Hauptregion der Seite anspringen
  • Partnerportale
  • Werde Aktuar
  • EAA
  • actuview
  • actupool
Login
de
en
Logo
  • Über uns
    • Berufsstand
      • Themen
      • Vereinigungen
      • Ehrenamtliches Engagement
      • Internationale Vernetzung
      • Geschäftsstelle
      • Jobbörse
    • Qualifizierung
      • DAV-Ausbildung
      • CADS-Ausbildung
      • CERA-Ausbildung
      • IVS-Ausbildung
      • DAA-Weiterbildung
      • Unser Qualitätsanspruch
  • Wissen
    • Fachinformationen
    • Magazine
    • Multimedia
    • Regularien
  • Veranstaltungen
    • Überblick
      • Jahrestagung
      • Herbsttagung
      • IVS-Forum
      • 125 Jahre DAV
    • Angebot und Buchung
  • Newsroom
  • Meine DAV
    • Hilfe zum Login
14.02.2020 | Actuarial Data Science
1 min Lesezeit

Umgang mit Daten im Bereich Data Science

Der Ergebnisbericht behandelt Prinzipien und ethische Leitlinien im Umgang mit Daten sowie Hilfestellungen zur Verwendung von Methoden und Tools im Bereich Data Science. Er richtet sich an Aktuarinnen und Aktuare und bietet ergänzend zu den Standesregeln der DAV allgemeine Prinzipien und ethische Grundsätze für den Umgang mit Daten. Verabschiedet wurde er vom Ausschuss Actuarail Data Science am 14. Februar 2020.

Überblick

Der Ergebnisbericht behandelt Prinzipien sowie ethische Leitlinien im Umgang mit Daten aufbauend auf den Standesregeln der DAV und den einschlägigen Gesetzen in diesem Bereich. Insbesondere werden Prinzipien im Umgang mit personenbezogenen Daten der besonderen Kategorie behandelt und Hilfestellungen zur Verwendung von Methoden und Tools im Umgang mit Daten gegeben.

Aktuarinnen und Aktuare (hier und nachfolgend seien damit die Mitglieder der Deutschen Aktuarvereinigung e.V., DAV, bezeichnet) sind durch ihre grundlegenden Fähigkeiten in Mathematik, Statistik und auch in Programmiersprachen gut vorbereitet, die neuen Ansätze im Bereich Data Science zu verfolgen und diese nachzuvollziehen. Die stetige Entwicklung setzt eine permanente Weiterbildung und das Erlernen neuer Fähigkeiten voraus. Sie stellt Aktuarinnen und Aktuare vor eine Vielzahl von berufsständischen Fragestellungen.

Die in dem Ergebnisbericht gegebenen nachfolgenden Hilfestellungen im Umgang mit Daten im Bereich Data Science beinhalten ergänzend zu den Standesregeln für Aktuarinnen und Aktuare in der DAV allgemeine Prinzipien und ethische Grundsätze im Bereich Data Science. Sie dienen als Hilfestellung im Umgang mit Daten und den hierzu verwendeten Tools und Methoden.

Das Folgende versteht sich unter der Voraussetzung, dass die Arbeitgeber von Aktuarinnen und Aktuare (z.B. Versicherungsunternehmen) alle nötigen fachlichen und organisatorischen Vorkehrungen im Rahmen gesetzlicher Vorgaben (z.B. der EUDatenschutzgrundverordnung) getroffen haben und dass die Aktuarinnen und Aktuare von ihren Arbeitgebern entsprechend geschult wurden. Die in diesem Zusammenhang verschiedentlich Aktuarinnen und Aktuare auch außerhalb ihrer Kernaufgaben zugesprochenen Rollen werden hier nicht explizit genannt, da diese von Unternehmen zu Unternehmen sehr verschieden sind.

Die EU-Datenschutzgrundverordnung (DSGVO) sowie das Bundesdatenschutzgesetz bleiben von den folgenden Grundsätzen unberührt.

Der Ergebnisbericht ist an die Mitglieder und Gremien der DAV zur Information über den Stand der Diskussion und die erzielten Erkenntnisse gerichtet und stellt keine berufsständisch legitimierte Position der DAV dar.

Verabschiedung

Dieser Ergebnisbericht ist durch den Ausschuss Actuarial Data Science am 14. Februar 2020 verabschiedet worden.

Inhalt

  • Einleitung
  • Überblick
  • Verabschiedung

Downloads

Umgang mit Daten im Bereich Data Science ( PDF )
Sinem Sarma-Günes
sinem.sarma-guenes​@aktuar.de +49 (0) 221 912 554-226

Verwandte Fachinformation

Telematik Kfz
17.06.2021 | Fachinformation
Telematik in der Kfz-Versicherung – Status quo

Der Ergebnisbericht stellt den aktuellen Stand der Telematik in der Kfz-Versicherung dar und gibt Aktuaren in diesem Kontext einen Überblick über die…

Modelle Methoden
17.05.2019 | Fachinformation
Aktuarieller Umgang mit Big Data in der Schadenversicherung

Der Ergebnisbericht bietet einen Überblick über verschiedene Anwendungsmöglichkeiten, eine Beschreibung wesentlicher Anforderungen zur Sicherstellung…

Schadenhäufigkeitsmodellierung GLM Deep Learning Gradient Boosting
01.03.2024 | Fachinformation
Schadenhäufigkeitsmodellierung in der Schadentarifierung mit GLM, Deep Learning und Gradient Boosting

Welchen Mehrwert können Methoden des Maschinellen Lernens für die Schadentarifierung bieten? Zur Klärung dieser Frage werden Schadenhäufigkeiten auf…

Sitemap
  • Datenschutz
  • Beschwerdestelle
  • Kontakt
  • Impressum
  • Über uns
    • Berufsstand
      • Themen
      • Vereinigungen
      • Ehrenamtliches Engagement
      • Internationale Vernetzung
      • Geschäftsstelle
      • Jobbörse
    • Qualifizierung
      • DAV-Ausbildung
      • CADS-Ausbildung
      • CERA-Ausbildung
      • IVS-Ausbildung
      • DAA-Weiterbildung
      • Unser Qualitätsanspruch
  • Wissen
    • Fachinformationen
    • Magazine
    • Multimedia
    • Regularien
  • Veranstaltungen
    • Überblick
      • Jahrestagung
      • Herbsttagung
      • IVS-Forum
      • 125 Jahre DAV
    • Angebot und Buchung
  • Newsroom
  • Meine DAV
    • Hilfe zum Login