خانه / مجلات / مجله شماره 257 - فروردین 94 / آسیب‌شناسی و اولویت‌بندی مولفه‌های موثر در پیاده‌سازی پروژه‌های هوشمندی کسب‌وکار در صنعت بیمه-(بخش سوم)

آسیب‌شناسی و اولویت‌بندی مولفه‌های موثر در پیاده‌سازی پروژه‌های هوشمندی کسب‌وکار در صنعت بیمه-(بخش سوم)

۸-۵-۴- داده‌کاوی و کشف تقلب
تقلبدر  صورت‌های مالی به شکل چشمگیری توجه عموم جامعه ، رسانه‌ها ، سرمایه گذاران ، جامعه مالی و قانونگذاران را به خود جلب کرده و این به خاطر چندین تقلب مشهوری است که در شرکت‌های بزرگی از قبیل انرون، لوسنت و ورلدکام در طول سالیان گذشته روی داده است.گزارشگری متقلبانه در صورت‌های مالی بیشتر از طریق بیش‌اظهاری دارایی‌ها ، فروش‌ها و سود و کم‌اظهاری بدهی‌ها، هزینه‌ها و زیان‌ها ، انجام می‌شود.
تقلب، یک دلیل بااهمیت برای شکست بسیاری از شرکت‌ها است و به‌ویژه، به بازارهای سرمایه آسیب می‌رساند؛ چرا که سرمایه گذاران، اعتباردهندگان و تحلیلگران مالی در تصمیم‌گیری‌ها بر صورت‌های مالی در دسترس عموم، متکی هستند و به آنها اعتماد می‌کنند.
استانداردهای حسابرسی، شرکت‌های حسابرسی را ملزم به کشف تقلب‌های مدیریت می‌کند. این الزام، نیاز به کشف اثربخش تقلب‌های مدیریت را افزایش می دهد. اما، کشف تقلب‌های مدیریت با استفاده از رویه‌های حسابرسی معمول، کاری بس دشوار است. نخست به این دلیل که آگاهی اندکی در رابطه با ویژگی‌های تقلب مدیریت وجود دارد؛ دوم اینکه با توجه به فراوانی اندک آن، اغلب حسابرسان تجربه لازم برای کشف آن را ندارند. سرانجام اینکه مدیران عامل، مدیران مالی و حسابداران به عمد تلاش می‌کنند تا حسابرسان را فریب دهند.
برای آن دسته از مدیرانی که محدودیت‌های یک حسابرسی را می‌شناسند، رویه‌های حسابرسی استاندارد ممکن است نابسنده باشد.  این محدودیت‌ها نیاز به رویه‌های تحلیلی اضافی برای کشف اثربخش صورت‌های مالی متقلبانه را گوشزد می‌کند. آمار
و روش‌های داده‌کاوی به طور موفقیت آمیزی برای کشف فعالیت‌هایی مانند پولشویی، تقلب‌های کارت اعتباری تجارت الکترونیک، تقلب‌های ارتباطات از راه‌دور، تقلب‌های بیمه ای و نفوذهای رایانه ای به‌کار رفته‌اند. البته، کشف تقلب در صورت‌های مالی موضوعی پیچیده و کشف آن نیز مشکل است.

۱-۸-۵-۴- تقلب و متقلبان
هیچ تعریف پذیرفته شده جهانی از تقلب مالی وجود ندارد. در سالهای اخیر، انواع گوناگون تقلب‌های مالی، مانند تقلب کارت اعتباری، تقلب شرکتی و پولشویی، نگرانی های بسیاری را سبب شده و نظرها را به سوی خود جلب کرده است.
نگای و همکاران۱  در سال ۲۰۱۱ میلادی در یک طبقه بندی کلی، انواع تقلب مالی را در چهار دسته تقسیم کرده‌اند: تقلب‌های بانکی، تقلب‌های بیمه‌ای، تقلب اوراق بهادار و کالاها، سایر تقلب‌های مالی (جدول ۱)

در عمل، در شرکتها دو نوع تقلب را می‌توان تشخیص داد :
.نوع اول تقلب عبارت است از سوءاستفاده از دارایی‌ها؛ برای مثال به صورت سرقت، اختلاس، جعل حسابهای هزینه ای، استفاده شخصی از دارائی‌های شرکت و غیره.
نوع دوم تقلب  ، گزارشگری مالی متقلبانه است. گزارشگری مالی متقلبانه مستلزم مخدوش کردن عمدی صورت‌های مالی است؛ برای مثال از طریق گزارش فروش‌هایی که هنوز اتفاق نیفتاده است، گزارش سودی در سال جاری که در حقیقت متعلق به سال بعد است، سرمایه‌ای کردن نادرست هزینه ها، یا گزارش هزینه ای در سال بعد که باید در سال جاری گزارش می شده است. تقلب صورت‌های مالی به طور معمول از سوی مدیریت یا با رضایت و آگاهی آنها انجام می شود.
بنابراین، تقلب صورت‌های مالی را می توان نوعی از تقلب مدیریت دانست که چنین تعریف شده است: «تقلب هدفمندی که مدیریت مرتکب می شود و از طریق صورت‌های مالیِ دارای اطلاعات گمراه کننده بااهمیت ، به سرمایه‌گذاران و اعتباردهندگان آسیب می رساند.»
این مسئولیت حسابرسان است که تعیین کنند گزارش‌های مالی تا چه‌اندازه‌ای مطابق با استانداردهای حسابداری هستند؛ ریسک تقلب در گزارشهای مالی را ارزیابی و وجود تقلب در صورت‌های مالی را شناسایی نمایند. از سوی دیگر، کشف تقلب در صورت‌های مالی کاری دشوار است که مستلزم اقداماتی بیش از اجرای رویه های استاندارد حسابرسی است. بنابراین، حسابرسان برای تسهیل کار حسابرسی و کمک به کشف این گونه صورت‌های مالی متقلبانه به ابزار و فنون جدیدی نیاز دارند. در این رابطه، ابزار مبتنی بر رایانه می توانند کمک کننده های مفیدی باشند.

۲-۸-۵-۴- داده‌کاوی و تقلب
با ظهور فناوری اطلاعات که گرداوری، نگهداری و پردازش مقدارهای انبوه داده را ممکن و تسهیل می‌کند، سازمان‌ها اکنون برای استفاده از داده‌هایی که از فرآیندها، مشتریان و محیط جمع آوری می کنند، در وضعیت بهتری هستند. اما استخراج معنایی از میان انبوه داده ها و استفاده از آن برای هدف‌های سودمند سازمانی، مستلزم استفاده از روش‌های پیشرفته، مانند داده‌کاوی در هوشمندی کسب‌و کار است. کشف تقلب به یکی از جا افتاده‌ترین کاربردهای داده‌کاوی چه در صنعت و چه در دولت تبدیل شده است. هر چند بسته‌های نرم افزاری تجاری مختلفی با محیط تعاملی آسان برای کاربران،در حال حاضر در دسترس هستند که انجام کارهای پیچیده داده‌کاوی را به ظاهر آسان می کنند؛ اما باید در نظر داشت که داده‌کاوی فرآیندی چندگامی است که طی آن دخالت‌ها و تفسیرهای دقیق انسانی لازم است. به بیان دیگر ، داده‌کاوی شامل پیمودن گام‌های بنیادینی است که باید با دقت برداشته شوند تا نتایج معنی‌داری از تحلیل‌های انجام شده به دست آید. گام نخست در کار داده‌کاوی، تعریف واضح مسئله است. سپس داده‌ها گرداوری و برای مدل‌سازی آماده می شوند. این گام بسیار زمان بر است و اساساً شامل تصفیه و دستکاری داده‌هاست. سپس، یک مدل داده‌کاوی که برای مسئله مورد بررسی، مناسب‌تر از بقیه به نظر می‌رسد، انتخاب شده و مورد استفاده قرار می‌گیرد. در این مرحله، عموماً داده‌ها به دو مجموعه آموزش و آزمون (تایید) تقسیم می شوند. داده‌های آموزش برای استخراج قواعد و روابط و برازش مدل، استفاده می شوند، در حالی که داده‌های تایید (آزمون) برای این استفاده می شوند که تعیین شود قواعد ایجادشده در یک مجموعه متفاوت از داده‌ها، به چه کیفیتی عمل می‌کنند. بر مبنای نتایج اجرای مدل، عملکرد مدل ارزیابی می‌شود؛ در نتیجه یا اصلاح می گردد یا برای حل مسئله به کار گرفته می شود.

۳-۸-۵-۴- وظایف داده‌کاوی در کشف تقلب
نگای و همکاران کاربرد روش‌های داده‌کاوی برای کشف تقلب‌های مالی را مورد بررسی قرار دادند آنان ۴۹ مقاله چاپ شده در مجلات معتبر را بررسی کردند و مشخص شد که در مجموعه تحقیق‌های مورد بررسی، از شش طبقه از وظایف/کاربردهای داده‌کاوی برای کشف تقلب‌های مالی استفاده شده است. این  موارد عبارتند از طبقه بندی، رگرسیون ، خوشه بندی ، پیش بینی ، کشف داده‌های پرت و تصویرسازی. هر یک از این شش طبقه، با مجموعه‌ای از رویکردهای الگوریتمی حمایت می شود که به دنبال استخراج ارتباط‌هایی مربوط از داده‌ها هستند.

۱-۳-۸-۵-۴- طبقه بندی ۲
طبقه‌بندی مدلی را می‌سازد و از آن برای پیشبینی عنوان طبقات اشیاء ناشناخته استفاده میکند تا بین اشیاء متعلق به طبقات مختلف، تمایز ایجاد کند. این عنوان‌های طبقاتی از قبل تعریف شده‌اند ولی متمایز و مرتب نشده‌اند.
طبقه‌بندی و پیش‌بینی عبارت است از فرآیند شناسایی مجموع های از ویژگی‌ها و مدل‌های مشترک که طبقات یا مفاهیم داده‌ها را توصیف و متمایز می‌کنند. روش‌های معمول طبقه بندی عبارتند از شبکههای عصبی ، شبکه‌های بیزساده۳  ، درختان تصمیم  و ماشین‌های بُردار پشتیبان.۴
این‌گونه وظایف طبقه‌بندی در کشف تقلب‌های کارت اعتباری، بیمه سلامت و بیمه خودرو و تقلب‌های شرکتی و دیگر انواع تقلب، استفاده می‌شوند. طبقه‌بندی یکی از رایج‌ترین مدل‌های یادگیری در کاربرد داده‌کاوی برای کشف تقلب‌های مالی است. طبقه بندی یک فرآیند دو مرحله‌ای است.
در گام اول، با استفاده از یک نمونه آموزشی، یک مدل آموزش داده می شود. این نمونه در تعدادی ردیف گروهک‌ها۵  و ستون (صفات) سازمان‌دهی می‌شود. یکی از صفات، یعنی صفت عنوان طبقه، حاوی مقادیری است که نشان‌دهنده طبقه از پیش تعریف شده‌ای است که هر ردیف به آن تعلق دارد. این گام به عنوان یادگیری نظارت‌شده نیز معروف است.
در گام  دوم ، در مدل تلاش می‌شود اشیایی که به نمونه آموزشی تعلق ندارند، طبقه بندی شوند و یک نمونه آزمون (تایید) تشکیل دهند .

۲-۳-۸-۵-۴-خوشه‌بندی
از خوشه‌بندی برای تقسیم اشیا به گروه‌ها/خوشه‌هایی که از نظر مفهومی معنی‌دار هستند، استفاده می شود؛ به طوری‌که اشیای یک گروه با یکدیگر مشابه، و در عین حال، بسیار متفاوت از اشیای دیگر گروه‌ها باشند. خوشه بندی با عنوان بخش‌بندی و تقطیع داده‌ها نیز شناخته می‌شود و به عنوان یک گونه از طبقه‌بندی نظارت نشده به حساب می‌آید.
بنابرنظر یوئه و همکاران۶، تحلیل خوشه‌بندی مرتبط است با مسئله تجزیه یا تقطیع یک مجموعه داده )معمولاً چندمتغیره ( به چندین گروه، به طوری که نقاط در داخل یک گروه مشابه با یکدیگر و تا حد ممکن متفاوت از نقاط در دیگر گروه‌ها هستند. همچنین هر خوشه مجموع‌هایی از اشیاء داده است که در همان خوشه مشابه یکدیگرند، اما متفاوت از اشیاء در دیگر خوشه‌ها هستند. رایجترین روش‌های خوشه‌بندی عبارتند از نزدیک ترین همسایه کا۷  ، روش بیز ساده و روش‌های نقشه خودانتظام۸٫

۳-۳-۸-۵-۴-  پیش‌بینی۹
پیش بینی، مقدارهای عددی و پیوسته آینده را بر مبنای الگوهایی از یک مجموعه داده براورد می‌کند. هان و کَمبر۱۰  در کتاب داده‌کاوی : مفاهیم و تکنیک‌ها  تاکید کرده‌اند که برای پیش بینی، صفتی که پیش بینی آن انجام می‌شود باید پیوسته باشد و نه کیفی (طبقه‌ای).  این صفت را می‌توان صفت مورد پیش‌بینی نامید. شبکه های عصبی و مدل لجستیک۱۱، رایج‌ترین روش‌های مورد استفاده برای پیش‌بینی هستند.

۴-۳-۸-۵-۴-   کشف نقاط پرت۱۲
از کشف نقاط پرت برای اندازه گیری فاصله بین اشیاء داده به منظور کشف اشیایی که به شکلی متفاوت از ناهمگون با بقیه مجموعه داده‌ها هستند، استفاده می شود. داده‌هایی که به نظر می‌رسد ویژگی‌هایی متفاوت از بقیه جمعیت دارند، داده‌های پرت۱۳  نامیده می شوند. مسئله کشف داده پرت/متناقض، یکی از بنیادی‌ترین مباحث در داده‌کاوی است. یک روش رایج مورد استفاده در کشف داده پرت، الگوریتم یادگیری تنزیل شونده۱۴ است.

