Inteligência de negócio na área de seguros: seleção de funcionalidades de apólices

Abstract

Atualmente no setor das seguradoras existem diferentes tipos de seguros, mas nenhuma seguradora decidiu ainda criar um seguro que abranja a perda de informação por parte de uma entidade organizacional. Com a crescente adoção das novas tecnologias por parte das organizações, no âmbito da transação digital, vem também com estas um risco associado à perda ou partilha involuntária de informação por parte destas. O objetivo desta tese passa por desenvolver um modelo que permite calcular o risco de uma organização perder informação que manuseia. Para alcançar este objetivo usamos como parâmetros diferentes propriedades macros referente às organizações. Foi assim desenvolvido um modelo preditivo de cálculo de risco com base em informações de uma organização. Este projeto foi desenvolvido com base em dados obtidos na plataforma kaggle, aplicando sobre estas técnicas de tratamento que permitam tirar insights dos mesmos e desta forma possam ser usados em algoritmos de machine learning, tais como: Support Vector Machine e Logistic Regression. Foi, ainda, desenvolvida um API que permite usar o modelo gerado. Os resultados mostram que o modelo preditivo gerado obtém previsões fiáveis tendo em conta os dados usados. É de referir que o número total de dados usados para alimentar o algoritmo foi por volta de mil instâncias, o que tem um impacto bastante significativo no modelo gerado, pois quanto maior o número de linhas maior a acuidade do modelo. Assim, concluímos que o modelo proposto nesta tese é capaz de quantificar o risco associado a determinada organização através de datasets que embora com um pequeno número de dados aplicados a algoritmos de inteligência artificial adequados a quantidades de dados mais pequenas.

Nowadays in the insurance sector there are different types of insurance, but no insurance company has yet decided to create an insurance covering the loss of information by an organizational entity. With the growing adoption of new technologies by organizations, there is also a risk associated with the loss or involuntary sharing of information by them. The objective of this thesis is to develop a model that allows calculating the risk of an organization losing information that it handles. To achieve this objective, we use different macro properties referring to organizations as parameters. A predictive risk calculation model based on information from an organization was thus developed. This project was developed based on data found on the kaggle platform, applying on these treatment techniques that allow taking insights from them and so that they can also be used in certain machine learning algorithms, such as Support Vector Machine and Logistic Regression. Finally, an API was developed that allows using the generated model. The results show that the generated predictive model obtains reliable predictions considering the data used. It should be noted that the total number of data used to feed the algorithm was around a thousand lines, which has a very significant impact on the generated model, since the greater the number of lines, the more the model's accuracy will decrease. Thus, we conclude that the model proposed in this thesis can quantify the risk associated with a given organization through datasets with a small amount of data.