Christoph Geering
Leiter IT Business Intelligence & Sales
Christoph Geering
Matching Rate

96%

Matching Rate
Verarbeitete Geo Locations

1.7 Mio.

Verarbeitete Geo Locations
Verarbeitete Kundenadressen

13.6 Mio.

Verarbeitete Kundenadressen

ANSPRUCHSVOLLE AUFBEREITUNG VON ADRESSDATEN

Die Baloise Group ist mehr als eine traditionelle Versicherung. Im Fokus ihrer Geschäftstätigkeit stehen die sich wandelnden Sicherheits- und Dienstleistungsbedürfnisse der Gesellschaft im digitalen Zeitalter. In der Schweiz wurde in den letzten 30 Jahren intensiv in den Aufbau des Data Warehousings investiert und es wurden umfangreiche Dateninfrastrukturen aufgebaut. Die Daten ermöglichen unter anderem eine Segmentierung der Kunden, welche die Basis für die Vertriebssteuerung bilden und folglich eine optimale Betreuung der Kunden ermöglichen. In Zukunft soll die Visualisierung der Daten bei der Baloise auch dazu genutzt werden, um beispielsweise bei Schadenereignissen eine erhöhte Responsivität sicherzustellen oder Kunden proaktiv über mögliche Ereignisse wie Unwetter zu informieren.

Wegen der stetig wachsenden Datengrundlage möchte die Baloise in Zukunft vermehrt auf die Visualisierung von Daten setzen. Deswegen sollten bestehende Kundendatensätze mit Geodaten (Koordinaten) angereichert werden. Obwohl die Datenqualität in der Summe eine sehr hohe Qualität aufgewiesen hat, gab es – bedingt durch die lange Historie der Daten – eine Heterogenität in der Datenbasis, welche den Abgleich mit Fuzzy Matching anspruchsvoller gestaltete.

Die eingepflegten Adressdaten wiesen teilweise kleinere Fehler auf: zum Beispiel wurden Stadtviertel oder Stadtbezirke anstatt der Stadt eingetippt. Durch die Mehrsprachigkeit kam es zu Abweichungen in den Bezeichnungen, so wurde aus der Strasse die Avenue oder Städte wurden mit Geneva, Genève und Genf im System hinterlegt. Auch Postleitzahlen waren teilweise unvollständig oder falsch. Doppeleinträge und Tippfehler erschwerten die Datenzuordnung zusätzlich. Um konsistente Kundendaten zu erhalten war deshalb die Hilfe von Datenaufbereitungsspezialisten notwendig.

WIE ONEDOT HELFEN KONNTE

Die Baloise hat Onedot beauftragt, die Kundendaten mit geografischen Koordinaten zwecks Visualisierung zu verknüpfen. Die unstrukturierten Adressdaten wurden im Vorfeld für interne Prozessierungszwecke bereinigt, normalisiert und vereinheitlicht. Onedot hat die Strassennamen, Postleitzahlen und Stadtnamen mittels Maschinellem Lernen zugeordnet und zusammengefügt.

Die Baloise stimmte mit Onedot die gewünschte Fuzzy Matching Granularität ab, um festzulegen, welche Fehlertoleranz für diesen Matching Vorgang sinnvoll ist. Die von Onedot vorgeschlagene Granularität wurde mit statistischen und probabilistischen Methoden sowie proprietärer Künstlicher Intelligenz (KI) ermittelt. Dank Fuzzy Matching Logik wurden die Datenquellen präzise konsolidiert.

DAS RESULTAT

Maschinelles Lernen wurde dazu verwendet, um die verschiedenen Attribute optimal zu gewichten und um die Adressdaten für die Visualisierung vorzubereiten. Dadurch wurden über 96% der Kundendaten zügig für weitere Analysen bereitgestellt und für den Import in die Baloise Analytics-Tools vorbereitet. Als Resultat erhielt die Baloise die Verknüpfung der Adressdaten mit Gebäude Standorten und geografischen Koordinaten, um darauf aufbauend die Kundensegmente grafisch anzeigen zu können.

Die Onedot Software, mit modernstem maschinellem Lernen, eröffnete uns neue Wege in der Datenaufbereitung. Als Resultat haben wir eine bessere Datengrundlage, um unsere kundenorientierten Aktivitäten im Bereich des Vertriebs und der Schadenabwicklung noch besser zu steuern.
Christoph Geering
Christoph Geering
Leiter IT Business Intelligence & Sales
Christoph Geering
Leiter IT Business Intelligence & Sales
Christoph Geering
Mehr als eine Versicherung.

Überzeugen Sie sich selbst.

Um unser Online Produktsortiment schnell und hochwertig erweitern zu können, setzen wir auf die Produktdatenplattform von Onedot. Dadurch haben wir unsere Datenpflegeprozesse digitalisiert und mit Onedot einen strategisch wichtigen Partner gefunden, der auch relevante Machine Learning Kompetenz mitbringt.

Lesen Sie die
Erfolgsgeschichte.

Bei der PIM-Neueinführung haben wir unser Produktdatenmodell gleich besser auf unsere Kunden ausgerichtet. Der neuartige, agile Migrationsansatz über Onedot hat sehr gut funktioniert.

Lesen Sie die
Erfolgsgeschichte.

Der Betrieb einer Beschaffungsplattform mit über 20 Millionen hochwertigen Artikel in 11.000 Produktkategorien stellt enorme Anforderungen an das Produktdatenmanagement. Mit Onedot haben wir einen Technologiepartner gefunden, mit dem wir diese Komplexität erfolgreich meistern können.

Lesen Sie die
Erfolgsgeschichte.
Erleben Sie Onedot mit ihren eigenen Augen.
Sehen Sie selbst, wie viel hochqualitative Produktdaten für ihr Unternehmen bringen. Kostenlos und unverbindlich.
Demo vereinbaren