۵-۳-۸-۵-۴- رگرسیون۱۵
رگرسیون یک روش آماری است که برای کشف رابطه بین یک یا چند متغیر مستقل و یک متغیر وابسته )که یک مقدار پیوسته است( استفاده می شود. در بسیاری از مطالعات تجربی، از رگرسیون لجستیک به عنوان یک معیار سنجش، استفاده می‌شود. رگرسیون به طور معمول عبارت است از استفاده از روش‌هایی ریاضی مانند رگرسیون لجستیک و رگرسیون خطی و از آن برای کشف تقلب‌های کارت اعتباری، تقلب‌های بیمه‌ای و تقلب‌های گزارشگری شرکت‌ها استفاده می شود.

۶-۳-۸-۵-۴- تصویرسازی۱۵
تصویرسازی اشاره دارد به ارائه داده‌ها به شکلی که به سادگی درک‌پذیر باشد و اشاره دارد به روشی که ویژگی‌های داده‌های پیچیده را به الگوهای واضحی تبدیل می‌کند و به کاربران اجازه می‌دهد که الگوها یا روابط پیچیده کشف شده در فرآیند داده‌کاوی را ببینند. محققان، از توانایی‌های کشف الگو در سیستم بینایی انسان استفاده کرده و مجموعه ای از ابزار و برنامه ها را ساخته‌اند که به شکل انعطاف‌پذیری، داده‌ها را با استفاده از رنگ، موقعیت، اندازه و دیگر ویژگی‌های بصری، کدبندی می‌کنند. بهترین کاربرد تصویرسازی برای آشکار کردن الگوهای پیچیده از طریق ارائه واضح داده‌ها یا توابع بوده است.

۴-۵-۸-۴- روش‌های داده‌کاوی مورد استفاده در تحقیقات کشف تقلب‌های مالی
برای طبقات/وظایف مختلف داده‌کاوی یادشده در بالا، روش‌های بسیاری ایجاد شده‌اند که از علوم مختلفی مانند هوش مصنوعی، الگوشناسی۱۶، یادگیری ماشینی۱۷ و آمار برگرفته شده‌اند. با بررسی‌های نگای و همکاران مشخص شده که در تحقیقات مختلف، ۲۶ روش داده‌کاوی در کشف تقلب‌های مالی به کار رفته‌ است.  تصویر ۱۵ ، در یک تقسیم‌بندی کلی، طبقات تقلب مالی و ۶ گروه کاربرد داده‌کاوی مورد استفاده برای کشف این تقلب‌ها را نشان می دهد.
پرکاربردترین روش‌های مورد استفاده برای کشف تقلب‌های مالی عبارتند از مدل‌های رگرسیون لجستیک ، شبکه‌های عصبی، شبکه استنباط بیزین و درختان تصمیم که همه آنها راه‌حل‌های با اهمیتی برای مشکلات ذاتی در کشف و طبقه بندی داده‌های متقلبانه ارائه می‌کنند.

۱-۴-۸-۵-۴- مدل رگرسیون
در ادبیات پژوهشهای داده‌کاوی برای کشف تقلب، رگرسیون رایجترین روش مورد استفاده است. مدلهای رگرسیون استفاده شده عبارتند از لوجیت۱۸  ، لجستیک- گام به گام، روش کمک تصمیم چندمتغیره و بتا ۲ تعمیم یافته نمایی (EGB2)  .
مدل رگرسیون لجستیک، رایج‌ترین مدل مورد استفاده است. مدل لجستیک، یک مدل خطی تعمیم‌یافته۱۹  است که برای رگرسیون دوگانه‌ای استفاده می‌شود که در آن متغیرهای پیش‌بینی‌کننده می‌توانند کمی یا کیفی باشند. این مدل اساساً برای حل مسائل مطرح در تقلب بیمه خودرو و تقلب‌های شرکتی استفاده می شود.
ایده پشتوانه رگرسیون این است که با استفاده از نسبت‌های مالی شرکت‌ها، مدلی به دست آید تا مشخص شود کدام نسبت‌ها با صورت‌های مالی متقلبانه مرتبط می‌باشند.  با شمول مجموعه داده صورت‌های متقلبانه و صورت‌های مالی غیرمتقلبانه، می‌توان فهمید که کدام عوامل به شکل معنی‌داری بر شرکت‌های دارای صورت‌های مالی متقلبانه اثر می‌گذارند و سپس می‌توان بر این اساس معادله را صورت بندی کرد.
مدل، بر مبنای نسبت‌های صورت‌های مالی که در مرحله آموزش به عنوان نشانگرهای تقلب مستند شده‌اند، شرکت‌ها را به گروه‌های متقلبانه و غیرمتقلبانه طبقه‌بندی خواهد کرد.
۲-۴-۸-۵-۴- شبکه های عصبی مصنوعی
شبکه عصبی روشی است که با استفاده از مجموعه‌ای از گره‌های به‌هم مرتبط، از کارکرد مغز انسان تقلید می‌کند. این روش مبتنی بر مدل‌های رایانه‌ای از نورون‌های زیستی می‌باشد. یک شبکه عصبی چندلایه دربرگیرنده تعداد زیادی واحد (نورون) به هم مرتبط در الگویی از ارتباطات است. این روش به شکل گسترده‌ای در طبقه‌بندی و خوشه‌بندی استفاده شده است و پس از رگرسیون، پرکاربردترین روش داده‌کاوی مورد استفاده در کشف تقلب‌های مالی است
نخست، شبکه با استفاده از مجموعه‌ای از داده‌های زوجی برای ترسیم ورودی‌ها و خروجی‌ها آموزش داده می شود. سپس وزن ارتباطات بین نورون‌ها تثبیت می‌شود و شبکه برای تعیین طبقه بندی‌های مجموعه‌ای جدید از داده‌ها مورد استفاده قرار می‌گیرد.
مزایای این روش عبارتنداز :
الف)  این روش انطباق پذیر است.
ب)  این روش، مدل‌های دارای پایایی۲۰  ایجاد می‌کند.
ج) اگر وزن‌های آموزشی تغییر کنند، فرآیند طبقه‌بندی را نیز می‌توان اصلاح نمود.
شبکه‌های عصبی بیشتر برای تقلب‌های کارت اعتباری، بیمه خودرو و تقلب‌های شرکتی به کار می روند.
چن و دو۲۱ با استفاده از شبکه‌های عصبی مصنوعی، ۶۸ شرکت فعال در بورس تایوان را مورد مطالعه قرار دادند. آنان با استفاده از داده‌های مالی و غیرمالی، یک مدل بحران مالی تدوین کردند. نتایج مطالعه آنان نشان می دهد که شبکه‌های عصبی مصنوعی بهتر از روش‌های سنتی آماری، بحران مالی را پیش بینی می‌کنند.

۳-۴-۸-۵-۴- شبکه استنباط بیزین
شبکه استنباط بیزین نشان‌دهنده مجموعه‌ای از متغیرهای تصادفی و استقلال مشروط آنها با استفاده از یک نمودار غیرچرخی هدایت شده۲۲  است که در آن گره ها نشان‌دهنده متغیرهای تصادفی می‌باشند  و استقلال مشروط بین متغیرها را تعیین می‌کنند.
شبکه استنباط بیزین، اغلب در کشف تقلب کارت اعتباری، بیمه خودرو، و تقلب‌های شرکتی  مورد استفاده قرار می‌گیرد.

۴-۴-۸-۵-۴- درخت تصمیم
درخت تصمیم، ابزار پشتیبان تصمیمِ پیش‌بینی کننده‌ای هستند که تصویری از مشاهدات برای پیامدهای ممکن را ایجاد می‌کنند.
درخت تصمیم، درختی است که موضوعات را بر اساس مقادیر صفت‌ها طبقه‌بندی می‌نماید. برگ‌ها نماد پیش‌بینی‌ها هستند. هر گره در یک درخت تصمیم نماینده یک صفت در یک موضوع مورد طبقه بندی است و هر شاخه نماینده مقداری است که یک گره می تواند اختیار کند و در واقع اشتراک ویژگی‌ها را نشان می دهد.
می‌توان از طریق الگوریتم‌های مبتنی بر یادگیری ماشینی از قبیل کارت۲۳  ،آی دی تری۲۴  و الگوریتم سی ۴٫۵ ، این درختان را ایجاد نمود. درخت تصمیم به طور معمول در تقلب کارت اعتباری ، بیمه خودرو و تقلب‌های شرکتی استفاده می شوند[۸].
کرکاس و همکاران۲۵  [۱۱] ، در مطالعه خود هم‌زمان سه روش را به کار بردند که عبارت بودند از شبکه عصبی ، درخت تصمیم و بیزین.  مطالعه آنان سودمندی این مدل‌ها را در شناسایی صورت‌های مالی متقلبانه بررسی و مقایسه می کند. بُردار ورودی۲۶  ، از نسبت‌های مالیِ استخراج شده از صورت‌های مالی تشکیل شده است. این سه مدل از جهت عملکرد مقایسه شده‌اند. نمونه آنان از ۷۶ شرکت تولیدی یونانی تشکیل شده بود که ۳۸ شرکت به عنوان متقلب و ۳۸ شرکت به عنوان غیرمتقلب طبقه‌بندی شدند. معیار طبقه بندی به عنوان متقلب، به طور عمده گزارشات حسابرسان و مقامات مالیاتی بوده است. ابراز تردیدهای جدی از سوی حسابرسان نسبت به درستی حساب‌ها، گزارش مقامات مالیاتی نسبت به تلاش شرکت برای فرار مالیاتی با انجام دستکاری های بااهمیت در صورت‌های مالی، قرار گرفتن در فهرست شرکت‌های تحت نظارت در بورس آتن، تعلیق معاملات سهام شرکت به دلایل مرتبط با دستکاری داده‌های مالی شرکت و وجود پرونده‌هایی در دادگاه مرتبط با موضوع صورت‌های مالی متقلبانه، از مواردی هستند که به عنوان نشانه های تقلب یک شرکت در نظر گرفته شده‌اند. کرکاس و همکاران گزارش کرده‌اند که پس از آموزش مدل‌ها، در مرحله آزمون تقسیم نمونه، مدل درخت تصمیم با ۹۶٫۲%  دقت، مدل شبکه عصبی با ۱۰۰% دقت و مدل شبکه استنباط بیزین با ۹۴٫۷% دقت توانسته‌اند شرکت‌های متقلب را از شرکت‌های غیر متقلب بازشناسی کنند. [۱۱]

۵-۸-۵-۴- یک چهارچوب کلی برای الگوریتم‌های داده‌کاوی کشف تقلب
هر چند الگوریتم‌های داده‌کاوی بسیاری برای کشف تقلب مورد استفاده قرار گرفته‌اند، اما کاربرد آنها، همچنان از الگوی سنتی داده‌کاوی- انتخاب ویژگی، نمایندگی۲۷  ، گردآوری و مدیریت داده‌ها، پیش پردازش، داده‌کاوی، پس پردازش و ارزیابی عملکرد- پیروی می کند.[۶] ویژگی‌های فنون داده‌کاوی مورد استفاده برای هدفِ خاصِ کشف تقلب‌های مالی را در یک چهارچوب کلی توسطه یوئه و همکاران در مقاله A Review of Data Mining-based Financial Fraud Detection Research  ارائه شده است. [۶]

برمبنای توزیع دادهها، الگوریتمهای کشف تقلبهای مالی را نخست می توان به دو گروه عمده تقسیم کرد؛ دادههای گردآوری شده از شرکتهای متقلب و غیرمتقلب و همچنین، دادههای حسابرسی. در پژوهشهای گذشته، تمرکز بیشتر بر تلاش برای کشف تقلب در مجموعهای از دادههای متقلبانه و غیرمتقلبانه بوده است. [۶]

