Aktuar und Data Scientist bei der Allianz: "Mein Job beginnt, wo Excel aufhört"

Lustre – stock.adobe.com
Häufig werden sie als Daten-Geeks mit Zauberkünsten bezeichnet. Sie jonglieren mit großen Datenmengen, haben exzellente Software-Development-Fähigkeiten und beherrschen mindestens eine Programmiersprache im Schlaf. Die Rede ist von Data Scientists und Aktuar:innen. Im Gespräch mit Anna aus dem Employer Branding berichten Alexander, Steffen und Andreas über die Vielseitigkeit des Berufsbilds Data Science bei der Allianz Deutschland.
Sie sind Lösungsarchitekt:innen, machen komplexe Datensätze verständlicher und sind Designer qualitativ hoher Prognose-Tools, um die Allianz bei der Verbesserung ihrer Produktpalette zu unterstützen. Die Rede ist von unseren Data Scientists.
Vor seinem Einstieg bei der Allianz war Andreas Cardeneo bereits in einem großen deutschen Softwareunternehmen als Datenexperte tätig und tobt sich nun bei Advanced Analytics der Allianz Leben richtig aus.
Alexander und Steffen hingegen sind keine klassischen Data Scientists. Alex Höweler hat kein für den Data-Science-Bereich typisches Studium absolviert, sondern mit einem klassischen, aber sehr datenorientierten, BWL-Studium sein Faible für große Datensätze entdeckt. Nach ersten Berufserfahrungen als Data Scientist in der IT-Beratung ist er seit Anfang des Jahres im SMC-Portfoliomanagement, sprich für kleine und mittelständische Unternehmen, der Allianz Deutschland tätig.
Steffen Lotter ist Aktuar in der Allianz Privaten Krankenversicherung (APKV) und seit einiger Zeit zunehmend mit Data-Analytics-Themen in Berührung.
Wie unterscheiden sich die Jobs als Aktuar:in und Data Scientist?
Das Aktuariat, das sicherlich bekannteste Berufsbild in der Versicherungsbranche, und der Bereich Data Science werden häufig fälschlicherweise über einen Kamm geschert. Im Gegensatz zum Data Scientist beschäftigen sich der Aktuar:innen klassischerweise vorrangig mit Pricing, Produktentwicklung, (Risiko-)Modellbau und -verbesserung. Dafür ist tiefgreifendes versicherungsmathematisches Wissen von besonderer Bedeutung.
Data Scientists hingegen sind Expert:innen der Datenanalyse und stellen so die perfekte Ergänzung zu der bereits bestehenden Fachexpertise der Aktuar:innen dar. Essentielles Handwerk eines Data Scientist ist es, Datenmengen zu verstehen und diese erklären zu können, sowie diese anschließend auf die Geschäftswelt zu transferieren, um Managementstrategien und Lösungssätze daraus ableiten zu können. Eine Schnittstelle zwischen den beiden Bereichen ergibt sich zum Beispiel, wenn die Bereiche Data Science und Data Analytics das Aktuariat unterstützen, mithilfe von Analytics-Methoden, Kund:innenverhalten besser verstehen und antizipieren zu können.
![Andreas Cardeneo von der Allianz im Data Science [Quelle: Allianz]](https://www.e-fellows.net/uploads/NEU-Medienbibliothek/Unternehmen/Allianz/_articleImageSmall/Andreas-Cardeneo-Allianz_1.jpg)
Ich muss am Anfang das fachliche Ziel verstehen und es dann quasi in eine Data-Science-Fragestellung übersetzen. Wenn die Frage also anfänglich beispielsweise lautet, welche Kund:innen kapitalmarktnahe Produkte der Altersvorsorge kaufen, mache ich daraus gedanklich die Frage "Wie klassifiziere ich Kund:innen in kaufende kapitalmarktnahe Produkte und andere Kund:innen?".
Wie sieht das klassische Aufgabenfeld eines Data Scientist aus?
Einen klassischen Arbeitsalltag gibt es im Leben eines Data Scientist nicht. Durch das bereits angesprochene breit aufgestellte Aufgabenportfolio von Datenanalyse bis zur Präsentation der Ideen ist die Arbeit eines Data Scientist sehr vielseitig und abwechslungsreich. Dabei ist man viel mit Kolleg:innen anderer Fachbereiche in Kontakt, um die nötigen Informationen, die man für die oft als Kerntätigkeit eines Data Scientist verstandene Entwicklung eines statistischen Modells braucht, zu sammeln. "Es ist jedoch auch nur so vielseitig wie man sich proaktiv einsetzt", sagt Alex. Das Thema Data Science sei so neu bei der Allianz, da müsse man manchmal ganz schön viel Überzeugungsarbeit leisten, damit auch mal neue Wege ausprobiert werden, so Alex weiter.
Um das abwechslungsreiche Tätigkeitsfeld eines Data Scientist besser zu beschreiben, nutzt Alex eine Fisch-Metapher: "Data Scientists sind unter Wasser am Programmieren und tauchen hin und wieder auf, um sich auszutauschen, aktuelle Ideen vorzustellen und neue Ideen zu sammeln. Dann tauchen sie wieder ab, um entsprechende Modelle zu bauen."
