Dein Einstieg als Data Scientist: Perspektive Data Science & AI

HUK-COBURG Versicherungsgruppe zählt zu den 10 größten deutschen Versicherungsgruppen, mit über 13 Millionen Kunden der große Versicherer für Privathaushalte in Deutschland, größter deutscher Autoversicherer mit rund 13,9 Millionen versicherten Kraftfahrzeugen, traditionell preisgünstig, HUK24: Führender deutscher Online-Versicherungsanbieter mit noch günstigeren Konditionen.

Standorte

Headquarter in Coburg und 38 Außenstellen bundesweit

Fallbeispiel

Data Analytics bei der HUK-COBURG: Wie Big Data und KI die Versicherungsbranche revolutionieren

Big Data und Künstliche Intelligenz sind auf dem Weg, die Versicherungsbranche nachhaltig zu verändern. Der Einsatz von Chat- und Voice-Bots in der Kundenbetreuung und Schadenbearbeitung, die Individualisierung von Marketing-Kampagnen und Customer-Journeys und die KI-Dunkelverarbeitung von Fotos und Dokumenten sind dabei nur einige, prominente Beispiele. Mit Hilfe von gezielten, statistischen Experimenten und durch den Einsatz von maschinellen Lernverfahren schaffen wir dabei die Grundlage für die datenbasierte Optimierung aller ökonomisch wichtigen Prozesse. Die Nutzung von Telematik-Daten aus vernetzten Fahrzeugen erlaubt individuelle Preisangebote in der Kfz-Versicherung und, im Fall eines Unfalls, digitale Unterstützung und eine unkomplizierte Schadenmeldung über die HUK Mein Auto App. Als Marktführer im Bereich der Kfz-Versicherung in Deutschland bietet die HUK-COBURG dabei nicht nur jede Menge Daten, sondern auch außerordentlich große ökonomische Werthebel durch die Optimierung von Analytischen Modellen und den Einsatz neuester Technologien und mathematischer Methoden. Im Rahmen unserer Data Analytics Community schaffen wir die technischen und fachlichen Erfolgsgrundlagen für den Einsatz modernerster KI-Methoden in unseren Prozessen und arbeiten in interdisziplinären und agilen Analytics-Teams an spannenden Themen und Use-Cases.

Referent: Dr. Thomas Körzdörfer

Du willst noch mehr über Dr. Thomas Körzdörfer und seine Arbeit erfahren? Wir haben ein Interview mit ihm geführt. 

1. Du meldest dich für die Veranstaltung an und füllst das Bewerbungsformular aus.
2. Die Unternehmensvertreter:innen wählen Ihre Favorit:innen für die Einzelgespräche aus. Dafür benötigen Sie deinen aktuellen Lebenslauf mit Notenangaben. Bitte beachte: Ein Notentranskript benötigen sie nicht.
   Du hast zwei Möglichkeiten, deinen Lebenslauf einzureichen:
   1. Option 1: Wenn du deinen eigenen Lebenslauf nutzen möchtest, bereitest du diesen als PDF vor, inklusive aller Durchschnitts- und Abschlussnoten und lädst ihn direkt im Bewerbungsformular hoch. Alternativ kannst du deinen PDF-Lebenslauf später per Mail nachreichen.
   2. Option 2: Du verwendest deinen e-fellows.net-Lebenslauf. Dafür sendest du deine Bewerbung zunächst an uns ab. Im nächsten Bildschirm siehst du den e-fellows.net-Lebenslauf. Bitte überprüfe diesen auf Vollständigkeit und Aktualität, insb. Noten.

Die Einzelgespräche sind informelle Kennenlerngespräche. Du sprichst mit einer bzw. einem Data Scientist und/oder jemandem von HR unter vier Augen. Der Ablauf ist individuell: Manche Unternehmen berichten über Einstiegsmöglichkeiten und Tätigkeitsschwerpunkte, andere fragen dich nach deiner Motivation. In jedem Fall kannst du deine Fragen stellen.

Jede:r Teilnehmende kann bis zu zwei Gespräche je 20 Minuten führen. Die Unternehmen wählen aus allen Bewerber:innen ihre Favorit:innen aus, wir vereinbaren anschließend die Termine und informieren dich vor der Veranstaltung, mit wem du sprechen wirst. Für die Veranstaltung bekommst du im Vorfeld einen digitalen Terminplan mit den genauen Zeiten deiner Einzelgespräche.

Standorte

Berlin, Dresden, Düsseldorf, Frankfurt, Halle (Saale), Hamburg, Hannover, Köln, Leipzig, Magdeburg, Mannheim, München, Nürnberg, Stuttgart, Walldorf, Görlitz sowie Standorte in über 150 Ländern weltweit

Fallbeispiel

Entwicklung einer Plattform für quantitative Kreditrisikomodellierung

Zu Steuerungszwecken sind Banken verpflichtet ihre Kreditrisiken abzuschätzen und benötigen dafür mathematische Modelle, die große Datenmengen mithilfe statistischer Verfahren verarbeiten können. Ratingmodelle dienen dabei als Entscheidungsgrundlage, ob Kunden einen Kredit bei der Bank erhalten und somit in das Bankportfolio aufgenommen werden. Um eine schnelle und qualitativ hochwertige Entwicklung von Ratingmodellen zu gewährleisten, können zeitaufwändige Modellierungsschritte - von der Datenqualitätsanalyse, über Feature Selection bis hin zur Modellschätzung - automatisiert werden. Neben der klassischen Modellschätzung mittels logistischer Regression ist vor allem in den letzten Jahren auch immer mehr die Anwendung von Machine Learning Verfahren gefragt. Du hast Spaß an Big Data, Statistik und Coding? Dann laden wir dich ein, in unserem Vortrag Einblicke in die automatisierte Kreditrisikomodellierung zu erhalten!

Kontakt

Nico Schäfer
Team Talent Acquisition
career@deloitte.de 

Hier findest du weitere Infos zur Karriere bei Deloitte.