۶-۸-۵-۴- راه آینده و چالش‌های پیشرو
نگای و همکاران  اظهار می‌دارند که یک دلیل برای محدود بودن تعداد مقاله‌های مرتبط با موضوع کشف تقلب‌های مالی سختی  به دست آوردن داده‌های تحقیق مناسب است. مشکل آن است که پیش از هر کاری، و برای شروع آموزش مدل، باید مجموعه‌ای از صورت‌های مالی را به دو گروه متقلب و غیرمتقلب تقسیم کرد.[۸] چالش شناسایی صورت‌های مالی متقلبانه، موانع بسیاری در سر راه تحقیقات کشف تقلب مالی قرار می دهد. هر چند روش‌های داده‌کاوی ذکرشده در بالا عموماً نشان داده‌اند که در کشف تقلب صورت‌های مالی اثربخش بوده‌اند، اما کاربرد آنها برای کشف تقلب در صورت‌های مالی، معایب و محدودیت‌های کاربردی بسیاری داشته است. در پس عمده روش‌های داده‌کاوی موجود برای کشف تقلب در صورت‌های مالی، دامنه کاربرد خاص و محدودیت‌های ویژهای وجود دارند. [۱۴] برای مثال، هر چند که این روشها به خوبی برای مدل سازیِ پیشبینی کننده توسعه یافتهاند، اما آنها برای ارزیابی اثر به خوبی توسعه پیدا نکردهاند. به طور مشخص، هنوز برای برخی از روش‌های داده‌کاوی آماره های آزمونی ساخته نشده است که با آن بتوان به ارزیابی اثرهای متغیرهای مستقل بر متغیرهای وابسته پرداخت. [۱۴] یک نکته دیگر که باید به آن توجه شود، این است که اغلب  روش‌های داده‌کاوی نقاط پرت را به عنوان استثناء یا اختلال۲۸  کنار می‌گذارند؛ در حالی که در کشف تقلب، رویدادهای نادر می‌توانند جالبتر از رویدادهای معمول و مکرر باشند. بنابراین، تحلیل نقاط پرت برای کشف الگوهای متقلبانه باید بیش از پیش مورد توجه قرار گیرد. البته نبود تحقیقاتی در مورد کاربرد روش‌های کشف داده‌های پرت برای کشف تقلب‌های مالی ممکن است به خاطر سختی کشف داده‌های پرت باشد. در واقع، کشف داده‌های پرت وظیفه پیچیده‌ای است که بی شباهت به جستجوی سوزن در انبار کاه نیست. برخلاف دیگر روش‌های داده‌کاوی، روش‌های کشف داده پرت متمرکز بر یافتن الگوهای نادر مرتبط با اشیاء داده، بسیار اندک هستند. [۸] . همچنین، روش‌های تصویرسازی نیز توانی درخور توجه در شناسایی و ارائه بی‌قاعدگی‌ها در داده‌ها دارند. این ویژگی می تواند شناسایی و کمی سازی طرح‌های تقلب را بسیار آسان‌تر کند.[۸] سخن آخر اینکه در زمان کنونی، تقلب‌های مالی همواره در حال تغییر شکل و تکامل هستند؛ پس سازوکارهای ماشینی کشف تقلب نیز باید با استفاده از آگاهی‌های تخصصی در دسترس، اثربخشی و کارایی خود را به طور مستمر افزایش دهند.
لاکشمی[۱۵] و جایا  [۱۶]در مقالات خود بیان می‌نمایند که کشف تقلب مالی با استفاده از روش‌های کشف فعلی، به طور روزافزون مشکل می شود. یک مدیرعامل آگاه به همه مسائل که اراده کرده است جرمی مرتکب شود، منابع کافی برای دور زدن سیستم را به راحتی در اختیار دارد و قادر است که هر نوع سازوکار کشفی را خنثی کند.لاکشمی و جایا  با طبقه‌بندی ، روش‌های کشف تقلب مالی مبتنی برداده‌کاوی مانند رگرسیون،درخت تصمیم، شبکه های عصبی و  شبکه های بیزین را مورد بررسی قرار داده‌اند. آنان به ویژه، اثربخشی و محدودیت‌های این روش‌های داده‌کاوی را در هنگام پدید آمدن شگردهای جدید تقلب صورت‌های مالی که خود را با این روش‌های کشف انطباق داده‌اند، به نقد کشیده‌اند. نویسندگان سپس یک روش نوین را پیشنهاد می‌کنند؛ یک برنامه کشف فعال که پیش از متقلبان بالقوه تکامل می یابد. توانمند کردن یک سیستم کشف هوشمند برای پیش‌بینی، پیش از اینکه هر گونه تقلب ناشناخته‌ای در آینده اتفاق افتد، این توان را به وجود می آورد که انواع جدید تقلب‌های صورت‌های مالی به طور اثربخش کشف گردند. البته چنانکه این دو نویسنده خود اذعان می دارند، تحقیق‌های بیشتری در آینده نیاز است تا برنامه کشف فعالی طراحی شود که هم اثربخش و هم کارا باشد.

۷-۸-۵-۴- جمع‌بندی
در سال‌های اخیر، انواع گوناگون تقلب‌های مالی مانند تقلب کارت اعتباری، تقلب شرکتی و پولشویی، نگران یهای بسیاری را سبب شده و توجه زیادی را به سوی خود جلب کرده است. البته حوزه کشف تقلب مالی نیز تحول‌های چشمگیری را شاهد بوده است.
به طور مشخص، داده‌کاوی نظرها را به شکل گسترده‌ای به خود جلب کرده و محبوبیت فزاینده‌ای در جهان مالی به دست آورده است. کاربردهای موفقیت آمیزی از داده‌کاوی گزارش شده است و تحقیقات نشان داده‌اند که داده‌کاوی در میزان کاربرد و اثربخشی گسترش یافته است. سازمان‌های حرفه ای حسابداری نیز داده‌کاوی را به عنوان یک فناوری مهم برای سده جدید شناخته‌اند. روش‌های اصلی مورد استفاده برای کشف تقلب‌های مالی عبارتند از مدل‌های رگرسیون لجستیک، شبکه‌های عصبی، شبکه استنباط بیزین و درختان تصمیم که همه آنها راه‌حل‌های با اهمیتی را برای مشکلات ذاتی در کشف و طبقه‌بندی داده‌های متقلبانه ارائه می‌کنند.
یکی از انواع تقلب مالی، تقلب‌های مدیریت است. تقلب هدفمند انجام شده از سوی مدیریت از طریق ارائه صورت‌های مالی گمرا ه کننده، به سرمایه‌گذاران و اعتباردهندگان آسیب می رساند.در طول فرآیند حسابرسی، حسابرسان باید امکان تقلب مدیریت را برآورد کنند. حرفه حسابرسی، با چالشِ شمار فزاینده موارد تقلب مدیریت روبه‌رو است. روش‌های داده‌کاوی که ادعا می شود توانایی‌های پیشرفته‌ای در طبقه بندی و پیش بینی دارند، می‌توانند کار حسابرسان را در انجام وظیفه کشف تقلب مدیریت آسان سازند.[۱۱] کاربرد روش‌های داده‌کاوی بر رویِ نسبت‌های مالی استخراج شده از صورت‌های مالی شرکت‌ها و نیز دیگر اطلاعات در دسترس،می‌تواند به حسابرسان در کشف تقلب کمک کند؛ به طوری که آنان م یتوانند از نتایج این تحلیلها به عنوان یک علامت اولیه هشداردهنده نسبت به وقوع احتمالی تقلب صورت‌های مالی استفاده کنند. کشف نشانگرهای تقلب در صورت‌های مالی، اثری بااهمیت بر تعیین تقلب صورت‌های مالی دارد.
به رغم موفقیت‌های اولیه این سیستم‌ها و الگوریتم‌های کشف ماشینیِ پیشگام در کشف صورت‌های مالی متقلبانه، نرخ کشف موفقیت آمیز به‌ شکل مستمری در طول سال‌های اخیر کاهش یافته است. به علاوه، در دورانی که مرتکبان تقلب صورت‌های مالی، راه‌هایی برای دور زدن برنامه های کشف ماشینی یافته‌اند، نیازی فوری برای سازوکاری وجود دارد که قادر به یادگیری و استفاده از آگاهی های عمومی هر صنعت برای تسهیل روش‌های داده‌کاوی باشد. همچنین، انواع تقلب و الگوهای تقلب در صنایع مختلف در طول زمان تغییر کرده است. درک اینکه طرح‌های تقلب چگونه متحول شده‌اند، مهم است. همچنین، پیش بینی جهت تغییر این تقلب‌ها با هر وسیله ممکن و به روز نگاه داشتن روش‌های ماشینی کشف تقلب، اهمیت دارد. پژوهش در این راستا، ممکن است نتایج بااهمیتی داشته باشد که برای تدوین فرآیندهای تجاری قویتر و نیز سازوکارهای کشف تقلب انطباق پذیر برای مدیریت/ پیشگیری/کشف خطر تقلب، سودمند باشند.

۶-۴- ابزارهای تجاری و منبع باز هوشمندی کسب‌و‌کار
در دهه‌های گذشته تمامی سازمان های برتر، سرمایه گذاری های بسیاری بر روی تکنولوژی اطلاعات اعم از نرم افزار و سخت افزار کرده اند. در عصر اطلاعات، کسی که اطلاعات دارد، دارای قدرت است. هر سازمان و شرکتی که از این قدرت برخوردار باشد در صنعت و حرفه خود در مقایسه با رقبای خود متمایز و ممتاز می شود. سازمان ها و شرکت ها و محیط پیرامونی آنها، امروزه با سرعت حرکت و تغییر می کنند. اخذ اطلاعات صحیح در زمان صحیح اساس و پایه موفقیت و چه بسا بقای سازمان است، اما همیشه شکاف عمیقی بین اطلاعات مورد نیاز مدیران تجاری و انبوه داده هایی وجود دارد که طی عملیات های روزمره شرکتی در بخش‌های مختلف آن جمع آوری می شوند. ضمن آنکه برخی اطلاعات از خارج از سیستم‌های عملیاتی بایستی تامین گردند.هوشمندی کسب و کار  اصطلاحی است که از اواسط دهه ۹۰ میلادی مطرح گردید و به معنای تبدیل داده ها از شکل اولیه آنها به چیزی است که تصمیمات تجاری بتوانند بر آن اساس گرفته شوند. این عبارت همچون چتری است که سایر نظام‌های مرتبط با داده شامل انبارداده، داده کاوی، تحلیل آماری، پیش بینی و پشتیبانی از تصمیم را به یکدیگر مرتبط می‌کند.  در تعریف دیگری؛ هوشمندی کسب و کار یعنی فرآیند بالا بردن سوددهی سازمان در بازار رقابتی با استفاده هوشمندانه از اطلاعات موجود در سازمان در فرآیند تصمیمگیری تعریف شده است.
بیشترین بهره‌مندی بدست آمده از هوشمندی کسب وکار، امکان دسترسی بی‌واسطه به داده‌ها توسط تصمیم گیرندگان در تمام سطوح سازمان است. در این صورت این افراد قادر خواهند بود که با داده ها تعامل داشته باشند و آنها را تحلیل کنند و در نتیجه بتوانند کسب وکار را مدیریت نمایند، کارایی را بهبود بخشند، فرصتها را کشف کنند و کار خود را با بازدهی بالا انجام دهند.
در ساده ترین حالت هوشمندی کسب و کار اطلاعاتی راجع به وضع کنونی کسب وکار به مدیران تحویل می دهد. با استفاده از هوشمندی کسب وکار، اطلاعات در زمان مناسب و با انعطاف بیشتری در اختیار مدیران قرار داده میشود. در صورتی که یکی از شاخص های کسب وکار از قلم افتاده باشد و یا از خارج از برنامه ریزی باشد، هوشمندی کسب وکار به کاربران این امکان را میدهد که جزئیات را شکافته و به دلیل این اتفاق پی ببرند و تصمیمات مقتضی را برای جبران وضعیت موجود بگیرند. در مرحله بعد لازم است تا فرآیند دسترسی به اطلاعات تسهیل گردد به گونه ای که تصمیم گیرندگان در هر زمان و هر مکان بتوانند بدون نیاز به واسطه به اطلاعات مربوطه مراجعه کرده و انواع تحلیل های مورد نظر خود را انجام دهند. همچنین نمایش اطلاعات بایستی به گونه ای باشد که امکان انجام بررسی از ابعاد مختلف وجود داشته باشد تا مدیران در صورت نیاز براحتی تاثیر هریک از عوامل را مشاهده کرده و دلایل آسیب های سازمانی را جستجو و تحلیل کنند. با توجه به اهمیت این حوزه ابزارهای متعددی جهت هوشمند‌سازی کسب و کار با ماجول های وظیفه ای متعدد طراحش شده‌اند که در بخش بعدی به توصیف آنها پرداخته خواهد شد.

ابزارها
با بررسی های صورت گرفته در سایت‌های معتبر، ابزارهای مختلفی جهت هوشمندسازی کسب و کار طراحی شده است اما نکته قابل توجه در کلیه این ابزارها این است که این ابزارها در چندین حوزه کلی برای هوشمند سازی کسب و کار فعالیت نموده و دارای ویژگی های مشترکی هستند که البته برخی در بعضی از حوزه های قویتر و تخصصی تر فعالیت نموده و برخی دارای صرفه هزینه برای استفاده در شرکتهای کوچک و متوسط مناسب هستند.
موسسه  TDWI 29 در گزارشی در سال ۲۰۰۸ میلادی به بررسی و مقایسه ابزارهای موجود در حوزه هوشمندی کسب و کار پرداخته
و یک نمایی از هوشمندی کسب‌و‌کار را به صورت خلاصه به تصویر کشیده است که این نما در تصویر زیر مشاهده می‌شود.[۱۷]

شناسایی و توصیف ابزارهای هوشمندی کسب کار موجود
با بررسی های صورت گرفته در سایت‌های معتبر، ابزارهای مختلفی جهت هوشمندسازی کسب و کار طراحی شده است که تعدادی از مهمترین آنها به همراه توصیف ویژگی ها و توانمندیهای در جدول۲  آمده است.
همانطوری که در جدول ۲ آمده است برخی از این ابزارها در حوزه امنیت و سفارشی سازی(ActuateOne)  ، برخی در حوزه مدیریت عملکرد ( (Oracle , IBM Congnos ، برخی در حوزه مدیریت عملیات ((SAP BusinessObjects ، برخی از ابزارها امکان تحلیل حجم وسیع داده ((MicroStrategy را داشته ، برخی منبع باز (JasperSoft)  و برخی از نظر هزینه ای و وظایف مقرون به صرفه هستند، مشروح این ویژگی‌ها را در جدول ۳ مشاهده می‌نمائید.[۱۷] [۳۴]

۵) هوشمندی کسب و کار در شرکت بیمه (الف)
در این قسمت ، هدف بررسی هوشمندی کسب‌وکار در شرکت بیمه (الف) و تعیین شاخص‌های کلیدی که باعث اثر بخشی در هوشمندی کسب‌وکار خواهند شد. در اولین قدم بررسی ارکان شرکت بیمه (الف) ، تحلیل محیطی بیمه (الف) و تحلیل SWOT انجام می‌شود.

