<p><strong>Syfte: </strong>Att studera vilka faktorer kunder tycker är viktiga vid val av bank och försäkringsbolag. Att se hur väl företagen känner till kundernas preferenser vid val av respektive tjänsteföretag samt att se vilka likheter och skillnader det finns vid val av 2 tjänsteföretag inom den finansiella sektorn. <strong></strong></p><p><strong> </strong></p><p><strong>Metod: </strong>Undersökningen gentemot kunderna genomfördes med hjälp av en enkätundersökning och personliga intervjuer vid respektive tjänsteföretag.<strong> </strong>Enkätundersökningen har redovisats i form av diagram och tabeller medan intervjuerna har redovisats i löpande text.<strong></strong></p><p><strong> </strong></p><p><strong>Resultat & slutsats: </strong>Kunderna ansåg pris, räntor, ett bra bemötande och engagemang samt personalens kompetens vara viktigast vid val av både bank och försäkringsbolag. Bankkunderna ansåg att närhet till banken och att ha en bra relation till banken var viktigare än vad försäkringskunderna tyckte. Tjänsteföretagen hade bra insikt i hur kunderna väljer respektive företag, dock fanns vissa överskattningar och underskattningar.    </p><p><strong> </strong></p><p><strong>Förslag till fortsatt forskning: </strong>Undersökningen genomfördes innan finanskrisen och en intressant forskning skulle vara att jämföra skillnaderna kring val före respektive efter finanskrisen och se om kunderna förändrats. Även att studera hur olika kundgrupper, som exempelvis grupper i olika åldrar, men även se om det är någon skillnad vid val beroende på kön.</p><p><strong> </strong></p><p><strong>Uppsatsens bidrag: </strong>Uppsatsen har bidragit till en klarare syn på hur kunder väljer tjänsteföretag och har även visat att det finns likheter mellan val kring två tjänsteföretag inom den finansiella sektorn.<strong> </strong>Uppsatsen har bidragit till att fylla upp en kunskapslucka som tidigare fanns.<strong></strong></p><p><strong> </strong></p><p><strong>Nyckelord: </strong>Kundval,<strong> </strong>tjänsteföretag, bank, försäkring, val och kundrelationer. <strong> </strong></p> / <p><strong>Aim: </strong>To study which factors that is more important to customer when they choose bank and insurance company. To se how well aware the companies are about their customers preferences when they choose respective service company. And also see which differences and similarities there is between these 2 service companies in the financial sector.</p><p><strong> </strong></p><p><strong>Method: </strong>The studies towards the customers were done with a survey, while personal interviews were made with the personal at respective service company. The survey is represented in the text by diagrams and tables while the interviews are presented with texts and quotes.</p><p> </p><p><strong>Result & Conclusions: </strong>The customer found price, rates, good efforts and involvement, but also the personals competence to be very important factors when choosing bank and insurance company.<strong> </strong>Bank customers found closeness and good relations important as well, while the insurance customers did not. The service companies had good knowledge about their customers but had a few smaller underestimates and overestimates.   </p><p><strong> </strong></p><p><strong>Suggestions for future research: </strong>My study was done just before the financial crises and it would be interesting to see after the crises if the customers choose banks and insurance companies after other factors. To study under groups as age and gender and see how they base their choices would also be interesting.</p><p><strong> </strong></p><p><strong>Contribution of the thesis: </strong>This thesis has filled up a knowledge gap that I find existed in how customer bases their choices and how companies think they choose. It has also given a clearer view how bank and insurance customer reason when they choose service company in the financial sector.  </p><p><strong> </strong></p><p><strong>Key words:</strong> Customer choice, choice, bank, insurance, service company and customer relations. </p>

Det förekommer att hänvisningar görs till skadebegreppet inom skadeståndsrätten när fråga egentligen är om det försäkringsrättsliga skadebegreppet. Inom försäkringsrätten är det emellertid viktigt att dra en skarpare gräns än inom skadeståndsrätten för vad som skall anses utgöra exempelvis en skada eller en skadehändelse. Det handlar inte enbart om att fastställa huruvida en skada föreligger, utan kanske snarare om att avgöra huruvida försäkringsersättning skall utgå och om att avgränsa/definiera försäkringsgivarens ansvar. Olika försäkringsbolag använder olika skadebegrepp. Ett grundkoncept inom försäkringsrätten är ”en skada, en självrisk, ett försäkringsbelopp”. Härav följer att det är av stor betydelse att avgöra vad som skall anses konstituera en respektive flera skador. I denna uppsats utreds skillnaderna mellan de olika skadebegrepp som tillämpas i försäkringsvillkor och de konsekvenser dessa skadebegrepp har för försäkringsbolagens ansvar. Vidare utreds hur de i försäkringsvillkoren valda skadebegreppen skall tolkas för att avgöra hur flera skador skall behandlas. Dessutom undersöks vilka kriterier som skall vara uppfyllda för att flera skador tillsammans, försäkringstekniskt, skall behandlas som en.

