Criação de score de risco para negociação da precificação de seguro de entregadores
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04012024-151733/ |
Resumo: | O objetivo deste estudo consistiu na proposição de uma nova precificação para o seguro de entregadores em uma empresa líder no mercado de food delivery na América Latina, com a finalidade de reduzir os custos elevados relativos ao prêmio pago à seguradora. O objetivo principal foi desenvolver uma metodologia para propor uma nova precificação de seguro, visando a redução dos custos elevados relacionados ao prêmio pago à seguradora. Este estudo realizou uma análise detalhada, estimando a probabilidade de sinistros com base em variáveis como rotas de entrega, modais de transporte, e perfis detalhados dos entregadores. A metodologia adotada envolveu a aplicação de técnicas avançadas de machine learning e análise estatística. Foram empregados modelos como regressão logística e árvores de decisão, os quais foram fundamentais para construir um perfil de risco robusto e realizar uma classificação eficiente de risco. A análise foi sustentada por um conjunto de dados abrangente, incluindo dimensões como frequência de sinistros, características das rotas, e dados demográficos dos entregadores, fornecendo uma base sólida para a modelagem. Os resultados obtidos com a nova metodologia de precificação demonstraram uma redução significativa nos custos de seguro. Isso foi possível pela incorporação de uma avaliação de risco mais precisa e personalizada, que levou em conta o padrão de ocorrência dos sinistros e os comportamentos de risco dos entregadores. Além disso, a precificação proposta ofereceu uma flexibilidade maior na contratação do seguro, tornando-o mais acessível para os entregadores e mais vantajoso para a empresa contratante e a seguradora. A inovação deste estudo reside na utilização de uma abordagem de score de risco baseada na probabilidade de sinistros para a precificação de seguros no segmento de food delivery, evidenciando ser uma alternativa eficiente e viável para a gestão de custos elevados associados ao seguro. |
id |
USP_5e36bfe39faf4cfa62bcc1db69275015 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-04012024-151733 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Criação de score de risco para negociação da precificação de seguro de entregadoresCreation of Risk Score for insurance pricing negotiation of delivery driversInsuranceMachine learningMachine learningPrecificaçãoPricingSeguroO objetivo deste estudo consistiu na proposição de uma nova precificação para o seguro de entregadores em uma empresa líder no mercado de food delivery na América Latina, com a finalidade de reduzir os custos elevados relativos ao prêmio pago à seguradora. O objetivo principal foi desenvolver uma metodologia para propor uma nova precificação de seguro, visando a redução dos custos elevados relacionados ao prêmio pago à seguradora. Este estudo realizou uma análise detalhada, estimando a probabilidade de sinistros com base em variáveis como rotas de entrega, modais de transporte, e perfis detalhados dos entregadores. A metodologia adotada envolveu a aplicação de técnicas avançadas de machine learning e análise estatística. Foram empregados modelos como regressão logística e árvores de decisão, os quais foram fundamentais para construir um perfil de risco robusto e realizar uma classificação eficiente de risco. A análise foi sustentada por um conjunto de dados abrangente, incluindo dimensões como frequência de sinistros, características das rotas, e dados demográficos dos entregadores, fornecendo uma base sólida para a modelagem. Os resultados obtidos com a nova metodologia de precificação demonstraram uma redução significativa nos custos de seguro. Isso foi possível pela incorporação de uma avaliação de risco mais precisa e personalizada, que levou em conta o padrão de ocorrência dos sinistros e os comportamentos de risco dos entregadores. Além disso, a precificação proposta ofereceu uma flexibilidade maior na contratação do seguro, tornando-o mais acessível para os entregadores e mais vantajoso para a empresa contratante e a seguradora. A inovação deste estudo reside na utilização de uma abordagem de score de risco baseada na probabilidade de sinistros para a precificação de seguros no segmento de food delivery, evidenciando ser uma alternativa eficiente e viável para a gestão de custos elevados associados ao seguro.The objective of this study was to propose a new pricing model for delivery drivers insurance for a leading food delivery company in Latin America. The aim was to reduce the high costs associated with the premiums paid to the insurance company. To achieve this objective, an analysis was conducted to develop a methodology for proposing a new insurance pricing strategy, targeting the reduction of the high costs associated with the premiums paid to the insurer. This study carried out a detailed analysis, estimating the probability of claims based on variables such as delivery routes, transportation modes, and the detailed profiles of delivery drivers. The adopted methodology involved the application of advanced