۱-۵- مشتریان
مشتریان شرکت بیمه (الف) با توجه به خدمات ارائه شده طیف وسیعی را شامل می‌شوند. در حالت کلی تمامی افراد جامعه با در نظر گرفتن هر سطح سواد و سطح شغلی می توانند مشتری بالقوه بیمه (الف) باشند. البته با توجه به نوع خدمت ، طیف گروه سنی مشتریان قابل تغییر است.
به عنوان مثال مشتریان بیمه درمان تکمیلی از نوزاد ۶ماهه تا فرد بزرگسال (با هر سنی) می باشند یا مشتریان   بیمه خودرو (ثالث و بدنه) افراد  ۱۸ سال به بالا می باشند.
مشتریان به‌جز تقسیم‌بندی سنی می‌توانند به صورت کشوری یا استانی نیز طبقه بندی شوند. به عنوان مثال کلیه پرسنل سازمان امورمالیاتی خانواده تحت تکفل  آنان در سراسر کشور به عنوان یک مشتری شناخته می‌شوند. از طرفی کلیه پرسنل سازمان جهاد کشاوری یک استان به همراه اعضاء خانواده نیز مشتری شناخته می شوند. به همین صورت پرسنل (به همراه خانواده) یک سازمان در یک شهر نیز می توانند مشتری بیمه (الف) باشند.

۲-۵- محصولات و خدمات اصلی
شرکت بیمه (الف) به عنوان یک شرکت بیمه‌‌ای محصولات و خدمات بیمه‌ای به مشتریان خود ارائه می نماید که عبارتند از :
• بیمه درمان تکمیلی
• بیمه عمر و سرمایه‌گذاری
• بیمه خودرو (ثالث و بدنه)
• بیمه مسئولیت و مهندسی
• بیمه آتش‌سوزی
• بیمه‌باربری
• بیمه حوادث خانواده
• بیمه حوادث فردی

۳-۵- بازار
بازار شرکت بیمه (الف) در داخل كشور می‌باشد و با توجه به نیازهای موجود در هر استان یک شعبه  بیمه (الف) تاسیس شده است. بنابراین شرکت بیمه (الف) در دو ُبعد جغرافیای کشوری و استانی دارای بازار می‌باشد.
منطقه رقابتی بیمه (الف) کشوری و استانی است. رقبا می توانند به صورت کشوری یا استانی به بیمه (الف) رقابت داشته باشند. با عنایت به منطقه رقابتی ، خدمات بیمه (الف) می تواند به صورت کشوری ، استانی ، شهری یا سازمانی ارائه شود.
رقبای بیمه (الف) به دو دسته دولتی و خصوصی تقسیم‌بندی می‌شوند. بیمه‌ایران به عنوان رقیب دولتی و بیمه‌های آسیا ، البرز ، دی ، دانا ، معلم ، پارسیان ، کارآفرین ، سینا ، توسعه ، رازی ، سامان ، نوین ، ملت ، پاسارگارد ، میهن ، کوثر ، اتکائی ایرانیان ، ما ، آرمان و تعاون به عنوان رقبای خصوصی در بازار حضور دارند.

۴-۵-  فن‌آوری
شرکت بیمه (الف) از فن‌آور‌ی‌های مختلف استفاده می‌نماید. عمده این فن‌آوری‌ها  عبارتند از :
۴-۱ شبکه ارتباطی (اینترنت / اینترانت)
۴-۲ فن‌آوری مجازی‌سازی
۴-۳ سامانه یکپارچه بیمه‌ای
۴-۴ سامانه اتوماسیون اداری
۵-۵ سامانه مالی همکاران سیستم
۵-۶ سامانه مرکز تماس و امداد مشتریان
۵-۵-  میزان توجه به بقاء و سود‌آوری
شرکت بیمه (الف) جهت بقاء در بازار و افزایش سودآوری سه هدف پرتفوی یا فروش بیشتر ، کسب رضایت مشتری و نیل به سوددهی بیشتر  عمده را در نظر گرفته است.
۱-۵-۵- پرتفوی یا فروش بیشتر
مطابق گزارشات دفتر مطالعات و پژوهش‌های بیمه‌ای وابسته به بیمه مرکزی ایران ، پرتفوی شرکت‌های بیمه‌ای بیانگر میزان فعالیت آنها در دوره‌های عملیاتی است و میزان رشد پرتفو افزایش فعالیت را نشان می دهد. شرکت‌های بیمه‌ای در شرایطی به این رشد دست یافته‌اند که از لحاظ جذب نیروی انسانی ، سرمایه و هزینه محدودیتی نداشته اند. با لحاظ نمودن کاهش جذب نیروی انسانی ، سرمایه و هزینه مواردی نظیر بهره‌وری باید مورد توجه قرار گیرد. این مسئله نیز در مورد بیمه (الف) صدق می نماید.

۲-۵-۵- کسب رضایت مشتری
کسب و جلب رضایت بیمه‌گذاران یکی از مهم‌ترین اهداف بیمه (الف) است. جهت سنجش رضایتمندی مشتری  شاخص‌های پرداخت و افزایش ضریب خسارت مورد توجه می باشند. طبیعتا با توجه نوع فعالیت بیمه (الف) که عمدتا در بیمه درمان تکمیلی می‌باشد این امکان وجود ندارد که با تغییر در برآورد مبلغ خسارت ، جلب نظر بیمه‌گذاران فراهم شود. توجه داشته باشید که افزایش ضریب خسارت هرچند باعث رضایت بیمه‌گذار می‌شود ولی ریسک منفی محسوب می‌شود.

۳-۵-۵- نیل به سوددهی بیشتر
شرکت بیمه (الف) سودآوری را یکی از اولویت‌های خود می داند اما این مسئله منجر به عدم رضایت مسئولان صنعت بیمه و بیمه‌گذاران می‌شود. نکته اساسی این است که انباشت سود که ممکن است از بالا بودن نرخ و تعرفه بیمه ، روش پرداخت خسارت یا نحوه محاسبه ذخایر حاصل شده باشد برخلاف اصل و فلسفه وجودی شرکت‌ها و موسسات بیمه‌ای است!

۶-۵- اصول و ارزش‌های شرکت بیمه (الف)
شرکت بیمه (الف) ماموريت خود را به‌كارگيري توانمندي‌هاي كلي پرسنل جهت بهبود مستمر خدمات بيمه‌اي، در راستاي پاسخگويي به نيازهاي مشتريان می‌داند تا بدين وسيله در كسب و كار خود به موفقيت رسيده و منافع كليه ذينفعان را تامين نمايد .
اصول و ارزش‌‌های شرکت بیمه (الف) عبارتند از :
• خلاقيت، نوآوري، صداقت،توكل،سخت كوشي وپاي بندي به اصول اخلاقي.
• ايجاد بالاترين مرتبه نظم ودقت ممكن،توام با تعقل وتدبردرامور.
•    ايجاداعتماد ودوري جستن ازاجحاف نسبت به حقوق مشتريان،كاركنان وسهامداران شركت.
• پاي بندي به قوانين و مقررات.
• ترويج كارگروهي وتلاش فردي همه كاركنان درجهت دستيابي به پرتفوي مناسب.
• استفاده از تبليغات مبتني بر واقعيت.
• آموزش مستمر و تربيت نيروي انساني با كيفيت عالي.
شرکت بیمه (الف) اهداف ذیل را به عنوان اهداف بنیادین در نظر گرفته است :
• حفظ و ارتقاء جايگاه ، اعتبار ، خوشنامي و تعهد پذيري
•  و توسعه ظرفيت هاي بيمه اي شركت و افزايش پوشش ها و خدمات بيمه اي در سطح كشور
• استقرار اصول بنگاه داري اقتصادي
• ارتقاء فرهنگ بيمه و افزايش ضريب نفوذ بيمه اي در كشور
• برنامه ريزي، سياستگذاري،شفاف سازي و اعمال نظارت بهينه برعملكرد در كليه سطوح شركت
• ارتقاء سطح كارآيي و اثربخشي منابع سازماني

۷-۵- ویژگی ممتاز بیمه (الف)
ویژگی ممتاز بیمه (الف) وارد شدن به باشگاه شرکت‌های بیمه‌ای با پرتفوی بیش از ۲ میلیون بیمه شده و بیمه وسایل نقلیه می‌باشد. دیگر ویژگی بیمه (الف) استفاده از سامانه اتوماتیک صدور معرفی‌نامه بیمارستانی است که بیمه‌شدگان در هر ساعت شبانه‌روز در مراکز درمانی قادر به دریافت معرفی‌نامه بیمارستانی می‌باشند.

۸-۵- میزان توجه به تصور و ادراک مردم
مردم در اصل بیمه‌گذاران بیمه (الف) هستند که در قالب شخصیت‌های حقیقی یا حقوقی ظاهر می‌شوند. بیمه‌گذار در فرهنگ مدیریت بیمه بسیار مهم است زیرا تمامی عملیات و تلاش‌ها برای تامین نیاز بیمه‌گذار انجام می‌شود. بنابراین بیمه (الف) همواره با استفاده از امکانات مختلف سعی می‌نماید از تقاضای واقعی بیمه‌گذار مطلع شود و خدمات خود را منطبق با این نیاز طراحی و عرضه نماید. بنابراین در شرکت بیمه (الف) میزان توجه به تصور و ادراک مردم اهمیت بسیار زیادی دارد.

۹-۵- جایگاه نیروی انسانی در بیمه (الف)
در سالیان اخير نقش رويكرد انساني در توسعه بسيار مورد توجه قرار گرفته است. اهميت اين موضوع به علت نقش مهم عامل انساني درفرآيند توسعه مي باشد. بزرگترين مزيت بیمه (الف) در اختیار داشتن نيروي انساني توانمند مي باشد.
در بیمه (الف) اهداف ایجاد منابع انسانی عبارتند از :
تامین نیروی انسانی لازم با حداقل هزینه
پرورش وتوسعه استعدادها ومهارت‌های کارکنان
حفظ و نگهداری نیروهای لایق واستقرار روابط مطلوب بین آنها
تامین احتیاجات مادی ، معنوی و جلب رضایت کارکنان به منظور هم سوئی اهداف آنان با اهداف شرکت

۱۰-۵- تحلیل محیطی
در تحلیل محیطی بیمه (الف) عوامل تاثیرگذار بر کسب‌وکار بیمه‌ای در شش گروه بررسی شده اند.
۱-۱۰-۵- تغییرات اجتماعی : ارتقاء فرهنگ بیمه در جامعه ، افزایش سطح آگاهی بیمه‌ای مردم ، روندهای اولویت مردم (مشتریان) ، روندهای جمعیتی
۲-۱۰-۵- تغییرات دولتی :  توجه دولت به صنعت بیمه ، تقویت بستر و زیرساخت‌های مخابراتی و رفع ضعف بسترهای   قانونی و حقوقی
۳-۱۰-۵- تغییرات اقتصادی : سرمایه ، نرخ بازده سرمایه‌گذاری ، تورم ، جذب سرمایه و سوددهی
۴-۱۰-۵- تغییرات رقابتی : توان ریسک ، آموزش ، جلب رضایتمندی بیمه‌گذار ، مدیریت و بیمه الکترونیکی
۵-۱۰-۵- تغییرات در عرضه‌کنندگان : تغییر در حق بیمه ، میزان عرضه
۶-۱۰-۵- تغییرات بازار : بازارهای جدید

۱-۱۰-۵- تغییرات اجتماعی
•    ارتقاء فرهنگ بیمه در جامعه  :با توجه به ضرورت ارتقاء فرهنگ بیمه در جامعه ، افزایش سطح آگاهی‌های مردم از مفاهیم و اصول بیمه الزامی می‌باشد. بدین صورت است که ارتباط صنعت بیمه و منجمله بیمه (الف) با مردم بیشتر می شود.یکی از عوامل مشخص کننده میزان این ارتباط ، تعداد بیمه‌نامه‌های صادره در بیمه (الف) می‌باشد. در این راستا است که اطلاعات مربوط به بیمه‌نامه‌های صادره بیمه (الف) و سایر بیمه‌ها در موضوعات مختلف به بیمه مرکزی ج.ا.ا منعکس می شود.
• افزایش سطح آگاهی بیمه‌ای مردم : برنامه‌ریزی نهادها و رسانه‌های عمومی جهت افزایش سطح آگاهی مردم از فواید استفاده از خدمات بیمه ای (سنتی و الکترونیکی) جهت انجام امور تجاری یا اداری بوسیله تدوین برنامه‌های مرتبط آموزشی و فرهنگ‌سازی لازم برای مجریان امر و مشتریان برای پذیرش بسیار ضروری می باشد.
• روندهای اولویت مردم (مشتریان) :امروزه با توجه به پیشرفت‌های تکنولوژیک سطح توقعات مردم از صنعت بیمه افزایشی یافته است. این انتظار وجود دارد که مشتریان بیمه (الف) در هر نقطه از کشور خدمت‌ دریافت نمایند. البته با توجه به وجود شعب بیمه (الف) در مراکز استان ها به این اتظار پاسخ داده شده است. در برخی از استان ها شاهد وجود بیش از دو شعبه هستیم. به عنوان مثال در استان ب دو شعبه (ب۱) و (ب۲) ، در استان (ج) دو شعبه (ج۱) و (ج۲) ، در استان (د) سه شعبه (د۱) ، (د۲) و (د۳) وجود دارند.
• روندهای جمعیتی : کل افراد جامعه می توانند مشتری بیمه (الف) باشند. گروه‌بندی مشتریان براساس نوع خدمتی که از بیمه (الف) دریافت می نمایند متفاوت است.

۲-۱۰-۵- تغییرات دولتی
• توجه دولت به صنعت بیمه  : این نیاز وجود دارد که  توجه دولت به صنعت بیمه ویژه باشد. چراکه رشد درآمد حاصل از سرمایه‌گذاری‌های شرکت‌های بیمه‌ای منجمله بیمه (الف) در رفع مشکلات اقتصادی دولت موثر می‌باشد. شایسته است که دولت به شرکت‌های بیمه ای به منزله تسهیل‌کننده معاملات اقتصادی توجه بیشتری معطوف نماید.
• تقویت بستر و زیرساخت‌های مخابراتی و رفع ضعف بسترهای   قانونی و حقوقی  : با عنایت به نقش بیمه الکترونیکی این الزام وجود دارد که دولت نسبت به ایجاد و توسعه بسترها و زیرساخت‌های مخابراتی مناسب جهت استقرار بیمه الکترونیکی اقدام نموده و اقدامات لازم جهت رفع نگرانی‌های بیمه‌گذاران و مشتریان در راستای افزایش اعتماد بین بیمه‌گر و بیمه‌گذار برای مبادله الکترونیکی داده‌‌ها به‌عمل آورد. این کار می تواند از طریق تهیه و تدوین زیرساختارهای حقوقی و امنیتی ویژه با ضمانت های اجرایی لازم مورد نیاز بیمه‌های الکترونیکی مانند امضاء دیجیتال و پیگیری تخلفات اینترنتی بوسیله دولت و قوه قضائیه عملیاتی گردد.

