I Sverige och övriga Norden används i försäkringsrättsliga sammanhang begreppet ”försäkrat intresse”, ett begrepp som enkelt beskrivs som en definition av vad det är vi försäkrar. Ett intresse är även ett krav för att över huvud taget kunna erhålla försäkrings- skydd. Det föreligger dock många oklarheter och delade meningar avseende begreppets innebörd. Det är i nuläget även oklart vilken betydelse intressebegreppet har inom försäkringsrätten till följd av att begreppet inte används i lagtext lika mycket i försäkringsavtalslagen (2005:104) (FAL) som i lag (1927:77) om försäkringsavtal (GFAL). Intressebegreppets betydelse bli än mer intressant när den ställs i relation till ett annat försäkringsrättsligt spörsmål, nämligen medförsäkring. Avseende med- försäkring föreligger oklarheter avseende vem som egentligen kan anses som medförsäkrad. Detta skapar oklarheter som innebär att tredje man som visserligen kan ha ett försäkringsbart intresse inte anses som medförsäkrad, vilket i sin tur resulterar i stor osäkerhet. Denna uppsats syftar till att bringa klarhet i och utreda ovanstående problematik och oklarheter. I denna uppsats utreds vad intressebegreppet innebär med dagens rättsläge och vem samt vilka intressen som är försäkrade. Vidare används intressebegreppet för att utreda vad det innebär att vara medförsäkrad och om det finns situationer där tredje man kan anses vara medförsäkrad utan att det uttryckligen framgår av lag, försäkrings- villkor eller avtal, endast genom att ha ett starkt försäkringsbart intresse. Den sistnämnda utredningen innehåller även en entreprenadförsäkringsdel, i vilken det utreds om en beställare som inte är byggherre, kan vara medförsäkrad p.g.a. sitt intresse i entreprenaden, även om denne inte enligt AB 04 träffas av entreprenörens försäkringsplikt. Uppsatsen innehåller en utredning baserad på relevant försäkringsrättslig lagstiftning med tillhörande förarbeten både från Sverige, Norge och Danmark, försäkringsvillkor från Länsförsäkringar samt relevant rättspraxis. Avseende rättspraxis diskuteras vissa rent försäkringsrättsliga fall, bl.a. det mycket kritiserade NJA 2001 s. 711 (Securitasfallet), och några rättsfall inriktade på entreprenad, bl.a. HovR T 2537-11 (LF Skaraborg mot Skanska).

<p>Ett av de flygplan som flögs in i World Trade Center i New York, USA, den 11 september 2001 lyfte från Bostons flygplats. Säkerheten på flygplatsen var Globe, ett bolag i Securitaskoncernen, ansvarigt för. Securitaskoncernen, däribland Globe, ville med anledning av att ett antal skadeståndsanspråk, som följde efter attacken den 11 september 2001, ha försäkringsskydd ur det globala försäkringsprogram som Securitaskoncernen tecknat hos If Skadeförsäkring AB. Ett skiljeförfarande inleddes mellan If och Securitas på grund av att If ansåg att försäkringen inte gällde Globe, medan Securitaskoncernen ansåg att den gjorde det. I uppsatsen granskas tvisten och skiljedomen mellan If och Securitas kritiskt. Uppsatsens fokus ligger på de yrkanden i tvisten som gällde försäkringsavtalstecknande och jämkning av försäkringsersättningen. Även tillämpligheten av krigsundantaget i försäkringsvillkoren behandlas. Försäkringsmäklarens roll och premie-pro-ratas storlek skulle ha kunnat leda till en annan utgång i målet varför även dessa aspekter tas upp i uppsatsen i samband att talans upplägg behandlas. Hur premie-pro-rata kan beräknas i globala ansvarsförsäkringsprogram tas upp liksom förslag lämnas på hur pro-ratans storlek i det aktuella målet skulle ha kunnat fastställas. I uppsatsen lämnas vissa förslag på vad underwriters bör beakta i sitt arbete. Förslagen har arbetats fram utifrån den skiljedom som fastslogs mellan parterna, exempelvis vad gäller försäkringsvillkor.</p>

Ett av de flygplan som flögs in i World Trade Center i New York, USA, den 11 september 2001 lyfte från Bostons flygplats. Säkerheten på flygplatsen var Globe, ett bolag i Securitaskoncernen, ansvarigt för. Securitaskoncernen, däribland Globe, ville med anledning av att ett antal skadeståndsanspråk, som följde efter attacken den 11 september 2001, ha försäkringsskydd ur det globala försäkringsprogram som Securitaskoncernen tecknat hos If Skadeförsäkring AB. Ett skiljeförfarande inleddes mellan If och Securitas på grund av att If ansåg att försäkringen inte gällde Globe, medan Securitaskoncernen ansåg att den gjorde det. I uppsatsen granskas tvisten och skiljedomen mellan If och Securitas kritiskt. Uppsatsens fokus ligger på de yrkanden i tvisten som gällde försäkringsavtalstecknande och jämkning av försäkringsersättningen. Även tillämpligheten av krigsundantaget i försäkringsvillkoren behandlas. Försäkringsmäklarens roll och premie-pro-ratas storlek skulle ha kunnat leda till en annan utgång i målet varför även dessa aspekter tas upp i uppsatsen i samband att talans upplägg behandlas. Hur premie-pro-rata kan beräknas i globala ansvarsförsäkringsprogram tas upp liksom förslag lämnas på hur pro-ratans storlek i det aktuella målet skulle ha kunnat fastställas. I uppsatsen lämnas vissa förslag på vad underwriters bör beakta i sitt arbete. Förslagen har arbetats fram utifrån den skiljedom som fastslogs mellan parterna, exempelvis vad gäller försäkringsvillkor.