Syfte: Att studera vilka faktorer kunder tycker är viktiga vid val av bank och försäkringsbolag. Att se hur väl företagen känner till kundernas preferenser vid val av respektive tjänsteföretag samt att se vilka likheter och skillnader det finns vid val av 2 tjänsteföretag inom den finansiella sektorn.   Metod: Undersökningen gentemot kunderna genomfördes med hjälp av en enkätundersökning och personliga intervjuer vid respektive tjänsteföretag. Enkätundersökningen har redovisats i form av diagram och tabeller medan intervjuerna har redovisats i löpande text.   Resultat &amp; slutsats: Kunderna ansåg pris, räntor, ett bra bemötande och engagemang samt personalens kompetens vara viktigast vid val av både bank och försäkringsbolag. Bankkunderna ansåg att närhet till banken och att ha en bra relation till banken var viktigare än vad försäkringskunderna tyckte. Tjänsteföretagen hade bra insikt i hur kunderna väljer respektive företag, dock fanns vissa överskattningar och underskattningar.       Förslag till fortsatt forskning: Undersökningen genomfördes innan finanskrisen och en intressant forskning skulle vara att jämföra skillnaderna kring val före respektive efter finanskrisen och se om kunderna förändrats. Även att studera hur olika kundgrupper, som exempelvis grupper i olika åldrar, men även se om det är någon skillnad vid val beroende på kön.   Uppsatsens bidrag: Uppsatsen har bidragit till en klarare syn på hur kunder väljer tjänsteföretag och har även visat att det finns likheter mellan val kring två tjänsteföretag inom den finansiella sektorn. Uppsatsen har bidragit till att fylla upp en kunskapslucka som tidigare fanns.   Nyckelord: Kundval, tjänsteföretag, bank, försäkring, val och kundrelationer. / Aim: To study which factors that is more important to customer when they choose bank and insurance company. To se how well aware the companies are about their customers preferences when they choose respective service company. And also see which differences and similarities there is between these 2 service companies in the financial sector.   Method: The studies towards the customers were done with a survey, while personal interviews were made with the personal at respective service company. The survey is represented in the text by diagrams and tables while the interviews are presented with texts and quotes.   Result &amp; Conclusions: The customer found price, rates, good efforts and involvement, but also the personals competence to be very important factors when choosing bank and insurance company. Bank customers found closeness and good relations important as well, while the insurance customers did not. The service companies had good knowledge about their customers but had a few smaller underestimates and overestimates.      Suggestions for future research: My study was done just before the financial crises and it would be interesting to see after the crises if the customers choose banks and insurance companies after other factors. To study under groups as age and gender and see how they base their choices would also be interesting.   Contribution of the thesis: This thesis has filled up a knowledge gap that I find existed in how customer bases their choices and how companies think they choose. It has also given a clearer view how bank and insurance customer reason when they choose service company in the financial sector.     Key words: Customer choice, choice, bank, insurance, service company and customer relations.