۳-۱۰-۵- تغییرات اقتصادی
• سرمایه  : سرمایه مهمترین پشتوانه شرکت بیمه (الف) است. از طریق سرمایه شرکت بیمه (الف) قادر بوده که هزینه‌های شروع به  کار را پرداخت نماید و به پذیرش ریسک بپردازد چراکه ریسک دلیل وجودی بیمه است. شرکت بیمه (الف) یک شرکت سرمایه‌ای محسوب نمی‌شود و عملیات تولید درآمد آن هرچند به صورت مستقیم مرتبط با تامین سرمایه است ولی اصل سرمایه به صورت یاد شده فاقد کارآیی تکثیری است.
میزان سرمایه در توان ریسک بیمه (الف) در شروع فعالیت به رغم ماهیت سرمایه بسیار موثر بوده است و می‌دانیم که اگر یک شرکت بیمه‌ای با سرمایه‌ای کمتر از آنچه که به وی اجازه نگهداری موثر ریسک را بدهد شروع بکار نماید بازده‌های مالی ناشی از عملیات ریسک‌پذیری بوجود نمی‌آید. بنابراین وابستگی به موسسات بزرگ بیمه اتکایی از یک شرکت بیمه فقط و فقط یک سازمان واسطه‌ای می سازد.
سه عامل ریسک  ، نرخ ‌بازده سرمایه‌گذاری و تورم در ساختار فعلی و آینده شرکت بیمه (الف) موثر می باشند. عامل ریسک با امور فنی بیمه‌ای ارتباط مستقیمی دارد چراکه به بیمه (الف) به عنوان بیمه‌گر اجازه می دهد در مقابل قبول ریسک ، میزان حق بیمه خود را تعیین نماید.
• نرخ بازده سرمایه‌گذاری  : نرخ بازده سرمایه‌گذاری با ماهیت منابع بیمه‌ای رابطه متضاد دارد. اما افزایش کامل ریسک سرمایه‌گذاری می تواند احتمالا افزایش بازده را به همراه داشته باشد. ماهیت فعالیت‌های بیمه ای ضرورت دسترسی سریع به منابع مالی با حداقل ریسک را اجباری می سازد و بازارهایی با چنین بازدهی به فراوانی و مطلوبیت در اختیار شرکت بیمه (الف) و سایر شرکت‌های بیمه ای خصوصی نمی باشد.
•    تورم  : تورم در ساختار مالی شرکت بیمه (الف) نقش مهمی دارد. تورم از یک سو منابع مالی بیمه (الف) را به تدریج کاهش داده است زیرا تورم کلیه بازارهای مالی را آسیب‌پذیر ساخته و در نتیجه میزان خسارت‌ها بخصوص در بخش خسارت های جزئی ، به صورت چشمگیری افزایش یافته است. از دیگر سو ، افزایش حق بیمه به دلیل وجود تورم در سرمایه های بیمه‌ای به سرعت خسارت رشد نمی کند.  بنابراین مقابله با اثرات تورم در بخش سرمایه و سرمایه‌گذاری باید در دستور کار شرکت بیمه (الف) قرار گیرد.
•    جذب سرمایه و سوددهی  : جذب سرمایه برای توسعه عملیات بیمه‌گری منجر به ایجاد هزینه‌‌هایی می شود که به دلیل اهمیت فراگیر شدن بیمه به عنوان یکی از پیش‌نیازهای توسعه اقتصادی و رفاه اجتماعی ، این الزام را ایجاد می نماید که در اولویت برنامه توسعه اقتصادی دولت  قرار گیرد. راه‌کارهایی مانند معافیت‌های مالیاتی ، امتیازات بلند مدت ورود به بازارهای سرمایه‌گذاری و دسترسی به منابع ارزی جهت فعالیت‌های بین‌المللی سرمایه های لازم جهت توسعه بیمه (الف) را فراهم می‌سازد.
اگر سوددهی یکی از اهداف شرکت بیمه (الف) باشد و آن را جزء اولویت‌های خود بداند بعید به نظر می‌رسد که رضایت مسئولان صنعت بیمه و بیمه‌گذاران را به همراه داشته باشد.انباشت سود که ممکن است ناشی از بالا بودن نرخ و تعرفه بیمه ، روش پرداخت خسارت یا نحوه محاسبه ذخایر باشد برخلاف اصل  و فلسفه وجودی موسسات بیمه ای است. طبیعتا شرکت بیمه (الف) باید سعی نماید درآمد حاصل از سرمایه‌گذاری‌های خود را افزایش دهد. به بیان دیگر شرکت بیمه (الف) باید بکارگیری بهتر ذخایر و منابع مالی را در دستور کار قرار دهد.

۴-۱۰-۵- تغییرات رقابتی
• توان ریسک  : عنوان شد که سه عامل ریسک  ، نرخ ‌بازده سرمایه‌گذاری و تورم در ساختار فعلی و آینده شرکت بیمه (الف) موثر می باشند. عامل ریسک با امور فنی بیمه‌ای ارتباط مستقیمی دارد چراکه به بیمه (الف) به عنوان بیمه‌گر اجازه می دهد در مقابل قبول ریسک ، میزان حق بیمه خود را تعیین نماید. با توجه به رابطه معکوس نرخ بازده سرمایه‌گذاری ماهیت منابع بیمه‌ای ، افزایش ریسک سرمایه‌گذاری می تواند احتمالا افزایش بازده را به همراه داشته باشد.
• آموزش  : یکی دیگر از عوامل مهم در تغییرات رقابتی برای تحکیم زیرساخت‌های توسعه بیمه (الف) ، آموزش است. البته آموزش هدف نیست بلکه به عنوان یک ابزار در مجموعه زیرساخت‌های توسعه محسوب می شود. امروزه اکثریت شرکت‌های بیمه‌ای درصدی از درآمد خود را صرف آموزش نیروی داخلی و نیروی بازار می کنند. شرکت بیمه (الف) نیازمند توجه بیشتری به مقوله آموزش می‌باشد.
• جلب رضایتمندی بیمه‌گذار : جلب رضایت بیمه‌گذاران یکی از مهمترین هدف‌های شرکت بیمه (الف) است.جهت سنجش این رضایت‌مندی شاخص های پرداخت و افزایش ضریب خسارت مورد توجه قرار می گیرد.سوالی که مطرح می شود این است که آیا افزایش ضریب خسارت بیانگر رضایت‌مندی بیشتر بیمه‌گذاران است؟ اگر فرض کنیم پاسخ مثبت باشد ، چند درصد در جلب نظر مردم موثر بوده که تاکنون به شرکت بیمه (الف) مراجعه ننموده‌اند یا به دلایلی چون برخورد نامناسب کارمندان یا نرخ حق‌بیمه یا شرایط بیمه‌نامه از خرید آن منصرف شده‌اند؟ بنابراین این سوال مهم مطرح می شود: آیا اگر ضریب خسارت به بالاترین حد برسد به معنای رضایت ۱۰۰% مشتریان است؟ درصورتی‌که شرایط بیمه‌نامه آشکار و مشخص باشد شرکت بیمه (الف) نمی تواند با تغییر در برآورد مبلغ خسارت در جلب نظر بیمه‌گذاران موفق باشد.
• مدیریت : وجود سرمایه به تنهایی برای زیرساخت توسعه کافی نمی باشد. در شرکت‌های بیمه‌ای سرمایه مانند سخت‌افزار است و مدیریت به منزله نرم‌افزار می‌باشد. مدیریت در دو بخش کلان (هدایت ، کنترل ، و نظارت بر عملکرد ) و بخش خرد (اداره سازمان) از اهمیت خاصی در توسعه اقتصادی بیمه (الف) برخوردار است. فعالیت مطلوب بیمه (الف) به دانش و تخصص مدیران آن وابسته است چراکه علم بیمه‌گری سهل و دشوار است.
• بیمه الکترونیکی : در دنیای الکترونیکی امروزه شاهد حضور پدیده‌های الکترونیکی نظیر تجارت الکترونیکی ، دولت الکترونیکی و بانکداری الکترونیکی هستیم. بیمه الکترونیکی نیز از الزامات دنیای الکترونیکی امروزه است. بیمه الکترونیکی فرصت‌هایی را فراهم می نماید تا کیفیت خدمات ارائه شده به افراد جامعه بهبود یافته و آنان قادر باشند در هر لحظه از شبانه‌روز به اطلاعات و خدمات صدور بیمه‌نامه با استعلام نرخ و یا اعلام خسارت دسترسی داشته باشند.استقرار بیمه‌‌های الکترونیکی و استفاده از فن‌آوری اطلاعات در تعامل بین بیمه (الف) و مشتریان می‌تواند مزایای بی‌شماری مانند قابلیت ارائه خدمات در تمام اوقات شبانه‌روز ، عدم مراجعه حضوری برای دریافت خسارت ، ارائه خدمات سریع و مطمئن ، جلوگیری از تقلبات بیمه‌ای و افزایش درآمد بیمه (الف) را بدنبال داشته باشد.
• رقبا : رقبای بیمه (الف) به دو دسته دولتی و خصوصی تقسیم‌بندی می‌شوند. بیمه‌ایران به عنوان رقیب دولتی و بیمه‌های آسیا ، البرز ، دانا ، معلم ، پارسیان ، کارآفرین ، سینا ، توسعه ، رازی ، سامان ، نوین ، ملت ، پاسارگارد ، میهن ، کوثر ، اتکائی ایرانیان ، ما ، آرمان ، تعاون ، سرمد و آتیه‌سازان حافظ به عنوان رقبای خصوصی در بازار حضور دارند.

۵-۱۰-۵- تغییرات در عرضه‌کنندگان
* تغییر در حق بیمه : حق بيمه بهاي تامين خطر و هزينه خدمات ارائه شده به بيمه‌گذاران است. درآمد اصلي شركت‌ بیمه (الف) حق بيمه است كه براي جبران خسارت ايجاد شده و پرداخت هزينه‌هاي اداري و تشكيلاتي وصول مي گردد. حق بيمه از سه بخش اصلي زير تشكيل شده است:
* حق بيمه خطر: اين بخش بر مبناي احتمال وقوع خطرات و تجربيات تاريخي خسارت ايجاد شده تعيين مي شود. آناليز اجزاي خطر و ميزان قابليت كنترل آنها در تعيين اين نرخ بسيار موثر است. به عنوان مثال محاسبه حق بيمه خطر رشته آتش سوزي براي منازل مسكوني ساخته شده از چوب و يك ساختمان بتوني با يكديگر برابر نيست. از طرفي ديگر مناطق جغرافيايي كه منازل مسكوني در آنها قرار گرفته‌اند در بروز خطر آتش سوزي متفاوت‌اند.
*     حق بيمه تجاري: براي جبران هزينه‌هاي اداري و تشكيلاتي بين ۷% تا ۱۵% به حق بيمه خطر اضافه شده و حق بيمه تجاري بدست مي‌‌آيد.
* حق بيمه تراز نامه‌ايي : اين بخش از حق بيمه، سود بیمه (الف) را پوشش مي‌دهد. بعد از تعيين حق بيمه خطر و حق بيمه تجاري درصدي به عنوان سود بیمه (الف) به آن اضافه شده و نرخ حق بيمه در واحد سرمايه تعيين خواهد شد.
با توجه به مطالب عنوان شده كدام حق‌بیمه تحت كنترل بیمه (الف)می‌باشد و قابل تغيير است؟براي كاهش حق بيمه خطر بايد احتمال و بزرگي (حجم خسارت ايجاد شده) خطرات در يك منطقه يا كل كشور كاهش يابد. مثلا كاهش خطر آتش‌سوزي در يك منطقه نيازمند ايجاد امكانات و شرايطي از قبيل گسترش امكانات اطفاي حريق، بهبود مهندسي ساخت، فرهنگ‌سازي و آموزش عمومي و… است. بنابراين كاهش عوامل اين بخش از حق بيمه از توان بیمه (الف)  خارج است و نيازمند اقداماتي در سطح ملي است. ولي حق بيمه‌هاي تجاري و تراز نامه‌‌اي تا حدي در كنترل بیمه (الف) است. بیمه (الف) مي‌توانند با كنترل هزينه‌هاي اداري و تشكيلاتي خود و يا تامين سود از طريق بازارهاي جايگزين تا حد ممكن حق بيمه‌‌ها را كاهش دهند. اما بايد توجه داشت هزينه‌ در بیمه (الف) به عنوان بیمه خصوصی به دليل آزادي عمل يشتر نسبت به شركت‌هاي بيمه دولتي قابل كنترل‌تر است. شركت‌هاي بيمه دولتي به دليل ساختار و اهداف سازماني‌شان مجبور به رعايت الزامات و محدوديت‌هاي بيشتري در فعاليت‌هاي خود بوده و رسالت سنگين‌تري دارند. نكته ديگر اين كه هزينه‌هاي اداري و تشكيلاتي بیمه (الف) با يكديگر برابر نبوده ولي حق بيمه‌ها به صورت يكسان بين آنها اعمال مي‌شود. به عنوان مثال هزينه استهلاك كه ارتباط مستقيم با ميزان دارايي‌هاي ثابت دارد و يا هزينه‌هاي پرسنلي كه در ارتباط با تعداد پرسنل واحدهاي تجاري است بين بیمه (الف) يكسان نيست. بنابراين حق بيمه بهتر است بر مبناي عرضه و تقاضاي بازار بيمه و شرايط بیمه (الف) تعيين گردد.براي كاهش نرخ حق بيمه و در نتيجه افزايش رضايت‌مندي عمومي اقدامات زير مفيد خواهد بود:
*  برنامه‌ريزي ملي براي توسعه فرهنگ بيمه در جامعه و گسترش بازار بيمه و افزايش تعداد بيمه‌نامه‌هاي صادره و در نتيجه افزايش درآمد بیمه (الف) كه امكان خدمات‌رساني بهتر با نرخ‌هاي حق بيمه كمتر را ميسر نمايد.
*  ايجاد تفكر تجزيه و تحليل هزينه‌ها و كاهش هزينه‌هاي اداري و پرسنلي قابل كنترل در بیمه (الف).
*  محاسبه بهاي تمام شده هر رشته بيمه‌اي در هر شركت بيمه و مقايسه آنها با يكديگر و متوسط صنعت بيمه، در اين زمينه مي‌‌توان از مدل‌هاي پيشرفته‌اي از قبيل Bench Marking سود جست.
*  افزايش امنيت سرمايه‌گذاري در كشور و وجود بازارهاي مطمئن سرمايه‌گذاري جايگزين مانند بازار سرمايه و پول كه بیمه (الف) بتوانند از طريق مديريت بهينه وجوه نقد خود سود عمليات بيمه‌گري را از اين بازارها تامين كنند.
*  تسريع در اجرايي شدن اصل ۴۴ قانون اساسي مي‌تواند يك راهكار اساسي براي رقابت بيشتر و بهبود ارائه خدمات بيمه‌اي و نهايتا كاهش نرخ‌هاي حق بيمه باشد.
*  میزان عرضه   :  در بازار بیمه کشور ، بیمه (الف) سعی در کسب پرتفوی حاصله از رشته‌های مختلف بخصوص در رشته درمان داشته است. قراردادهایی با جمعیت بالای ۱ میلیون‌نفر باعث افزایش پارامتر میزان عرضه خواهند شد. به عنوان مثال می‌توان به قرارداد بیمه بازنشستگان تامین اجتماعی / بازنشستگان کشوری / فرهنگیان با جمعیت بسیار بالا  اشاره نمود.

