Schwerpunkt dieser Arbeit ist das Scoring von Kunden, deren einzelne Daten zu Kundenprofilen und Kundenwertanalysen verdichtet werden. Die Arbeit zeigt auf, welche Methoden die Unternehmen für Kundenscoring einsetzen und wie die Unternehmen an die dafür erforderlichen Daten kommen. Anhand von Beispielen wird veranschaulicht, wie Scoring in der täglichen Praxis funktioniert und angewendet wird und wie künftiges Scoring nach Wünschen der Unternehmen in Zukunft ausschauen wird.
Im zweiten Teil dieser Arbeit werden die Methoden des Kundenscoring im Hinblick auf das derzeit gültige Datenschutzrecht rechtlich überprüft und es wird diskutiert inwieweit Data Mining und Scoring-Verfahren der Unternehmen durch das geltende Datenschutzrecht erfasst sind.
Inhaltsverzeichnis
A. Vorwort
B. Grundlagen des Kundenmanagement
I. Scoring
II. Kundendaten
III. Profiling
IV. Data-Mining
V. Kundendatenbank, Datawarehouse, CRM-Systeme
C. Möglichkeiten der Datengewinnung
I. Kundendialog
II. Internet
III. Kundenbindungs- und Rabattprogramme
IV. Primär- und Sekundärforschung
D. Ausgewählte Scoringverfahren der Kreditwirtschaft
I. Scoring durch Kreditinstitute
II. HaSpa – ein extremes Beispiel für Scoring
E. Kundenwertorientierte Scoringverfahren in der Versicherungswirtschaft
I. Scoring mittels Customer Lifetime Value (CLV)
II. Scoring mittels Kundensegmentierung
F. Abgrenzung zu weiteren Scoringverfahren in der Versicherungswirtschaft
I. Tarifierung
II. Hinweis- und Informationssystem – HIS
G. Scoring unter datenschutzrechtlichen Aspekten
I. Schutzbereich des Bundesdatenschutzgesetzes
1. Adressat
2. Datenverarbeitung
a. Erhebung
b. Verarbeiten
3. Personenbezogenes Datum
a. Anonymisierung
b. Pseudonymisierung
c. Besondere Arten von personenbezogenen Daten
II. Legitimation aufgrund Einwilligung nach § 4a BDSG
III. Legitimation nach § 28b BDSG
IV. Legitimation nach § 28 BDSG
1. Anwendungsbereich
2. Bestimmter Verwendungszweck
3. Erhebung beim Betroffenen
4. Voraussetzungen nach § 28 Abs. 1 S. 1 BDSG
a. Vertragsverhältnis nach § 28 Abs. 1 S. 1 Nr. 1
b. Interessenabwägung nach § 28 Abs. 1 S. 1 Nr. 2 BDSG
c. Interessenabwägung nach § 28 Abs. 1 S. 1 Nr. 3 BDSG
5. Zulässigkeit nach § 28 Abs. 2 BDSG
6. Weitere Einschränkungen
V. Legitimation nach §§ 28a und 29 BDSG
1. Datenübermittlung an HIS
2. Datenerhebung und –verarbeitung durch HIS
3. Erhebung der Scoredaten bei HIS
4. Zusammenfassung
VI. Verbot der automatisierten Einzelentscheidung nach § 6a BDSG
1. Schutzbereich
2. Bewertungsmerkmale
3. Rechtsfolge
4. Auskunftsrecht
H. Resümee
I. Aktuelle Gefahren des Scoring
II. Notwendiger Wandel im Verständnis des Datenschutzes
Zielsetzung & Themen
Die Masterarbeit befasst sich mit der Analyse von Scoringverfahren innerhalb der Versicherungswirtschaft, untersucht deren Nutzen für Unternehmen im Bereich des Kundenmanagements und bewertet diese kritisch anhand des geltenden deutschen Datenschutzrechts.
- Grundlagen des Kundenmanagements und Methoden der Datengewinnung (Profiling, Data-Mining, CRM).
- Darstellung praxisrelevanter Scoringverfahren wie Customer Lifetime Value (CLV) und Kundensegmentierung.
- Detaillierte Prüfung der datenschutzrechtlichen Zulässigkeit (BDSG) von Scoring-Prozessen.
- Diskussion der Risiken für den Datenschutz, insbesondere im Hinblick auf das allgemeine Persönlichkeitsrecht und automatisierte Entscheidungsfindungen.
Auszug aus dem Buch
II. HaSpa – ein extremes Beispiel für Scoring
Im November 2010 kam an die Öffentlichkeit, dass die Hamburger Sparkasse HaSpa ihre Kunden mit Methoden der Hirnforschung kategorisiert, um ihnen neue Finanzprodukte zu verkaufen. Die Süddeutsche Zeitung berichtete, dass eine Münchner Marketingagentur der Haspa ein System des Neuromarketings verkauft hat. Neuromarketing bezeichnet die Methode, dass mit bestimmten Schlüsselwörtern bei Kunden unterschwellig Gefühle zu Produkten erzeugt und sie so zum Kauf animiert werden. Die Hamburger Sparkasse hat seine Kundschaft in sieben verschiedene Persönlichkeitstypen eingeteilt, etwa den genussfreudigen Hedonisten, den freiheitssuchenden Abenteurer, den ängstlichen Bewahrer und den machtbewussten Performer. Anschließend wurden ihnen entsprechende Finanzprodukte angeboten, die zu diesen Charakteren passen.
