Στοιχεία επιβλεπόντων καθηγητών:
Κωνσταντίνος Μουρλάς, Αναπληρωτής καθηγητής, Τμήμα ΕΜΜΕ, ΕΚΠΑ
Περίληψη:
Σκοπός της παρούσας διπλωματικής εργασίας είναι να καταδείξει την αναγκαιότητα για τις εταιρείες να επενδύσουν ένα σημαντικό μέρος του κεφαλαίου τους στη σοφή αξιοποίηση των Μεγάλων Δεδομένων, τα οποία υπάρχουν διάχυτα στον κόσμο, στην εξόρυξη αδόμητων η δομημένων δεδομένων (Data Mining), καθώς και σε τεχνικές προβλεπτικής ανάλυσης (Predictive Analysis). Με μελέτη περίπτωσης τον Ασφαλιστικό Κλάδο και συγκεκριμένα τους Κλάδους ασφάλισης αυτοκινήτου (10
και 3), θα αναλυθεί το πώς η προβλεπτική ανάλυση μπορεί να εφαρμοστεί αποτελεσματικά σε τομείς, όπως είναι η εκτίμηση των κινδύνων, ο εντοπισμός της ασφαλιστικής απάτης, η αξιολόγηση και η κατάτμηση της πελατειακής βάσης, η
επιλογή κινδύνων και σε πολλούς άλλους. Ο ασφαλιστικός κλάδος βασίζεται σχεδόν
εξ ολοκλήρου σε δεδομένα, επομένως η επιλογή του δεν ήταν τυχαία. Θα περιγραφεί η διαδικασία τιμολόγησης των ασφαλίστρων των αυτοκινήτων
σήμερα και στη συνέχεια θα αναλυθούν τα αποτελέσματα που εμφανίζει. Αφού
διερευνηθεί αν ο Κλάδος των Αυτοκινήτων είναι πραγματικά κερδοφόρος για τις ελληνικές ασφαλιστικές εταιρείες, θα προταθούν λύσεις, πηγές δεδομένων και
ενέργειες, οι οποίες σχετίζονται με τα Μεγάλα Δεδομένα και έχουν ήδη χρησιμοποιηθεί παγκοσμίως με επιτυχία. Βασικός σκοπός της εργασίας είναι να δημιουργήσει νέες κατηγορίες κινδύνων, με πιο δίκαια και εξατομικευμένα
ασφάλιστρα, λαμβάνοντας υπόψιν πολλές περισσότερες παραμέτρους από εκείνες που υπολογίζονται σήμερα.
Τέλος, θα σχεδιαστεί, παρουσιαστεί και αναλυθεί μια πλατφόρμα τιμολόγησης και
ii προβλεπτικής ανάλυσης αυτοκινήτων, η οποία θα χρησιμοποιεί Μεγάλα Δεδομένα σε πραγματικό χρόνο, με τη χρήση τεχνικών μηχανικής μάθησης. Σκοπός της θα είναι
να ανοίξει νέους δρόμους στην επεξεργασία και στην κατηγοριοποίηση των
δεδομένων, καθώς και στην πρόβλεψη της συμπεριφοράς των πελατών. Η
δυνατότητα της εύκολης χρήσης δεδομένων από ποικίλες πηγές στο Διαδίκτυο θα
αυξήσει την ακρίβεια των τεχνικών Προβλεπτικής Ανάλυσης, με αποτέλεσμα να
δημιουργηθούν νέες παράμετροι τιμολόγησης, με δικαιότερο και πιο εξατομικευμένο
χαρακτήρα. Θα υποστηρίζει λειτουργίες, όπως είναι η ενσωμάτωση, η μοντελοποίηση
και η διανυσματοποίηση των Big Data. Τελικά, ενισχύοντας την επιχειρηματική
ευφυΐα των ασφαλιστικών εταιρειών, η πλατφόρμα θα συμβάλλει στην προστασία της
κοινωνίας κινδύνων, στην οποία όλοι εντάσσονται, ασφαλιστικές εταιρείες, πελάτες και Ασφαλιστικοί Σύμβουλοι.
Με την πλατφόρμα «Delta Mining», οι ενδιαφερόμενες ασφαλιστικές εταιρείες θα αποκτήσουν ουσιαστικό πλεονέκτημα έναντι του ανταγωνισμού (βλ. λειτουργικά κόστη, σχέση με την πελατειακή βάση, θέση στην αγορά, κλπ.).
Κύρια θεματική κατηγορία:
Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες
Λέξεις-κλειδιά:
Μεγάλα δεδομένα, προβλεπτική ανάλυση, ασφάλιση αυτοκινήτου, τηλεματική, επιχειρηματική ευφυία.