Immer stärker digitalisierte Unternehmensprozesse führen zu zunehmenden Datenmengen und eröffnen so in Verbindung mit immer leistungsfähigeren Rechnern Aktuaren im Bereich der Krankenversicherung neue Möglichkeiten. Insbesondere können vielfältige und z.T. neuartige Fragestellungen in der Unternehmenssteuerung bearbeitet werden, bei denen die Verwendung deterministischer Entscheidungsregeln oft an ihre Grenzen stößt. Im Vortrag erläutern wir dies anhand des Beispiels der Stornoprävention in der Krankenversicherung. Wir stellen uns dabei u.a. die folgenden Fragen: Welche Datenquellen stehen in der Krankenversicherung zur Verfügung und welche sind für eine Prognose wertvoll?Wie können Data-Analytics-Verfahren maßgeschneidert zur ökonomischen Zielsetzung angepasst werden?Was sind die entscheidenden Stellschrauben beim Tuning der Modelle?Wir zeigen dabei an unterschiedlichen Stellen die immense Bedeutung einer präzisen Definition der ökonomischen Zielsetzung auf. Ausgehend von der verwendeten Datengrundlage, über eine geeignete Modellwahl bis hin zum Feinschliff im Hyperparametertuning zeigt die Entwicklung eines guten Data-Analytics-Verfahrens nämlich an nahezu allen Entwicklungsschritten Abhängigkeiten zur ökonomischen Zielsetzung. Durch die Vielzahl an Freiheitsgraden können Data-Analytics-Verfahren – richtig aufgesetzt – bestehende deterministische Stornomodelle erheblich verbessern.