۶-۱۰-۷- تغییرات بازار
* بازارهای جدید :  با عنایت به تنوع خدمات بیمه ای و نیاز جامعه به حمایت‌های بیمه‌ای همواره بازارهای جدیدی در انتظار بیمه (الف) است. در اختیار داشتن سهم عمده‌ای از بازار نظیر بازنشستگان تامین اجتماعی و دانشجویان کشور این اشتیاق را در بیمه (الف) دامن می‌زند که بازارهای دیگری را مانند جانبازان و ایثارگران یا بازنشستگان خدمات درمانی را در تیرس داشته باشد.
* با لابودن ضریب خسارت : در بازار بیمه  اخذ پرتفوی با تعداد بالا برای بیمه (الف) یک مزیت می‌باشد اما بالا بودن ضریب خسارت اثرات مستقیمی بر روی سود کسب شده و حق بیمه قرارداد بعدی خواهد داشت.
۱۲-۵- دسته بندي کاربران ، نيازهاي کاربران و نحوه بهره گيري از فن‌آوري‌هاي اطلاعات درشرکت بیمه (الف)
کاربران موجود در بیمه (الف)  به سه دسته اصلي بشرح زير تقسيم مي شوند:
• کاربران عملياتي
• تحليلگران و متخصصان
• تصميم گيران و سياستگذاران  بیمه (الف)

۱-۱۲-۵- کاربران عملياتي
کاربران سيستم‌هاي عملياتي هستند که در جهت ارائه خدمات بیمه‌ای همچون خدمات صدوربیمه‌نامه ، دريافت اسناد خسارت و غيره، ارتباط مستقيم و رو در رو با بیمه‌شدگان دارند.
نيازهاي اين گروه از کاربران عبارتند از :
• دسترسي سريع به محتويات پرونده ها
• دسترسي سريع به ضوابط ملاک عمل
• خودکار سازي عمليات محاسباتي
• گردش پرونده ها
نيازهاي اين گروه از کاربران توسط برنامه هاي عملياتي که داراي قابليت هايي همچون ثبت و فراخواني اطلاعات، جستجو و دسترسي سريع و آسان به محتويات پرونده ها، خودکارسازي محاسبات و گردش کارها طراحي و پياده سازي شده اند تامين مي‌شود.

۲-۱۲-۵- تحليلگران و متخصصان
اين گروه از کاربران متخصصان و کارشناساني هستند که داده هاي موجود در سيستم‌هاي عملياتي را دريافت کرده و پس از دسته بندي، اقدام به تجزيه و تحليل بر روي آنها مي‌نمايند وسپس آنها را در قالب هاي خاصي جهت تصميم گيري در اختيار مديران ارشد قرار مي دهند. اين گروه از کاربران مي خواهند بدانند که در بیمه (الف) چه اتفاقي افتاده است؟ عوامل بروز اتفاق چه بوده است و چه اتفاقي در بیمه (الف) در حال وقوع مي‌باشد؟ عمده نيازهاي اين گروه از کاربران عبارتند از :
• نظارت بر عملکرد کاربران اجرايي
• پرس‌وجوهاي موضوعي براي تصميم سازي
نيازهاي اين گروه از کاربران با استفاده از برنامه هاي کاربردي ويژه‌اي که امکان مدل سازي‌هاي آماري و پرس وجوهاي موضوعي را داشته باشند برآورده مي‌شود. تفاوت اساسي در نيازهاي اين گروه از کاربران با کاربران عملياتي موجب شده است که بکارگيري فن‌آوري‌هاي مورد استفاده در خصوص کاربران عملياتي قادر به پاسخگويي به نيازهاي اين گروه از کاربران نباشد. براي پاسخگويي به نيازهاي اين گروه از کاربران بايد  به فن‌آوري‌هاي هوشمندی کسب‌و‌کار همچون پايگاه داده اي تحليلي، داشبوردهاي مديريتي  و داده‌کاوي متوسل شد.

۳-۱۲-۵- تصميم گيران و سياستگذاران  بیمه (الف)
اين گروه از کاربران شامل مديران ارشد و سياست گذاران بیمه (الف)  هستند که تصميمات لازم را در خصوص اداره بیمه (الف) اتخاذ مي‌نمايند. عمده نيازهاي اين گروه از کاربران عبارتند از :
دسترسي سريع به شاخص‌هاي کليدي عملکرد مجموعه بیمه (الف) و ارزيابي آنها. در واقع کاربران اين گروه نيازهايشان براساس «آنها مي خواهند چه اتفاقي در بیمه (الف) بيفتد؟» مي‌باشد.
نياز هاي اين گروه نيز در قابل کارت‌هاي امتياز متوازن از پيش تعريف شده و ابزارهاي گزارشگيري پاسخ داده مي‌شود که همانند گروه دوم از فن‌آوري‌هاي کارت‌هاي امتياز متوازن، داده کاوي از مجموعه فن‌آوري‌هاي هوشمندی کسب‌و کار است.
۱۳-۵- مواردی  که توسط هوشمندی کسب‌و‌کار هدف  قرار گرفته‌اند
• سازمان نيازهاي اطلاعاتي ضروري و حساس خود را تشخيص نمي‌دهد يا نمي‌شناسد.
• سيگنال‌هاي ضعيف از فضا و محيط کسب‌ و کار دريافت نمي‌شود يا قابل تشخيص نيستند.
• اطلاعات و داده‌هايي که از برخي منابع بيروني مي‌رسند به‌گونه‌اي بهينه‌اي جمع‌آوري نشده‌اند.
• اطلاعات و دانش پرسنل سازمان به‌صورت بهينه مورد استفاده قرار نمي‌گيرد.
•    حجم اطلاعاتي که بايد ذخيره، دسته‌بندي، پردازش و تحليل شوند خيلي زياد است.
• ابزارها سيستم‌هاي اطلاعاتي و محاسباتي ناکارآمد به‌نظر مي‌رسند.
• از اطلاعات و داده‌هاي موجود در سازمان درست استفاده نمي‌شود.

۱۴-۵- گام‌هاي پياده سازي هوشمندی کسب‌و کار  در بیمه (الف)
براي پياده سازي هوش تجاري در بیمه (الف) پنج مرحله زير را به ترتيب بايد انجام داد.
شناسايي منابع داده
منابع اطلاعاتي بسياري در بیمه (الف)‌ها وجود دارد اولين قدم شناسايي منابع داده‌اي در بیمه (الف)‌ها مي‌باشد. سوابق املاک، اصناف، پروژه‌ها، طرح‌ها، قراردادها، پژوهش‌ها، اسنادمالي، دستورالعمل‌ها و نقشه‌هاي طرح‌هاي تفصيلي و اجرايي، کتابچه‌هاي ضوابط و مقررات و بخشنامه‌ها بخشي از داده‌هاي کاغذي در بیمه (الف) ها مي‌باشند . همچنين داده‌هاي موجود در سيستم‌هاي عملياتي که بصورت مکانيزه در حال سرويس‌دهي به بیمه‌شدگان هستند نيز منابع بسيار مهم داده‌اي در بیمه (الف) مي‌باشند. اين منابع در اولين قدم بايد بخوبي شناسايي و مورد بررسي قرارگرفته و منابع مورد نياز براي پياده‌سازي هوش تجاري به دقت انتخاب شوند.

استخراج ، تبديل و بارگذاري داده‌ها
براي منابع داده‌هاي کاغذي بايد اقلام مورد نياز از هرمنبع را مشخص نمود و سپس آنها در قالب فرم هاي مورد خاصي طراحي نمود، سپس دستورالعمل‌هاي لازم براي برداشت داده‌ها از منابع کاغذي تهيه و تنظيم شود، تيم‌هاي مورد نياز براي استخراج داده ها از بايگاني‌هاي بیمه (الف) بايد سازماندهي و آموزش‌هاي لازم به آنها داده شود، سپس اطلاعات استخراج شده به بانک‌هاي اطلاعاتي وارد شوند و نهايتا کنترل‌هاي لازم براي پالايش داده‌هاي جمع آوري شده بايد انجام شوند و اعتبار داده‌هاي جمع آوري شده بايد مورد برسي و تاييد قرارگيرد.

تجميع داده
داده‌هاي جمع آوري شده از منابع مختلف اعم از سيستم‌هاي عملياتي و منابع کاغذي وساير منابع  بايد دسته بندي شده و در يک پايگاه داده‌اي تحليلي جمع آوري و سازماندهي شوند.
تحليل داده‌هاي جمع آوري شده
در اين مرحله بايد بیمه (الف) شاخص‌هاي کليدي عملکرد را شناسايي نموده و متريک‌هايي را براي اندازه گيري آنها مشخص نمايد، سپس با استفاده از فن‌آوري‌هاي داده کاوي و پردازش‌هاي تحليلي برخط انواع تحليل‌هاي موضوعي و مدلسازي‌ها بر روي اطلاعات موجود در پایگاه داده بوجود آمده انجام مي‌شود
ارائه اطلاعات
تحليل‌هاي انجام شده با استفاده از فن‌آوري‌هاي داشبورد،کارت‌هاي امتياز متوازن و ابزارهاي گزارش‌گيري به ساده‌ترين شکل در اختيار کارشناسان ، مديران و سياستگذاران بیمه (الف) قرار خواهد گرفت. در تصویر ۱۳ گام‌هاي اساسي پياده سازي هوش تجاري در بیمه (الف) را مشاهده مي‌نمائید.

۱-۱۴-۴-۵- تفاوت‌هاي اساسي بين سيستم‌هاي عملياتي و هوشمندی کسب‌و کار
تفاوت‌هاي اساسي در عملکرد سيستم‌هاي عملياتي و هوش تجاري در جدول ۲ آمده است. همچنين در جدول ۳ مقايسه وضعيت داده‌ها در سيستم‌هاي اطلاعاتي و هوشمندی کسب و کار را مشاهده مي‌کنيد.

گام اول: چه چيزي اتفاق افتاده
گزارش گيري درخصوص اتفاقات حادث شده در بیمه (الف) در جهت استفاده از اطلاعات موجود گزارش‌گيري و جستجو در منابع اطلاعاتي عملياتي بیمه (الف) است. در اين مرحله گزارش هايي از واقعيات جاري بیمه (الف) در قالب گزارش‌هايي كه بطور معمول بسيار طولاني و شامل اطلاعات جزييات عمليات است ، بوجودمي‌آيند. گزارش هايي همچون آمارصدور بیمه‌نامه در رشته‌‌های مختلف ، آمارکارمزدهای پرداخت شده  ،خسارت‌های پرداختی ، ميزان مالیات پرداختی وصول شده، عملکرد کاربران سيستم‌هاي عملياتي ، ميزان بدهي‌هاي معوق ، آمار مطالبات وصول نشده ، نمایندگان دارای تخلف و…

گام دوم: چرا اين اتفاق رخ داد؟
تحليل اينکه چرا آن اتفاق در بیمه (الف) رخ داد.بدين منظور يك پايگاه اطلاعات ايجاد شده واطلاعات كليدي از سيستم‌هاي عملياتي در بیمه (الف) استخراج شده وبه آن منتقل مي‌شود. اين‌ كار با يكپارچه سازي منابع مختلف اطلاعاتي انجام می‌شود که نه تنها مغايرت ها را از بين مي‌برد بلكه باقابليت‌هاي قدرتمند مقايسه تاريخي اطلاعات و گزارش‌گيري چند بُعدي كمك موثري به تحليل و ريشه يابي مسايل بیمه (الف) مي كند. پردازش تحليلي داده‌ها و استفاده از چارت ها ، نمودارها ، نقشه ها ، سمبل ها و تصاوير از مشخصات اين مرحله از بلوغ در بیمه (الف) خواهد بود.
گام سوم : چه اتفاقي در حال وقوع است؟
در اين مرحله داشبورد مديريتي و كارت امتيازهاي عملكردي براي واحدهاي مختلف در بیمه (الف) ايجاد مي‌شود.
همچنين شاخص هاي كليدي عملكرد بر اساس اهداف و استراتژي‌هاي بیمه (الف) تعريف مي شوند و مديران و سياستگذاران بیمه (الف) مي توانند با استفاده از داشبورد ، كارنامه عملكرد و گزارش‌هاي تحليلي ، به پايش اهداف استراتژيك بیمه (الف) بپردازند. کاربرد داشبورد و کارت‌هاي امتياز بيشتر در اين مرحله خواهد بود که در ادامه به نقش و بررسي جايگاه آنها پرداخته شده است.