Avregleringen som skedde på mitten av åttiotalet medförde att fler aktörer etablerade sig på marknaden vilket genererade en hårdare konkurrens. En branschglidning uppstod som innebar att bank och försäkring blev ett. Förändringar av de befintliga tjänsterna inom finanssektorn har resulterat i att den mänskliga faktorn i bank- och försäkringsbolagen till stor del har fallit bort och ersatts av mer automatiserade tjänster. Fler bankkontor har slagit igen portarna och de som finns kvar har fått en ny roll i samhället och fungerar idag främst som rådgivningsplatser. De tjänster som kontoren idag erbjuder är av mer komplex karaktär och får därigenom en högre betydelse för kunden. Utformningen av kontor har således visat sig bli ett allt viktigare komplement vilket bank- och försäkringsbolagen kan differentiera sig med och sända ut signaler till sina kunder, detta på en marknad som präglas av mycket hård konkurrens. Utformningen av den fysiska mötesplatsen blir förutsättning för bank- och försäkringsbolagens framtida överlevnad. Syftet med denna uppsats var att analysera och utvärdera två bank- och försäkringsföretag som differentierar genom utformning av den fysiska mötesplatsen. Studien visade att det finns en designstrategisk tanke bakom implementeringen av den fysiska mötesplatsen i bank- och försäkringskontoren. Men är inte personalen nöjd med utformningen finns det en risk att detta kan påverka den service företaget levererar. Det framkom att kunderna hade höga förväntningar på den service som ges av bank- och försäkringskontoren och att omgivningen inte är det primära för kunden i servicemötet utan kommer sekundärt efter den service som ges men att omgivningen ändå har en betydelse. Studien visade även att det finns en koppling mellan utformningen av bankkontoren och den levererade servicekvaliteten. Design kan stärka intrycket och uppfattningen om den service som ges. Rätt arbetsmiljö gör att företagen kan leverera en bättre kvalitet till kund. En god servicekvalitet leder till nöjda kunder vilket i sin tur leder till lojala kunder. Det är således viktigt att företagen ser till både service och miljö när de ska utforma den fysiska mötesplatsen och inte utesluter miljön även om detta inte är det huvudsakliga för kunden. / The deregulation that occurred in the mid-eighties meant that more companies established themselves on the market which generated a fiercer competition. An industry shift occurred whereby the banking and insurance became one unit. Changes of the existing services in the financial sector has led to the human factor in the banking and insurance companies have largely disappeared and been replaced by the more automated services. Many bank offices have closed down and those that are left have been given a new role in society and work today mainly as advisory sites. The services provided by offices today offers is more complex in nature and therefore have a higher importance to the customer. Design of the office has thus proved to be an increasingly important complement which the banking and insurance companies can differentiate themselves and send out signals to its customers, that in a market characterized by strong competition. The design of the physical location is becoming essential for banking and insurance companies future survival.  The purpose of this paper was to analyze and evaluate two banks and insurance companies that differentiate through the design of the physical meeting place. The study showed that there is a design-strategic thinking behind the implementation of the physical meeting place in the banking and insurance offices. But is not the staff satisfied with the design, there is a risk that this may affect the service company delivers. It was found that customers had high expectations of the service provided by the banking and insurance offices and the surroundings is not the primary for the customer in the service meeting but are secondary after the service that is provided, but nevertheless the atmosphere still has a significant. The study also showed a connection between the design of bank offices and the delivered service quality. Design can enhance the impression and perception of the service provided. The right working environment enables companies to deliver a better quality to the customer. A good quality of service leads to a happy customer which in turn leads into loyal customers. It is therefore important that companies ensure both service and environment when designing the physical meeting location and do not exclude environment, although this is not the principal for the customer.

No description available.

