Pressemeldung

​Die Deutsche Aktuarvereinigung e.V. (DAV) hat die Siegerin der Data-Science-Challenge 2021 gekürt. Die Preisverleihung fand heute im Rahmen der hybriden DAV/DGVFM-Herbsttagung statt.

Für den Wettbewerb hatten sich die Teilnehmenden mit spannenden Fragestellungen des Versicherungswesens auseinanderzusetzen. Das Thema der diesjährigen Data Science Challenge war: Interpretierbarkeit von Machine-Learning-Modellen und Tools. „Der Sieg geht an Dr. Michaela Baumann für ihre sehr gut visualisierte und erkenntnisreiche explorative Analyse eines Datensatzes mit Kfz-Schäden unter dem Titel: R-Notebook Interpretable Machine Learning“, betont der DAV-Digitalexperte und Juryvorsitzende Friedrich Loser.

Mit der Data-Science-Challenge will die DAV aktiv die Auseinandersetzung mit Data-Science-Fragen und Machine-Learning-Methoden in der aktuariellen Arbeit unterstützen. Die Digitalisierung ermöglicht es, Daten unterschiedlichster Quellen und in unterschiedlichsten Formaten universeller nutzbar zu machen und die Datenqualität zu erhöhen. „Der daraus resultierende effektive und effiziente Einsatz von Daten ist für die Versicherungen einer der entscheidenden Faktoren für den Geschäftserfolg. Umfangreichere Daten und Datendimensionen ermöglichen existierenden Modellen bessere und genauere Erkenntnisse“, verdeutlicht Daniela Rode, DAV-Vorstandsmitglied und Leiterin des Ausschusses Actuarial Data Science. 

Aktuarinnen und Aktuare stellen mit ihrem entsprechenden Fachwissen einen angemessenen und verantwortungsvollen Umgang mit sensiblen Daten und Informationen als Basis für mathematische Modelle sicher. Die dynamische Entwicklung im Feld der Wissenschaft des Datenverständnisses hat die DAV schon früh erkannt und die Relevanz der aktuariellen Arbeit im Data-Science-Umfeld 2018 mit der Gründung der Fachgruppe ADS deutlich akzentuiert. Heute koordiniert der DAV-Ausschuss Actuarial Data Science die Aus- und Weiterbildung der DAV im Bereich Data Science sowie die Erarbeitung von Richtlinien und Standards für die Anwendung von Data-Science-Methoden wie Maschinelles Lernen für die Aktuarinnen und Aktuare im Versicherungs- und Finanzbereich.

Die vollständige Pressemitteilung finden Sie als pdf-Datei.