گام چهارم :چه اتفاقي خواهد افتاد؟
استفاده از تحليل هاي پيشرفته براي يافتن پاسخ يك سوال مشخص است که با تحليل هاي پيشرفته و داده‌كاوي قابل انجام خواهندبود. چرا اکثر واحدهای بیمه (الف) داده هاي تاريخي موجود در پرونده ها را خلاصه برداري کرده و در بانک هاي اطلاعاتي سازماندهي کرده اند. تحليل هاي پيشرفته به بیمه (الف) كمك مي‌كنند تا فرآيندهاي موجود را بهينه سازند ، رفتار بیمه‌شدگان را بهتر درك كنند ، فرصت‌هاي ناشناخته را شناسايي كنند و مشكلات را قبل از اتفاق افتادن شناسايي نمایند.تحليل هاي پيشرفته تكنيك ها و تكنولوژي‌هايي براي كمك به مديران بیمه (الف) هستند كه از تركيب روش هاي آماري ، رياضيات پيشرفته و هوش مصنوعي به همراه تكنيك هاي مديريت داده بدست مي‌آيند.
گام هاي اساسي پياده سازي هوش تجاري در بیمه (الف)  براساس ميزان ارزش افزوده اي که در هرگام بدست مي آيد در تصویر ۱۴  نمایش داده شده است.
همانطور که در تصویر ۱۴  فوق ملاحظه مي‌شود فن‌آوري هاي داشبورد ، کارت‌هاي امتياز و انباره‌داده ها به ‌عنوان فن‌آوري‌هاي کليدي و زيرساختي هوش تجاري عمل مي کنند که شرح مختصري  از عملکرد و چگونگي بکارگيري آنها در استقرار پلاتفرم  هوشمندی کسب‌و‌کار پيشنهادي در بیمه (الف) خواهد آمد.

۲-۱۴-۵- نکات مهم در طراحي و پياده‌سازي داشبورد
• شناخت درست بیمه (الف) اعم از وظايف، ماموريت ها و مخاطبان
• شناخت درست شاخص هاي عملکرد موجود در بیمه (الف)
•    شناخت درست از نيازهاي مديران با لحاظ کردن استراتژي هاي بلند مدت و کوتاه مدت در بیمه (الف)
• شناخت متريک هاي مهم دربیمه (الف)
• همکاري متقابل تيم مديريتي بیمه (الف) با تيم هاي عملياتي پروژه

داشبورد چيست ؟
کلمه داشبورد الهام گرفته از مجموعه ابزارهاي داخل هواپيما يا خودرو مي‌باشد وهدف اصلي‌آن‌ درهرسه ‌موردخودرو،هواپيماوسازمان ‌يکي ‌است:مشاهده ‌اطلاعات مورد نيازوهدايت‌ ‌يک‌ سيستم ‌پيچيده.مي توان ادعا كرد که امروزه هدايت یک شرکت  ، به مراتب پيچيده تر از هدايت يک هواپيما است. بنابراين مديران جهت اجراي ماموريت سازمان‌ وحرکت‌ درراه ‌آرمان هاي‌ آن،حداقل‌ به ‌وسايلي ‌که ‌نمايانگرجنبه‌هاي‌ مختلف‌ عملکردسازمان ‌وهدايت ‌آن ‌است ‌نياز ‌دارند.يک قانون مديريت اين است که شما نمي‌توانيد چيزي را که قابل اندازه‌گيري نيست، به‌خوبي مديريت كنيد. به همين منوال مي توان اذعان داشت که نمي توان آنچه را که قابل مشاهده و ديدن نيست اندازه گرفت واين‌ جايي است‌ که‌ بحث ‌داشبوردهاي ‌سازماني‌ ضرورت‌ مي‌يابد.داشبوردهاي سازماني که يک مفهوم جديد در مديريت اطلاعات ارائه داده است، ابزار ديداري داده‌هاي حياتي است که مجموعه انبوهي از تحليل هاي مربوط به فرايند مديريتي را در زمينه‌هاي مورد نياز به افرادمربوط ‌ارائه ‌مي‌دهد.
کاربرد اصلي داشبوردهاي سازماني صرفاً گزارش دهي و گزارش‌گيري نيست. وظيفه اصلي داشبوردهاي سازماني ارائه به‌هنگام اطلاعات مورد نياز به افراد مربوط براي مديريت دانش و واکنش سريع به تغييرات است. تصور كنيد که داشبورد خودرو، گزارش جزئيات مقدار بنزين مصرف شده در هر روز يا هر ماه را نشان دهد، اين گزارش چندان مورد استفاده قرار نمي گيرد چرا که کيفيت اطلاعات در زمان مناسب برا‌ي تصميم گيري سريع ناديده گرفته شده است. به‌جاي آن بايد جزئيات کميت کنوني بنزين يعني مقدار بنزين موجود را نشان دهد، چرا که کيفيت اين اطلاعات براي تصميم‌گيري‌ سريع‌ موردنيازاست.با توجه به تعاريف، يک نکته که معمولاً به اشتباه گرفته مي شود اين است که داشبورد تنها براي مديران ارشد به منظور ارائه اطلاعات جامع از عملکرد سازمان به آنها، مورد استفاده قرار مي گيرد. اين برداشتي کاملاً اشتباه بوده چرا که امروزه تکنولوژي داشبورد سازماني به گونه اي است که مي‌تواند در سطوح مختلف سازمان استقرار يابد و بدين منظور داشبوردهاي مختلفي تعريف شده‌اند که هدف نهايي تمامي آنها ارائه سريع و به‌هنگام اطلاعات به مديران و کارکنان سطوح مختلف سازمان براي آگاهي از شرايط متغير و اتخاذ تصميم‌هاي صحيح با توجه به آنهاست.

۳-۱۴-۵- دستاوردهاي ناشي از پياده سازي هوشمندی کسب‌و‌کار  در بیمه (الف)

تدوين ‌وارائه ‌شاخص‌ها
براي بیمه (الف) فهم و يکپارچه سازي داده ها در تمامي سطوح بزرگترين چالش به شمار مي آيد و تدوين مقياس هاي اندازه گيري، به روز نگه داشتن، مقايسه و تمرکز بر آنها در بیمه (الف) مشکلي هميشگي است که با ورود هوش  سازماني به تمامي اين مشکلات خاتمه داده مي‌شود. داشبوردها در مشاهده شاخص‌هاي حياتي به تمامي سطوح بیمه (الف) ياري مي رسانند و به کاربر امکان دنبال کردن جايگاه بیمه (الف) توسط شاخص‌ها را مي‌دهند. با دنبال کردن شاخص‌هاي متعدد و مورد نظر و تحليل روندها مي توان درک بهتر از اينکه بیمه (الف) چگونه عمل مي کند، و فهم عميقتري از موارد حياتي بیمه (الف) کسب کرد.

مشاهده سلامت بیمه (الف) در يک نگاه
داشبوردها با ارائه مقياس ها و شاخص‌هاي حياتي بیمه (الف) به‌صورت ديداري و درنمودارهاي مختلف، امکان درک وضعيت بیمه (الف) را تنها در يک نگاه فراهم مي سازند و تصويري از سلامت واحدهاي مختلف بیمه (الف)در يک صفحه با يک نگاه را ارائه مي‌دهند.

تشخيص‌ مشکلات‌ بالقوه‌ پيش‌ ازتبديل ‌به ‌بحران
داشبوردها با ارائه اطلاعات به موقع براي افراد مربوط، امکان تشخيص وقوع مشکلات بالقوه بیمه (الف) را براي مديران فراهم مي‌كند، تا قبل از تبديل شدن مشکلات به بحران تشخيص داده شوند. داشبوردهاي سازماني با قابليت کندوکاو و کليک کردن بر هر مورد، مي-توانند جزئيات ونمودارهاي بيشتري را ارائه کنند و به داده‌هايزيرين و تاريخچه آن دسترسي پيدا كنند و ريشه ضعف هاو مسائل را نشان دهند. داشبوردها با اعمال سيستم اخطار که معمولاً با اعمال جلب توجه مانند فرستادن ايميل، چشمک زدن يا ارائه يک انيميشن، همراه است، به کاربران در درک وجود مشکل و جلب توجه آنها به سمت مشکلات ياري مي‌رسانند و از ناديده گرفته شدن و مورد غفلت واقع شدن مشکلات و در نتيجه به بحران تبديل شدن آنها، جلوگيري مي‌كنند و اين اطمينان را مي بخشند کهمديران ارشد به شاخص‌هاي حياتي توجه کرده و مشکلات را زودتر ديده‌اند تا نسبت به آنها واکنش به‌هنگام نشان دهند.
کاهش زمان و هزينه در جستجو براي اطلاعات‌ موردنياز
داشبوردهاي سازماني روشي يگانه براي دسترسي به داده‌هاي متنوع از پايگاه هاي متفاوت در سطح بیمه (الف) و تبديل آن به يک فرمت قابل درک را ارائه مي‌دهند. داشبوردها با جمع‌كردن تمامي اطلاعاتو شاخص‌ها و مقياس هاي مربوط و حياتي براي کاربر در يک صفحه و تشخيص آنها در يک نگاه، باعث  صرفه جويي در زمان و هزينه جستجوي اطلاعات در گزارش هامي‌شوند. بخوبي مي دانند در بیمه (الف) و زير مجموعه آنها چه اتفاقاتي در حال رخ دادن است. هيچ چيز براي بیمه (الف) با ارزش تر از آن نيست که تنها به سرعت يک کليک، داده‌هاي به روز استخراج شوند و مورد استفاده قرار گيرند.

کمک به اتخاذ تصميمات شفاف تر
قابليت مشاهده شاخص‌هاي حياتي عملکرد استخراج شده از داده‌هاي به دقيقه، همراه با سيستم اخطار و پي بردن به موارد حياتي و مشکلات بالقوه و اطلاع از وضعيت بیمه (الف)با يک نگاه، همگي درتصميم گيري هاي شفاف تر، به مديران و ساير تصميم‌گيرندگان ياري مي‌رسانند و از آنجا که در تمامي واحدهاي بیمه (الف)براساس اطلاعات مشترک تصميم گيري مي‌شود، بیمه (الف) به عنوان يک مجموعه کاراتر عمل مي كند و اهداف و استراتژي هايبیمه (الف) با تغيير شرايط بازار تغيير مي كند. با وجود يک داشبورد تمامي داده ها و شاخص‌هاي حياتي عملکرد به روز شده و انعطاف لازم براي واکنش به تغييرات نيز فراهم مي‌شود. مشاهده داده ها و شاخص‌هاي عملکرد از طريق داشبوردها اين امکان را ارائه مي دهد كه کارکنان همراه با مديران براي رسيدن به اهداف همراستا شوند.

هم‌راستایي  عمليات بیمه (الف)  با استراتژي
داشبوردها به بیمه (الف) در همراستايي روز به روز عمليات با استراتژي بیمه (الف) کمک مي كنند و عمليات اثربخش را با ارائه شاخص‌هاي مربوط در هر سطح بیمه (الف) اطمينان مي بخشند.

به‌ روزبودن‌ اطلاعات
با بهره‌گيري از داشبوردها، بیمه (الف) به بهره‌گيري از داده‌هايي که زمان مصرف آنها گذشته خاتمه مي‌دهد و با يک کليک آنها را به روز
مي‌كند و يا خود داشبورد با استفاده از هوشمندي، مرتباً خود را به روز مي كند. براي مديران در تمامي لحظاتمسئله فرهنگ نيز از اهميت بسيار برخوردار است. براي اثر بخش تر بودن استفاده از داشبوردهاي سازماني، مديران اجرايي بیمه (الف)بايستي اين تکنولوژي را وارد کارهاي روزمره و تصميم گيري هاي خود كنند تا فرهنگ استفاده از اين تکنولوژي با ارزش در کل بیمه (الف) ايجاد شود.
گرچه داشبورد ابزاري نسبتا جديد در ایران است و تمامي مزاياي بالقوه آن هنوز کشف نشده است، اما تمامي افراد مزاياي بالقوه ارائه اطلاعات مناسب در زمان مناسب به افراد مناسب جهت اتخاذ تصميمات مناسب را درک کرده‌اند. ازاين رو است که انگيزش براي اجراي تکنولوژي داشبورد روز به روز قوي تر مي‌شود و داشبوردها به يک پديده جهاني تبديل گشته اند و روبه‌ گسترش‌ هستند.
هوشندی کسب‌و‌کار به علت آنکه تمامي داده‌هاي بیمه (الف) را بر يک صفحه جمع و آنها را با استفاده از نمودارها و اشکال مختلف به‌راحتي براي مديران و کارکنان تفسير مي‌كنند، ابزاري ارزشمند در محيط رقابتي کنوني محسوب مي‌شوند. مديران سازمان هايي که از داشبوردها بهره مي‌گيرند، به‌جاي اتلاف وقت براي خواندن محتواي گزارش هاي پيچيده و غير قابل درک و استخراج اطلاعات مورد نياز از ميان آنها، زمان خود را بر تصميم گيري هاي صحيح و روشن تر اختصاص مي‌دهند و از مزيت رقابتي خود که همان واکنش سريع نسبت به شرايط و تغييرات استاستفاده مي کنند. امروزه هر سازماني که ارزش کسب اطلاعات به‌موقع را درک كرده باشد، از اين فن‌اوري نوين و باارزش استفاده مي کند و از اين رو است که روز به روز بر استفاده از پديده اين نسل که همان داشبوردهاي سازماني مي باشد افزوده مي‌شود.