This paper presents a master’s thesis project in which deep learning methods are used to both calculate and subsequently attempt to maximize Customer Lifetime Value (CLV) for an insurance provider’s customers. Specifically, the report investigates whether panel data comprised of customers monthly insurance policy subscription history can be used with Recurrent Neural Networks (RNN) to achieve better predictive performance than the naïve forecasting model. In order to do this, the use of Long Short Term Memory (LSTM) for anomaly detection in a supervised manner is explored to determine which customers are more likely to change their subscription policies. Whether Deep Reinforcement Learning (DRL) can be used in this setting in order to maximize CLV is also investigated. The study found that the best RNN models outperformed the naïve model in terms of precision on the data set containing customers which are more likely to change their subscription policies. The models suffer, however, from several notable limitations so further research is advised. Selecting those customers was shown to be successful in terms of precision but not sensitivity which suggest that there is a room for improvement. The DRL models did not show a substantial improvement in terms of CLV maximization. / I detta examensarbete presenteras metoder där djupinlärning används för att både beräkna och maximera kundens lönsamhet över tid, Customer Lifetime Value (CLV), för en försäkringsleverantörs kunder. Specifikt undersöker rapporten historisk paneldata som består av kunders månatliga försäkringsinnehav där Recurrent Neural Networks (RNN) används för att uppnå bättre prediktiv prestanda än en naiv prognosmodell. Detta undersöks tillsammans med det neurala nätverket Long Short Term Memory (LSTM), där vi försöker finna anomalier på ett övervakat sätt. Där anomalier syftar på kunder som är mer benägna att ändra sin försäkringspolicy, då den största delen av populationen har samma innehav på månadsbasis. Även en gren av djupinlärning, Deep Reinforcement Learning (DRL), används för att undersöka möjligheten att maximera CLV för denna typ av data. Studien fann att de bästa RNN-modellerna överträffade den naiva modellen i termer av precision i data där kunder är mer benägna att ändra sin försäkringspolicy. Modellerna lider dock av flera anmärkningsvärda begränsningar, så ytterligare forskning rekommenderas. Att välja kunder med hjälp av LSTM visade sig vara framgångsrikt när det gäller precision men inte känslighet vilket tyder på att det finns utrymme för förbättring. DRL-modellerna visade inte någon väsentlig förbättring vad gäller CLV-maximering.

The rapid expansion of computer technology have forced several business sectors to integrate with the continuous development of techniques in order to assist them in various tasks. Many fields have happily embraced the technology implementing it in numerous ways, however the development speed have proven difficult to keep up with. The insurance industry have struggled with ridding themselves of old and monolithic legacy systems with a haphazard construction. These systems are costly, cumbersome and often reliant on a “third party” centered structure creating such flaws as data leaks and monopolisation. Blockchain is a distributed ledger operating over a peer-to-peer basis, with the intention to unshackle contemporary system from their dependence towards central authorities. Additionally, the peer-to-peer architecture introduced a new form of transparency which differs from contemporary solutions used in centralised systems, beyond the peer-to-peer architecture, the blockchain also incorporated consensus algorithms, allowing peers to verify one another to achieve consensus regarding the validity of each block. This resulted in a "trustless system" considering no single party in the community is dependent on the credibility of a central authority. In order for the blockchain technology to be applicable on the market it must overcome obstacles such as privacy and the new EU data protection regulation “General protection data regulation”. However a vague definition of personal data have caused ambiguity which appears to be irreconcilable with the blockchain technology. Research have therefore shifted its focus to explore opportunities for the technology to collaborate with techniques from centralisation in order to overcome its obstacles. / Datorteknologins hastiga expansion har bidragit till att mängder av olika yrkessektorer tvingats integrera teknologin i sin dagliga verksamhet för att bidra med vissa uppgifter. Då teknologin i stor utsträckning har varit till nytta har många yrkesgrupper välkomnat den, dock har teknikens utvecklingshastighet visats vara mycket hög vilket medfört viss problematik. Försäkringsbranschen har visats ha problem med att hantera vidareutvecklingen av sina gamla monolitiska “legacy” system då de är både utdaterade och konstruerade på ett ostrukturerat sätt. Dessa gamla system är kostsamma, svårhanterliga och baseras ofta på en systemarkitektur centrerad kring “tredje parter” detta medför problem som dataläckor och monopolisation. Blockkedjan är ett distribuerat journalsystem som struktureras med ett peer-to-peer nät som bas. Detta görs med förhoppningen att kunna frigöra existerande system från centrala autentiseringsparter. Dessutom har blockkedjan introducerat en ny sorts transparens som skiljer sig från de nuvarande centrala systemen. Blockkedjan inkluderar också consensus algoritmer som medför att alla deltagare kan verifiera varrandra och därmed nå ett uniformt beslut om blocks validitet. Dessa egenskaper resulterar i ett system som inte är beroende av att dess användare behöver lita på en centraliserad tredje part. För att blockkedjan ska vara användbar och framgångsrik på en öppen marknad finns vissa funktionskrav som måste uppfyllas. Ett av de främsta av dessa är EU förordningen “General protection data regulation”. Problem har uppstått då “General protection data regulation” innefattar vaga definitioner av “personlig data”, dessutom är de existerande tolkningar av konceptet svår applicerade för blockkedje tekniker. Detta har bidragit till att utvecklingen av rena blockkedje lösningar har stagnerat och utvecklingen dirigerats om till forskning inom hybrid teknologier som inkluderar tekniker från centraliserade system.