No description available.

This thesis explores the application of machine learning 8ml9 techniques in customer classification and their intergration into customer relationship management (CRM) systems within the corporate insurance industry. The research aims to address the gap in the use of AI-CRM for the corporate insurance industry. It was conducted as a case study at a Swedish insurance broker company. The study leveraged external data sources to create a data seet on customer information. The feature selection process included Variance Influence Factor (VIF) to remove collinearity and then Mutual Class Info and Random Forest, which are methods used to find which independent variables affect the dependent variable the most. Also, Recursive Feature Testing was applied to find the best feature combinations. Four different binary classification models were implemented and compared - Decision Tree, Random Forest, Support Vector Machine, and Artificial Neural Network. Note that Random Forest can be used both for feature selection and classification. The models were tested on four different feature combinations and evaluated using Accuracy, Recall, Precision, F1-score, and ROC-AUC. The study further conducted interviews at the partner company to evaluate their current CRM system. The findings show that ML-based customer classification can be leveraged to effectivize the customer acquisition process for corporate insurance. The Support Vector Machine model achieved the highest accuracy, at 80%. Depending on the avaliable data and the use of metrics, different classifiers had the best performance. The study also found that when implementing classification into AI-CRM, the specific requirements at the company need to be examined. This study found it important to conersider the data procurement process, the current customer acquisition process, the risks associated with misclassification, and present bias. The findings of this study have theoretical implications for the implementation of AI-CRM for customer acqusition. It demonstrates the practical benefits of intergrating machine learning techniques into CRM systems, emphasizing the effectiveness of AI-CRM for customer classification. Further, by comparing different classification models and evaluating their performance, the study enhances the theoretical understanding of model selection for customer classification tasks in this specific domain. Additionally, the research provides insights into effective feature selection methods, aiding researchers and practitioners in extracting relevant variables for customer classification. / Denna studie utforskar tillämpningen av maskininlärning (ML) inom kundklassificering och dess intergration i kundrelationssystem (CRM) inom företagsförsäkringsbranschen. Forskningen syftar till att fylla kunskapsluckan inom användningen av AI-CRM inom företagsförsäkringsbranschen. Studien genomfördes som en fallstudie på ett svenskt försäkringsmäklarföretag. Studien utnyttjade externa datakällor för att skapa en dataset av kundinformation. Processen för val av variabler inkluderade Variance Influence Factor (VIF) för att ta bort kollinearitet och sedan Mutual Class Info och Random Forest, som är metoder som användsför att hitta vilka oberoende variabler som påverkar den beroende variabeln mest. Dessutom användes Recursive Feature Testing för att hitta de bästa kombinationerna av funktioner. Fyra olika binära klassificeringsmodeller implementerades och jämfördes- Decision Tree, Random Forest, Support Vector Machine och Artificial Neural Network. Observera att Random Forest kan användas både för val av funktioner och klassificering. Modellerna testades med fyra olika kombinationer av variabler och utvärderades med hjälp av Accuracy Recall, Precision, F1-score och ROC-AUC. Studien genomförde även intervjuer på partnerföretaget för att utvärdera deras nuvarande CRM-system. Resultaten visar att ML-baserad kundklassificering kan användas för att effektivisera processen för kundanskaffning inom företagsförsäkring.  Support Vector Machine-modellen uppnådde högst accuracy, 80%. Beroende på tillgängliga data och användning av evalueringsmått hade olika klassificerade bäst prestanda. Studien fann också att vid implementering av klassificering i AI-CRM måste de specifika kraven på företaget undersökas. Denna studie fann det viktigt att beakta processen för dataanskaffning, den nuvarande processen för kundanskaffning, riskerna med felklassificering och nuvarande partiskhet. Resultaten av denna studie har teoretiska implikationer för implementeringen av AI-CRM för kundanskaffning. Den visar på de praktiska fördelarna med att integrera maskininlärningstekniker i CRM-system och betonar effektiviteten hos AI-CRM för kundklassificering. Dessutom förbättrar studien den teoretiska förståelsen för val av modeller för kundklassificeringsuppgifter i det specifika domänet genom att jämföra olika klassificeringsmodeller och utvärdera deras prestanda. Studien ger också insikter om effektiva metoder för val av variabler och hjälper forskare och utövare att extrahera relevanta variabler för kundklassificering.

Sammanfattning I Europa samt i vår övriga omvärld har hotet från terrorister under de senaste åren ökat. Därför är det av betydelse att försäkringsskydd finns att tillgå när eller om vi drabbas av terroristers våldshandlingar, för att åtminstone mildra vårt ekonomiska lidande. I denna masteruppsats får läsaren bland annat bekanta sig med vilka försäkringsmöjligheter som de större försäkringsgivarna har att erbjuda privatpersoner samt företag, avseende skada som har orsakats av terrorism. I uppsatsen behandlas försäkringar där skydd mot terrorism undantas helt eller till vissa delar. Detta gör det betydelsefullt att analysera i vilken utsträckning försäkringsbolag har rätt att undanta terrorrisker samt vilket rörelseutrymme försäkringsbolag har beträffande att inte uppställa undantag för nämnda risker. Vidare framförs resonemang om hur samhället påverkas av att försäkringsskydd, i vissa fall, saknas på området samt hur rimligt det är att försäkringsbranschen saknar en gemensam definition av terrorism. Terrorism kan ibland klassificeras som krigsliknande händelse. I uppsatsen behandlas därför också frågor om hur klassificeringen teoretiskt sett kan komma att påverka försäkringsersättningen vid ett eventuellt terrorscenario.