MENUMENU
MENUMENU

Big Data im Versicherungswesen (DLMWDI01)

Kursnummer:

DLMWDI01

Kursname:

Big Data im Versicherungswesen

Gesamtstunden:

150 h

ECTS Punkte:

5 ECTS

Kurstyp: Wahlpflicht

Kursangebot : WS, SS

Course Duration : Minimaldauer 1 Semester

Zugangsvoraussetzungen:

keine

Kurskoordinator(en) / Dozenten / Lektoren:

Siehe aktuelle Liste der Tutoren im Learning Management System

Bezüge zu anderen Modulen:

Siehe Modulbeschreibung

Beschreibung des Kurses:

Studierende werden in diesem Kurs mit den Rahmenbedingungen, Hintergründen und der Geschichte von Big Data und der zunehmenden Relevanz für die Finanzdienstleistungsbranche vertraut gemacht. Auf Grundlage der Erfolgsfaktoren (sog. fünf V) erfolgt u.a. eine umfassende Erarbeitung IT- und datenspezifischer sowie datenrechtlicher Anforderungen. Dies befähigt die Kursteilnehmer, sich im Detail mit prozess- und produktbezogenen Anwendungen von Data Mining und Big Data Management im Versicherungswesen zu beschäftigen und diese kritisch zu reflektieren. Methoden der Datenanalyse wie u. a. supervised and unsupervised learning, deep learning sowie diversen Techniken der Datenvisualisierung befähigen die Studierenden, mit Big Data in der Versicherungsbranche zu arbeiten. Anhand einer exemplarischen Case Study werden die Studierenden in die Lage versetzt, das Erlernte auf neue Sachverhalte innerhalb der VU zu transferieren.

Kursziele:

Nach erfolgreichem Abschluss des Kurses sind die Studierenden in der Lage,

  • die Begriffe rund um Data Mining und Big Data zu erklären.
  • Data Minining und Big Data von anderen Enablern der Digitalisierung abgrenzen können.
  • die verschiedenen Anwendungen von Data Mining und Big Data in der Versicherungsbranche skizzieren und deren Nutzen differenziert unter der Berücksichtigung der für Big Data elementaren fünf Vs (Volume, Variety, Velocity, Validity, Value) zu bewerten.
  • die Instrumente der Datenanalyse und -bewertung zu benennen und anzuwenden. Das ist ausdrücklich das Datamining und die Datenanalyse großer versicherungswirtschaftlicher Datenmengen auf der Grundlage statistischer und interdisziplinär Methoden.
  • die datenschutzrechtlichen und moralischen Implikationen von Big Data in der Versicherungswirtschaft zu erläutern und in ihrem praktischen Handeln zu berücksichtigen.

Lehrmethoden:

Die Lehrmaterialien enthalten Skripte, Video-Vorlesungen, Übungen, Podcasts, (Online-) Tutorien und Fallstudien. Sie sind so strukturiert, dass Studierende sie in freier Ortswahl und zeitlich unabhängig bearbeiten können.

Inhalte des Kurses:

1. Hintergründe und Geschichte von Big Data und seiner Applikationen in der Versicherungsbranche

1.1 Definitionen und Abgrenzung

1.2 Charakterisierung von Big Data anhand der fünf und weiterer Vs

1.3 IT-Architekturen und Datenhaltung

1.4 Herausforderungen und Möglichkeiten

1.5 Datenschutz, -sicherheit und –integrität

2. Enabler der digitalen Transformation in der Versicherungsbranche

3. Anwendung von Data Mining und Big Data Management im Versicherungswesen

3.1 Prozessbezogene Anwendungen

3.2 Produktbezogene Anwendungen

4. Methoden der Datenanalyse

4.1 Supervised and Unsupervised Learning

4.2 Deep Learning

4.3 Decision Trees

4.4 Neurale Netzwerke

4.5 Schließen in Bayes’schen Netzen

4.6 Regressionsanalyse

4.7 High Performance und Cloud Computing

4.8 Predictive Modelling und Model Aggregation Methods

5. Techniken der Datenvisualisierung

5.1 Grundsätze der Datenvisualisierung

5.2 Visualisierungsansätze

5.3 Visualisierungstools

6. Case Study: Big Data Management in der Versicherungsbranche

Literatur:

  • KPMG (Hrsg.) (2018): Versicherungen in der Zeitfalle, Studie zur digitalen Transformation der Versicherungsbranche.
  • Kreutzer, R.T. (2016): Digital Business Leadership: Digitale Transformation - Geschäftsmodell-Innovation - agile Organisation - Change-Management. Springer, Wiesbaden.
  • Matzler, K. (2016): Digital Disruption: Wie Sie Ihr Unternehmen auf das digitale Zeitalter vorbereiten. Vahlen, München.
  • Meyer, J.U. (2017): Digitale Disruption: Die nächste Stufe der Innovation. BusinessVillage, Göttingen.
  • Schalmo, D. (2016); Digitale Transformation von Geschäftsmodellen: Grundlagen, Instrumente und Best Practices. Springer, Wiesbaden.
  • Specht, P. (2019): Die 50 wichtigsten Themen der Digitalisierung: Künstliche Intelligenz, Blockchain, Bitcoin Virtual Reality und vieles mehr verständlich erklärt. 4. Auflage, Redline, München.

Eine aktuelle Liste mit kursspezifischer Pflichtlektüre sowie Hinweisen zu weiterführender Literatur ist im Learning Management System hinterlegt.

Prüfungszugangsvoraussetzung:

  • Kursabhängig: Begleitende Online-Lernkontrolle (max. 15 Minuten je Lektion, bestanden / nicht bestanden)
  • Kursevaluation

Prüfungsleistung:

Klausur, 90 Min.

Zeitaufwand Studierende (in Std.): 150

Selbststudium (in Std.): 90
Selbstüberprüfung (in Std.): 30
Tutorien (in Std.): 30