-T Physics Information Fon +49 721 93381-50Technologies GmbH Fax +49 721 93381-59
76139 Karlsruhe [email protected] Str. 88 www.phi-t.de
Geschäftsführer:Dipl. Phys. Jochen BossertDr. rer. nat. Dipl. Phys. Andreas Heiss
Wissenschaftlicher Beirat:Prof. Dr. rer. nat. Michael Feindt HRB 10079 Karlsruhe
4343
Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A
Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006
NeuroBayes
Phi-T Physics Information Fon +49 721 93381-50Technologies GmbH Fax +49 721 93381-59
76139 Karlsruhe [email protected] Str. 88 www.phi-t.de
Geschäftsführer:Dipl. Phys. Jochen BossertDr. rer. nat. Dipl. Phys. Andreas Heiss
Wissenschaftlicher Beirat:Prof. Dr. rer. nat. Michael Feindt HRB 10079 Karlsruhe
Kontakt und Impressum