| Studiju veids |
maģistra profesionālās studijas |
| Studiju programmas nosaukums |
Uzņēmumu un organizāciju vadīšana |
| Nosaukums |
Apdrošināšanas pārveide, izmantojot lielos datus: personalizācijas potenciāla analīze un ieviešanas šķēršļu pārvarēšana |
| Nosaukums angļu valodā |
The Transformation of Insurance through Big Data: Analysis of Personalization Potential and Navigating Implementation Obstacles |
| Struktūrvienība |
02C60 Rīgas Biznesa skola |
| Darba vadītājs |
Jānis Paksis |
| Recenzents |
Aldis Greitāns |
| Anotācija |
Maģistra darbs analizē, kā lielo datu tehnoloģijas maina apdrošināšanas nozari, īpaši koncentrējoties uz personalizētu apdrošināšanas produktu izstrādes iespējām, t.sk. Latvijā. Darbā tiek apskatītas lielo datu iespējas, personalizācijas stratēģijas, mašīnmācīšanās modeļu pielietojums (piemēram, lēmumu koki un izlases meži) un izaicinājumi, kas saistīti ar GDPR regulējumu, datu drošību un tirgus specifiku kā globāli, tā Latvijā.
Pētījumā izmantotas dažādas pētniecības metodes: literatūras analīze, starptautisko gadījumu izpēte (Lemonade, John Hancock, Allstate), klientu aptauja (52 respondenti Latvijā) un padziļinātas intervijas ar Baltijas apdrošinātājiem (BALTA, BTA, BALCIA). Tiek izstrādāts praktisks datu modelēšnas ieviešanas scenārijs personalizētai auto apdrošināšanai Latvijā.
Galvenie informācijas avoti ir akadēmiskā literatūra (piemēram, "The InsurTech Book", "Insurance Matters"), nozares pētījumi (EY, Deloitte, Accenture), kā arī statistikas dati (Statista, Insurance Europe).
Pētījuma rezultāti norāda, ka datu vadītas personalizācijas stratēģijas var uzlabot klientu apmierinātību, samazināt krāpniecību un paaugstināt konkurētspēju, ja tiek ievēroti juridiskie un ētiskie standarti. |
| Atslēgas vārdi |
Lielie dati, Personalizēta apdrošināšana, Prediktīvā analītika, Mašīnmācīšanās, Regulatīvā atbilstība |
| Atslēgas vārdi angļu valodā |
Big Data, Personalized Insurance, Predictive Analytics, Machine Learning, Regulatory Compliance |
| Valoda |
eng |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
24.05.2025 14:42:56 |