This research presents a way for digitalising worksite benefits programs. The related work analysis and results of user interviews showed the important role of benefits programs in the wellbeing of employees, and as a result in company performance and employer branding. However shortcomings were discovered in the current format of worksite programs and suggested that digital transformation might help to address these shortcomings. The research used semi-structured interviews and analysis, user journey mapping, prototyping, and heuristic evaluation methods to deliver the concept of an employee insurance wallet. Furthermore, the research stepped beyond product design and presented a comprehensive framework for developing, monitoring, and operating such digital worksite benefit product. The framework incorporates stakeholder needs to ensure business success and user-centred design methodology to embrace usability and engagement principles. According to the research results, the real-life version of the product was developed. / Denna forskning presenterar ett sätt för digitalisering av arbetsplatsfördelningsprogram. Den relaterade arbetsanalysen och resultaten från användarintervjuer visade den viktiga rollen som förmånsprogram har för anställdas välbefinnande, och som ett resultat i företagets prestanda och varumärke från arbetsgivare. Emellertid upptäcktes brister i det aktuella formatet av arbetsplatsprogram och föreslog att digital transformation kan hjälpa till att lösa dessa brister. Forskningen använde semistrukturerade intervjuer och analyser, kartläggning av användarresor, prototyper och heuristiska utvärderingsmetoder för att leverera konceptet för en anställdsförsäkringsplånbok. Vidare gick forskningen bortom produktdesign och presenterade ett omfattande ramverk för att utveckla, övervaka och använda sådana digitala arbetsplatsfördelar. Ramverket innehåller intressentbehov för att säkerställa affärsframgång och användarcentrerad designmetodik för att omfatta användbarhets- och engagementsprinciper. Enligt forskningsresultaten utvecklades den verkliga versionen av produkten.

Websites have become a critical source of information for many organizations in today's digital era. However, extracting and organizing semi-structured data from web pages from multiple websites poses challenges. This is especially true when a high level of automation is desired while maintaining generality. A natural progression in the quest for automation is to extend the methods for web data extraction from only being able to handle a single website to handling multiple ones, usually within the same domain. Although these websites share the same domain, the structure of the data can vary greatly. A key question becomes how generalized such a system can be to encompass a large number of websites while maintaining adequate accuracy. The thesis examined the efficiency of automated web data extraction on multiple Swedish insurance company websites. Previous work showed that good results can be achieved with a known English data set that contains web pages from a number of domains. The state-of-the-art model MarkupLM was chosen and trained with supervised learning using two pre-trained models, a Swedish and an English model, on a labeled training set of car insurance customers' web data using zero-shot learning. The results show that such a model can achieve good accuracy on a domain scale with Swedish as the source language with a relatively small data set by leveraging pre-trained models. / Webbsidor har blivit en kritisk källa av information för många organisationer idag. Men att extrahera och strukturera semistrukturerade data från webbsidor från flertal webbplatser är en utmaning. Speciellt när det är önskvärt med en hög nivå av automatisering i kombination med en generaliserbar lösning. En naturlig utveckling i målat av automation är att utöka metoderna för datautvinning från att endast kunna hantera en specifik webbplats till flertal webbplatser inom samma domän. Men även om dessa webbplatser delar samma domän så kan strukturen på data variera i stor utsträckning. En nyckelfråga blir då hur pass generell en sådan lösning kan vara samtidigt som en adekvat prestanda uppehålls. Detta arbete undersöker prestandan av automatiserad datautvinning från ett flertal svenska försäkringssidor. Tidigare arbete visar på att goda resultat kan uppnås på ett känt engelskt dataset som innehåller webbsidor från ett flertal domän. Den toppmoderna modellen MarkupLM valdes och blev tränad med två olika förtränade modeller, en svensk och en engelsk modell, med märkt data från konsumenters bilförsäkringsdata. Modellen blev utvärderad på data från webbplatser som inte ingick i träningsdatat. Resultaten visar på att en sådan modell kan nå god prestanda på domänskala när innehållsspråket är svenska trots en relativt liten datamängd när förtränade modeller används.

