Statistisches Scoring

Eine Weiterentwicklung von generischen Verfahren, die subjektive Erfahrungswerte nutzen, sind statistische Scoring-Verfahren. Diese Verfahren basieren auf der objektiven statistischen Auswertung von Daten, um eine Bewertung über ein Scoreobjekt (z.B. Privatpersonen, Firmen, Bestellungen) zu erhalten.

Solche statistischen Verfahren werden angewendet, um objektive Bewertungen auf Grundlage historischer Daten zu erhalten und eine Prognose für zukünftige Ereignisse treffen zu können. So werden Entscheidungen durch eine objektive zweite Meinung auf Basis von Statistik unterstützt.

Die meisten dieser statistischen Scoring-Verfahren liefern eine Wahrscheinlichkeit für ein zukünftiges Ereignis, etwa ob ein Kredit ausfällt oder nicht. Es gibt jedoch auch Scoring-Verfahren, die andere Größen prognostizieren, wie z.B. den erwarteten Ertrag einer Kundenbeziehung.

Beispiel für statistisches Scoring: KFZ-Versicherung

Die Höhe der Versicherungsprämie für ein Fahrzeug ist neben der persönlichen Schadensfreiheitsklasse auch von der Typenklasse abhängig. Anhand einer großen Menge von vorliegenden Daten aus der Vergangenheit wird, z.B. anhand der Unfallhäufigkeit, der durchschnittlichen Schadenshöhe, oder der Diebstahlhäufigkeit, die Typenklasse für jeden Autotyp berechnet.

Handelt es sich um einen Autotyp, mit dem häufig Unfälle verursacht werden und/oder der häufig gestohlen wird, so sind Typenklasse und somit auch die Höhe der Prämie ebenfalls höher. Damit zahlt jeder Versicherungsnehmer eine für seinen Fahrzeugtyp angemessene Prämie.

Durch eine solche statistische Auswertung kann bei neuen Verträgen eine Aussage zu Art und Höhe eines potenziellen Risikos in der Zukunft getroffen und damit eine angemessene Versicherungsprämie berechnet werden.