Zusammenfassung der Kapitel
A. Vorwort: Einführender Überblick über die Definition von Scoring und die inhaltliche Aufteilung der Arbeit in einen betriebswirtschaftlichen und einen rechtlichen Teil.
B. Grundlagen des Kundenmanagement: Erläuterung der theoretischen Basis, insbesondere der Konzepte Scoring, Profiling und Data-Mining im Kontext moderner Kundendatenbanken.
C. Möglichkeiten der Datengewinnung: Beschreibung der verschiedenen Quellen für Kundendaten, von direkten Dialogen über das Internet bis hin zur Primär- und Sekundärforschung.
D. Ausgewählte Scoringverfahren der Kreditwirtschaft: Vorstellung gängiger Verfahren in der Kreditwirtschaft unter besonderer Berücksichtigung der Schufa und eines Fallbeispiels der Hamburger Sparkasse.
E. Kundenwertorientierte Scoringverfahren in der Versicherungswirtschaft: Analyse der Bedeutung von Kundenbewertungen durch den Customer Lifetime Value (CLV) und Kundensegmentierung für Versicherer.
F. Abgrenzung zu weiteren Scoringverfahren in der Versicherungswirtschaft: Abgrenzung von Scoring zu anderen Methoden wie der reinen Risikotarifierung und dem Hinweis- und Informationssystem (HIS).
G. Scoring unter datenschutzrechtlichen Aspekten: Umfassende juristische Prüfung der Scoringverfahren anhand des Bundesdatenschutzgesetzes (BDSG) sowie der Problematik der automatisierten Einzelentscheidung.
H. Resümee: Zusammenfassende Bewertung der aktuellen Gefahren des Scorings für das informationelle Selbstbestimmungsrecht und Forderung nach einem Wandel im Datenschutzverständnis.
Schlüsselwörter
Scoring, Versicherungswirtschaft, Datenschutzrecht, BDSG, Kundendaten, Customer Lifetime Value, Profiling, Data-Mining, Kundenmanagement, automatisierte Einzelentscheidung, informationelle Selbstbestimmung, Kundensegmentierung, Marketing, Bonitätsbeurteilung, Risikomanagement
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht Scoringverfahren in der Versicherungswirtschaft, ihre betriebswirtschaftliche Relevanz und ihre Konformität mit dem deutschen Datenschutzrecht.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der Datengewinnung, der Profilbildung, der Ermittlung von Kundenwerten und der rechtlichen Zulässigkeit dieser Verfahren nach dem BDSG.
Was ist das primäre Ziel oder die Forschungsfrage?
Ziel ist es aufzuzeigen, wie Versicherer Scoring nutzen, um Kunden zu klassifizieren, und dabei zu klären, inwieweit diese Prozesse durch das Datenschutzrecht gedeckt sind.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine rechtswissenschaftliche Analyse, die betriebswirtschaftliche Konzepte darstellt und diese anhand gesetzlicher Normen und der aktuellen Rechtsprechung bewertet.
Was wird im Hauptteil behandelt?
Im Hauptteil werden zunächst betriebswirtschaftliche Scoring-Methoden erläutert und im zweiten Abschnitt detailliert aus datenschutzrechtlicher Sicht analysiert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Scoring, Versicherungswirtschaft, BDSG, Customer Lifetime Value, Profiling, Data-Mining und informationelle Selbstbestimmung.
Was unterscheidet das Scoring der Versicherer von dem der Schufa?
Das Scoring der Versicherer ist oft verhaltensbezogen und dient der internen Kundenwertbestimmung, während das Schufa-Scoring primär der Kreditwürdigkeitsprüfung im Finanzsektor dient.
Welche Rolle spielen "besonderen Arten personenbezogener Daten" bei dieser Analyse?
Diese Daten unterliegen laut BDSG einem besonderen Schutz, da ihre Nutzung ein hohes Risiko für Diskriminierung oder Nachteile für den Betroffenen bergen kann.
Warum stellt die automatisierte Einzelentscheidung nach § 6a BDSG ein Problem dar?
Sie schützt vor willkürlicher Behandlung durch undurchschaubare automatisierte Prozesse, wenn diese rechtliche Folgen für den Betroffenen haben oder diesen erheblich beeinträchtigen.
- Quote paper
- Andreas Diesing (Author), 2012, Scoringverfahren im Versicherungswesen. Nutzen und Probleme, Munich, GRIN Verlag, https://www.grin.com/document/340016