Ein Aufgabenbeispiel, an dem Alex derzeit schraubt, zielt darauf ab, auf Basis von Datensätzen die Suche nach der richtigen Versicherung zu vereinfachen. Worum es genau geht, erklärt Alex: "Grundsätzlich ist es so, dass es für Firmenkunden beziehungsweise Allianz-Vertreter:innen sehr komplex ist, eine passende Versicherung zu finden. Der Arbeitsaufwand ist sowohl auf Kunden- als auch auf unserer Seite relativ hoch. Wir wollen das Ganze vereinfachen, indem wir vieles in unserer Antragsstrecke für die Kund:innen und Vertreter:innen mithilfe von Machine Learning und Natural-Language-Processing-Algorithmen automatisieren und so die komplexen Berechnungen im Hintergrund abgewickelt werden. Das heißt, dass Kund:innen das passenden Produkt angeboten wird, bevor sie es überhaupt artikulieren müssen. Sobald sie sagen, dass das einfach und intuitiv war und sie genau das gefunden haben, was sie gebraucht haben, ist mein Job getan."
"Das Erlebnis muss für Kund:innen einfach sein. Um das Komplizierte kümmern wir uns im Hintergrund. So können Kund:innen die richtigen Versicherungen vorgeschlagen werden und gleichzeitig weiß sie oder er, dass ihr oder ihm ein innovatives Produkt zur Verfügung steht". Am Ende besteht die Herausforderung darin, das Entwickelte so zu erklären, dass die Projektpartner die Erkenntnisse der Modellanwendung auch verstehen und wissen, welchen Mehrwert es haben kann.
Erfahr mehr über deine Karrieremöglichkeiten bei der Allianz

Deine Einstiegsmöglichkeiten bei der Allianz
Was ist das Außergewöhnliche als Data Scientist bei der Allianz zu arbeiten und das Besondere daran, Aufgaben im Bereich Data Science zu übernehmen?
Meine Interviewpartner heben hierbei die große Bandbreite der Themen und die Vielfältigkeit des Berufsbildes hervor – die Mischung aus Überzeugen, innovativer Technik und tatsächlicher Umsetzung sowie den ganzen Prozess den man, von der Datenanalyse zu Beginn bis zum fertigen Produkt am Ende, miterleben kann.
"Es ist toll, wenn man für den Baum, den man als Samen gesät und als Pflänzchen gegossen hat, am Ende gelobt wird und er dann auch noch Früchte trägt.", sagt Alex.
Steffen lobt vor allem die Technik, mit der die Allianz Deutschland arbeitet: "Diese ermöglicht ein schnelles und zielführendes Arbeiten." Außerdem haben Data Scientists die Möglichkeit, sich durch viele Weitbildungsmöglichkeiten, persönlich aber auch fachlich weiter zu entwickeln. Was Alex montags motiviert, ist die Tatsache, dass er dafür sorgt, dass sich die Allianz in vielen kleinen Schritten weiterentwickelt und sich im Bereich Zukunftsfähigkeit verändert.
Letztlich geht es darum, den wirtschaftlichen Erfolg des Unternehmens zu verbessern. Das will man eigentlich immer und es ist nichts Spezifisches für Data Scientists. Die Frage ist nur, wo man ansetzt und nachdem die Geschäftsprozesse ihre Spuren in den Daten hinterlassen und man erkannt hat, dass viele Datenanalysen Gemeinsamkeiten haben und man oft dieselben oder zumindest ähnliche Methoden verwenden kann, hat sich daraus ein eigenes Feld entwickelt.
Durch die verschiedenen Themen- und Fachbereiche mit denen man immer wieder zusammenarbeitet, hat man außerdem ein kontinuierlich wechselndes und agiles Team. Dabei kann es auch mal sein, dass man mit internationalen Ansprechpartner:innen anderer Allianz Gesellschaften in Kontakt kommt.
![Steffen Lotter von der Allianz [Quelle: Allianz]](https://www.e-fellows.net/uploads/NEU-Medienbibliothek/Unternehmen/Allianz/_articleImageSmall/Steffen-Lotter-Allianz.jpg)
Es kommen immer wieder neue Fragestellungen auf. Aber auch die Analytics-Methoden und deren Mathematik entwickeln sich stetig weiter. Es gibt immer mehr technische Möglichkeiten, die man ausschöpfen kann. Eines ist gewiss, langweilig wird es niemals.
Zum Schluss habe ich Steffen gefragt, was er jungen und dynamischen Data Scientists, die Interesse an einem Jobeinstieg bei der Allianz haben, mit auf den Weg geben möchte.
Stetig neue Fragestellungen erfordern auch, stetig neue Lösungsmöglichkeiten zu entwickeln. Der Umgang mit den großen Datenmengen bei der Allianz ist nicht immer einfach, da verschiedene Daten gegebenenfalls auf verschiedenen Systemen liegen. Diese zu vereinen und zu validieren, ist nicht immer einfach. Aber ich mag die Arbeit mit den Daten sehr.
Für Andreas war es am Anfang auch eine Herausforderung, sich als Neuling in der Branche zurecht zu finden. "Es war ein bisschen so, als käme man in ein fremdes Land, dessen Sprache man nicht spricht", sagt er. Aber das nette Team und die tolle Projektatmosphäre haben schnell dazu beigetragen, dass er sich wohlfühlte.
![Alexander Hoeweler von der Allianz im Data Science [Quelle: Allianz]](https://www.e-fellows.net/uploads/NEU-Medienbibliothek/Unternehmen/Allianz/_articleImageSmall/Alexander-Hoeweler-Allianz.jpg)
Das größte Vorurteil über den Beruf des Data Scientist, welches ich schon immer bereinigen wollte, ist, dass man wie ein Computer Nerd im Keller sitzt und niemals mit Leuten spricht. Und dass man tagtäglich zehn Stunden programmiert!