Návrh segmentačně-reportingového rámce pro řízení portfolia autopojištění

Diplomová práce se zabývá návrhem a ověřením analytického artefaktu, segmentačně-reportingového rámce pro produktové, obchodní a portfoliové řízení autopojištění, na základě interních dat pojišťovny. Práce je metodologicky ukotvena v přístupu Design Science Research, v jehož rámci je artefakt vyvinut procesem CRISP-DM a vyhodnocen vůči návrhovým požadavkům odvozeným z potřeb praxe. Analyzovaný modelovací dataset obsahuje 344 245 pojistných smluv osobních automobilů za rok 2024. Jádrem artefaktu je segmentační model založený na metodě K-Means, který rozděluje klientský kmen do osmi interpretovatelných segmentů charakterizovaných z hlediska struktury portfolia, obchodního významu a rizikového profilu. Na segmentační vrstvu navazuje skórovací vrstva a reportingová vrstva v prostředí Power BI. Užitečnost artefaktu je vyhodnocena prostřednictvím dvou evaluačních případů užití: look-alike modelu pro podporu cross-sell kampaně havarijního pojištění a modelu pro identifikaci vysokohodnotných klientů. Evaluace prokázala, že navržený rámec naplňuje stanovené návrhové požadavky a poskytuje operativně využitelné výstupy pro řízení portfolia.

This thesis addresses the design and evaluation of an analytical artifact, a segmentation and reporting framework for product, commercial, and portfolio management in motor insurance, based on an insurer's internal data. The work is methodologically grounded in the Design Science Research approach, within which the artifact is developed through the CRISP-DM process and evaluated against design requirements derived from practical needs. The analyzed modeling dataset comprises 344,245 personal automobile insurance contracts from 2024. The core of the artifact is a segmentation model based on K-Means, dividing the client base into eight interpretable segments characterized in terms of portfolio structure, commercial value, and risk profile. The segmentation layer is complemented by a scoring layer and a reporting layer in Power BI. The artifact's usefulness is evaluated through two evaluation use cases: a look-alike model supporting a motor hull insurance cross-sell campaign and a model identifying high-value clients. The evaluation demonstrated that the proposed framework meets the defined design requirements and provides operationally usable outputs for portfolio management.