This Master's Thesis project set out with the objective to propose a machine learning model for predicting insurance risk at the level of an individual coverage, and compare it towards the existing models used by the project provider Gjensidige Försäkring. Due to interpretability constraints, it was found that this problem can be translated into a standard tabular regression task, with well defined target distributions. However, it was early identified that the set of feasible models do not contain pure black box models such as XGBoost, LightGBM and CatBoost which are typical choices for tabular data regression. In the report, we explicitly formulate the interpretability constraints in sharp mathematical language. It is concluded that interpretability can be ensured by enforcing a particular structure on the Hilbert space across which we are looking for the model.  Using this formalism, we consider two different approaches for fitting high performing models that maintain interpretability, where we conclude that gradient boosted regression tree based Generalized Additive Models in general, and the Explainable Boosting Machine in particular, is a promising model candidate consisting of functions within the Hilbert space of interest. The other approach considered is the basis expansion approach, which is currently used at the project provider. We make the argument that the gradient boosted regression tree approach used by the Explainable Boosting Machine is a more suitable model type for an automated, data driven modelling approach which is likely to generalize well outside of the training set. Finally, we perform an empirical study on three different internal datasets, where the Explainable Boosting Machine is compared towards the current production models. We find that the Explainable Boosting Machine systematically outperforms the current models on unseen test data. There are many potential ways to explain this, but the main hypothesis brought forward in the report is that the sequential model fitting procedure allowed by the regression tree approach allows us to effectively explore a larger portion of the Hilbert space which contains all permitted models in comparison to the basis expansion approach. / Detta mastersexamensarbete utgår från målsättningen att föreslå en maskinlärningsmodell för att förutspå försäkringsrisk, på nivån av enskilda försäkringar. Denna modell ska sedan jämföras mot nuvarande modeller som används hos Gjensidige Försäkring, som tillhandahåller projektet. Detta problem kan formuleras som ett traditionellt regressionsproblem på tabulär data, med väldefinerade målfördelningar. På grund av begränsningar kring krav på modellens förståbarhet identifierades det tidigt i projektet att mängden av tillåtna modeller inte innehåller ren black box modeller som XGBoost, LightGBM eller CatBoost, vilket är typiska förstahandsval för den här problemklassen. I rapporten formulerar vi förståbarhetskraven i skarpt, matematiskt språk, och drar slutsatsen att önskad förståbarhet kan uppnås genom en specifik struktur på det Hilbertrum där vi letar efter den optimala modellen. Utifrån denna formalism evaluerar vi två olika metoder för att anpassa modeller med god prestanda som uppnår önskade förståbarhetskrav. Vi drar slutsatsen att Generalized Additive Models anpassade till datat genom gradientboostade regressionsträd i allmänhet, och Explainable Boosting Machine i synnerhet är en lovande modellkandidat bestående av funktioner i vårt Hilbertrum av intresse. Vi utvärderar dessutom ett tillvägagångssätt för att anpassa Generalized Additive Models till datat genom basexpansioner, vilket är den metod som primärt används idag hos Gjensidige Försäkring. Vi argumenterar för att metoder som bygger på gradientboostade regressionsträd, såsom Explainable Boosting Machine, är mer lämplig för ett automatiserbart, datadrivet arbetssätt till att bygga modeller som generaliserar väl utanför träningsdatat.  Slutligen genomför vi en empirisk studie på tre olika interna dataset, där Explainable Boosting Machine jämförs mot nuvarande produktionsmodeller, vilka bygger på den tidigare nämnda basexpansionsmetodiken. Vi finner att Explainable Boosting Machine systematiskt överpresterar kontra nuvarande modeller på osedd testdata. Det finns många potentiella förklaringar till detta, men den huvudsakliga hypotsen som diskuteras i denna rapport är att den gradientboostade regressionsträdsmetodiken gör det möjligt att effektivt utforska en större delmängd av det Hilbertrum som innehåller alla tillåtna modeller i jämförelse med basexpansionsmetodiken.