machine learning and statistical analysis techniques. Models such as logistic regression and decision trees were used, which were fundamental in building a robust risk profile and performing efficient risk classification. The analysis was supported by a comprehensive dataset, including dimensions such as claim frequency, route characteristics, and demographic data of the delivery drivers, providing a solid basis for modeling. The results obtained with the new pricing methodology demonstrated a significant reduction in insurance costs. This was possible due to the incorporation of a more accurate and personalized risk assessment, which took into account the pattern of claims occurrence and the risk behaviors of the delivery drivers. Furthermore, the proposed pricing offered greater flexibility in insurance contracting, making it more accessible for the delivery drivers and more advantageous for both the contracting company and the insurer. The innovation of this study lies in the use of a risk score approach based on the probability of claims for insurance pricing in the food delivery segment, proving to be an efficient and viable alternative for managing the high costs associated with insurance.Biblioteca Digitais de Teses e Dissertações da USPRamos, Pedro LuizPanham, Diogo Silva2023-10-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55137/tde-04012024-151733/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-04T17:24:02Zoai:teses.usp.br:tde-04012024-151733Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-04T17:24:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Criação de score de risco para negociação da precificação de seguro de entregadores Creation of Risk Score for insurance pricing negotiation of delivery drivers |
title |
Criação de score de risco para negociação da precificação de seguro de entregadores |
spellingShingle |
Criação de score de risco para negociação da precificação de seguro de entregadores Panham, Diogo Silva Insurance Machine learning Machine learning Precificação Pricing Seguro |
title_short |
Criação de score de risco para negociação da precificação de seguro de entregadores |
title_full |
Criação de score de risco para negociação da precificação de seguro de entregadores |
title_fullStr |
Criação de score de risco para negociação da precificação de seguro de entregadores |
title_full_unstemmed |
Criação de score de risco para negociação da precificação de seguro de entregadores |
title_sort |
Criação de score de risco para negociação da precificação de seguro de entregadores |
author |
Panham, Diogo Silva |
author_facet |
Panham, Diogo Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ramos, Pedro Luiz |
dc.contributor.author.fl_str_mv |
Panham, Diogo Silva |
dc.subject.por.fl_str_mv |
Insurance Machine learning Machine learning Precificação Pricing Seguro |
topic |
Insurance Machine learning Machine learning Precificação Pricing Seguro |
description |
O objetivo deste estudo consistiu na proposição de uma nova precificação para o seguro de entregadores em uma empresa líder no mercado de food delivery na América Latina, com a finalidade de reduzir os custos elevados relativos ao prêmio pago à seguradora. O objetivo principal foi desenvolver uma metodologia para propor uma nova precificação de seguro, visando a redução dos custos elevados relacionados ao prêmio pago à seguradora. Este estudo realizou uma análise detalhada, estimando a probabilidade de sinistros com base em variáveis como rotas de entrega, modais de transporte, e perfis detalhados dos entregadores. A metodologia adotada envolveu a aplicação de técnicas avançadas de machine learning e análise estatística. Foram empregados modelos como regressão logística e árvores de decisão, os quais foram fundamentais para construir um perfil de risco robusto e realizar uma classificação eficiente de risco. A análise foi sustentada por um conjunto de dados abrangente, incluindo dimensões como frequência de sinistros, características das rotas, e dados demográficos dos entregadores, fornecendo uma base sólida para a modelagem. Os resultados obtidos com a nova metodologia de precificação demonstraram uma redução significativa nos custos de seguro. Isso foi possível pela incorporação de uma avaliação de risco mais precisa e personalizada, que levou em conta o padrão de ocorrência dos sinistros e os comportamentos de risco dos entregadores. Além disso, a precificação proposta ofereceu uma flexibilidade maior na contratação do seguro, tornando-o mais acessível para os entregadores e mais vantajoso para a empresa contratante e a seguradora. A inovação deste estudo reside na utilização de uma abordagem de score de risco baseada na probabilidade de sinistros para a precificação de seguros no segmento de food delivery, evidenciando ser uma alternativa eficiente e viável para a gestão de custos elevados associados ao seguro. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-10-04 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04012024-151733/ |
url |
https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04012024-151733/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256710796804096 |