۴-۱۴-۵- شاخص‌های سنجش کارایی سیستم هوشمندی کسب‌و کار
در هر سامانه نرم‌افزاری میتوان شاخص‌ها و پارامترهایی برای بررسی عملکرد و ارزیابی سامانه تعریف نمود که این شاخص‌ها به صورت تظاهری در اثر فعل و انفعالات بین اجزای مختلف بوجود می آیند. شناختن، بدست آوردن و تعریف کردن این شاخص ها در سامانه‌های بیمه‌ای اهمیت زیادی داشته و به روند تکاملی به‌سازی سامانه از جنبه های مختلف کمک خواهد نمود. یکی از مهمترین حوزه‌های هوشمندی کسب‌وکار تعیین شاخص‌های سنجش سیستم KPI های آن حوزه از کسب و کار است.
شاخص‌هایی مانند قابلیت اعتماد، مقاومت، زمان پاسخ، کیفیت سرویس، قابلیت تحمل‌خطا، انعطاف پذیری  که در مهندسی سامانه  مطرح می باشد و این شاخص‌ها باید به نوعی برای سامانه مورد نظر بومی‌سازی داخل سازمانی شوند. این شاخص‌ها به عنوان زبان مشترک بین متخصصان و مدیران مطرح می‌گردد و نتایج حاصله قابل بررسی و استناد می‌باشد.

۱۵-۵- هوشمندی کسب‌و‌کار : بیمه الکترونیک
در دنیای امروزه نگاهى به افزايش سرمايه‌هاى بين‌المللى و نيز توجه به گردش چرخ‌هاى اقتصادى نشان دهنده اين واقعيت است كه همگى متكى به تضمين‌هاى ناشى از بيمه هستند. اهميت توجه به صنعت بيمه از بُعد اقتصادى را مى توان با بيان نقش بيمه به عنوان يك مؤسسه سرمايه‌گذارى و كمك به روند رشد اقتصادى، توضيح داد؛ به‌طوريكه صنعت بيمه نااطمينانى را كاهش مى دهد و موجب امنيت شغلى، تداوم درآمد آتى، افزايش سطح رفاه زندگى، حفظ ثروت ملى، توسعه سرمايه گذارى ها و ايجاد اعتبار مى شود .
محيط كسب‌وكار امروز با ويژگى هايى همچون تغييرات پيچيده و تحولات فناورانه كه باعث شكل گيرى مؤلفه هاى جديد و پيكربندىهاى موجود مى‌شود، محيطى با درجه عدم قطعيت بالا و آكنده از روش هاى تأثيرگذارى پيچيده مى باشد كه امكان پيش بينى آينده در آن تقريبا نا‌ممكن است. در اين ميان، اگر كاركرد برنامه ريزى راهبردى در دنياى پر از تغيير امروز، توانمندسازى مديران جهت خلق مزيت رقابتى دانسته شود، ضرورت توجه به مباحث سازمانى و سلايق در حال تغيير مشتريان نيز اجتناب ناپذير خواهد بود. از اين رو، با توجه به فلسفه ارزش وجودى صنعت بيمه در جامعه و بازارهاى مالى، اقتصادى و توليدى در كشور، استفاده از فناورى اطلاعات در جهت افزايش هوش بازار و شناخت زمينه هاى جديد نفوذ بيمه، داراى ارزشى دوچندان خواهد بود. يكى از زمينه هاى اين سازگارى با فناورى هاى جديد بيمه الكترونيك است. بيمه
الكترونيكى فرصت‌هايى را فراهم مى كند تا كيفيت خدمات ارائه شده به شهروندان بهبود يابد و آنها قادر باشند در هر دقيقه از شبانه روز به خدمات و اطلاعاتى جهت صدور بيمه نامه مورد نظر با استعلام نرخ و با اعلام خسارت دسترسى داشته باشند .

۱-۱۵-۵- مزایا و منافع بیمه الکترونیک
مزایا و منافع ا ستفاده از بیمه الکترونیک از سه منظر بیمه گر، مراکز طرف قرارداد و بیمه گذار قابل بررسى هستند:

۱- مزایاى بیمه گر
• سرعت بیشتر در فرآیند صدور بیمه و دریافت خسارت
• افزایش دقت در فعالیت هاى بیمه
• به روزرسانى سیستم مکانیزه بیمه براساس آخرین امکانات سخت افزارى و نرم افزارى
• حذف مراحل زمان بر و هزینه بردارى همچون صدور معرفى نامه، استعلام از مراکز و…
•  کاهش فضاى ادارى شرکت بیمه گر به واسطه ایجاد فضاى مجازى
• تشویق بیمه گذاران براى استفاده بیشتر از امور بیمه اى به واسطه اطلاع رسانى کامل
• جذب سازمان ها براى عقد قرارداد با بیمه
• حفظ بیمه گذاران و مراکز طرف قرارداد فعلى
• تسهیل در فعالیت هاى بیمه از جمله زدن سند، گزارش گیرى و…
• امکان اعمال کنترل و مدیریت بیشتر در فعالیت هاى بیمه
•    امکان انجام فعالیت هاى بیمه از طریق مراکز بیشتر و دسترسى سهل تر
• امکان انجام هوشمند برخى از فرآیند هاى بیمه از جمله معرفى بیمه گذار به مراکز درمانى فقط با تلفن و یا اینترنت و…
• جلوگیرى از تقلب و جعل
• آنالیز دقیق هزینه ها
• یکپارچگى سیستم مکانیزه بیمه در تمام شعب، سایت بیمه و ترمینال هاى خودپرداز بیمه

۲- مزایاى شرکت هاى طرف قرارداد
• امکان شناسایى سریع پوشش هاى بیمه اى
• کاهش زمان بازپرداخت به مرکز از سوى بیمه گر
• جلوگیرى از تخلف و تقلب
• امکان صدور بیمه نامه هاى خاص در محل مرکز و بدون مراجعه به بیمه گر
• شناسایى سریع بیمه گذاران
• افزایش مراجعین براى استفاده از امکانات ارائه شده
• شناسایى سریع معرفى نامه
• کاهش هزینه هاى ادارى مراکز مذکور جهت ارتباط با بیمه گر
• افزایش سرعت تعاملات در امور فى مابین مراکز و بیمه گر

۳-مزایاى بیمه گذار
• افزایش سرعت در شناسایى بیمه گذار واقعى
• کاهش دفعات مراجعه حضورى به شعب بیمه
• عدم نیاز به تکمیل فرم هاى دستى
• امکان مشاهده مشخصات بیمه نامه هاى مربوط به بیمه گذار
• عدم نیاز به ارائه معرفى نامه
• سهولت در پرداخت و دریافت وجوه مرتبط
• کاهش زمان و هزینه استفاده از پوشش هاى بیمه اى و در نتیجه رضایتمندى
• افزایش آشنایى با امور بیمه اى توسط سایت بیمه گر
• امکان اخذ مشاوره رایگان بیمه اى به واسطه اطلاع رسانى دقیق سایت بیمه گر
• امکان برقرارى ارتباط مستقیم (به صورت مجازى) با مدیران و مسئولین در هر زمان و مکان
• دسترسى سریع به آمار و در نتیجه سرعت در تهیه گزارش ها
بنابراین استقرار بيمه هاى الكترونيكى و استفاده از فناورى اطلاعات در تعامل ميان شركت هاى بيمه و مشتريان مى تواند مزاياى بيشمارى همچون قابليت ارايه خدمات در تمام شبانه روز، عدم مراجعه حضورى براى دريافت خسارت، ارائه خدمات سريع و مطمئن جلوگيرى از تقلب هاى بيمه‌اى و افزايش درآمد شركت بيمه را در پى داشته باشد. از طرفى، اطلاعات خون زندگى اقتصاد ديجيتالى است و كليد موفقيت در عصر اطلاعات، اتخاذ تصميماتى است كه بدون تناقض، بهتر و سريع تر در رقابت پيش دستى كند. تصميمات تجارى بد و نامتناسب يعنى تصميات مبتنى بر اطلاعات حداقل يا ناقص، مى تواند زيان هاى فاحش  به بار آورد ، سهم اصلى و اكثريت بازار شركت را از دست خارج و يا حتى شركت را ورشكست كند .
براى غلبه بر اين مشكلات، هوشمندی کسب‌وکار، به شركت‌های بیمه اين  كمك را مى كند كه وظايف تحليل، تهيه راهبرد و پيش بينى آنها را روش‌مند و خودكار نمايد تا تصميات بهترى اتخاذ شود. سازمان‌هاي بيمه اى كه از هوشمندی کسب‌وکاراستفاده نمي كنند، داراي مشكلاتي هستند  كه اغلب از عواملي چون حجيم بودن داده ها، پيچيدگي در تحليل ها و ناتواني در ردگيري نتايج فرايندها و پيامدهاي تصميمات گرفته شده، نشأت مي گيرند. هوشمندی کسب‌وکاربا كمك به حل مشكلات فوق، به دليل ساختاري كه در سازمان به وجود مي آورد، فرصتهاي جديدي نيز براي رشد سازمان ايجاد مي‌كند و نه تنها عامل حذف مشكلات است، بلكه با صرفه جويي در زمان و هزينه، شرايط كاري را دگرگون مي سازد .
اگر شركت هاى بيمه در لايه هاي زيرساختي و تراكنشي خود از فناوري استخراج و انتقال و تبديل داده ها استفاده كنند و بستري از هوشمندی کسب‌وکار را در فناورى داده كاوي فراهم آورده باشند و همچنين ابزار  هوشمندی‌کسب‌وکار  را مبتني بر فناوري اطلاعات و مشتري گرايي به كار گيرند، هوشمندي در اين كسب و كار كارآمد خواهدبود.
چنانچه در بستر  هوشمندی‌کسب‌و‌کار ، شركت‌هاى بيمه از استانداردها و برنامه هاي كاربردي، راهبردي، عملياتي و تحليلي نيز استفاده شود، هوشمندي در اين كسب و كار اثربخش خواهد بود. زماني هوشمندي نقش اهرمي را در كسب و كار به عهده مي گيرد كه عملكرد به دقت ارزيابي شود و فرهنگ سازي در بين كاربران آغاز شده  باشد .
درنهايت براي تحقق اين هدف مي بايست شيوه هوشمندی‌کسب‌و‌کار و مهارت‌هاي آن در بدنه سازمان مستقر شود. هنگامي كه سازمان به سمت اهداف جهاني سازي با استفاده از مجازي شدن متمايل شود و پا از ساختمان هاي فيزيكي به عرصه مجازي نهاده شود، مي تواند روند اجراي فرايندهاي درون سازمان خود را به حد اعلا شفافو نقش هوشمندي را يك نقش رقابتي سازد و با اين نقطه قوت با رقبا به رقابت بپردازد .
هوشمندی کسب‌وکاردر صنعت بيمه الكترونيك مي تواند به نوعى به افزايش كارايي كلي و بهينه سازي فرايندها در كنار يكديگر، كمك نمايد. در واقع سيستم هاى هوشمندی کسب‌وکار روي برخي ويژگيهاي مهم مالي و ساير پارامترهاي مهم ديگر در افزايش كارايي سازمان متمركز مي شوند.  به دليل ماهيت خاص فناورى‌هاى نوين و مجازى بودن فضاهاى الكترونيكى، استفاده از ابزارهاي تحليلي و هوشمند، امكان پردازش‌هاي بالا با ميزان دسترسي انبوهي از اطلاعات در سطوح گوناگون سازمانى را فراهم مى آورند. بنابر اين ضرورت تسلط بر فناورى هاى جديدى نظير هوشمندی کسب‌وکاردر كسب وكارها بويژه كسب وكارهاى فعال در فضاى مجازى به خوبى احساس مى شود.

۲-۱۵-۵- ضرورت استفاده از هوشمندی کسب‌وکاردر صنعت بيمه
همانطور كه از تعاريف متعدد استنباط مي شود، هوش تجاري، در قالب هر تعريفي، به دنبال افزايش سودآوري سازمان با استفاده از اتخاذ تصميمات هوشمند و دقيق است و به طور اعم مي توان اهداف زير را براي اين رويكرد نوين در صنعت بيمه عنوان كرد:
• تعيين گرايشهاي تجاري شركتهاى بيمه كه موجب مي شود تا سازمان بدون اتلاف وقت و هزينه و  انرژي در ساير مسيرها به دنبال اهداف كلان و اساسي خود متمركز شود .
• تحليل عميق بازار و مشتريان بيمه.
• پيش بيني بازار كه مي تواند قبل از اينكه رقبا سهم بازار خود را توسعه دهند، منافع جديد به وجود آمده در بازار را عايد سازمان كند.
• بالابردن سطح رضايتمندي مشتريان بيمه كه مي تواند موجبات استمرار كسب و كار باشد، چون از دست دادن اين اعتماد و رضايتمندي مراتبي را براي بنگاه به همراه خواهد داشت.
• شناسايي مشتريان دائمي كه وفادارند. مي توان با پيگيري رفتار آنان، جهت گيري هاي كلان و راهبردى را انجام داد.
• تقسيم بندي مشتريان و متعاقباً ايجاد تنوع در روش برخورد با هرگروه از مشتريان
• افزايش كارايي سازمان در امور داخلي و شفاف سازي رويه فرايندهاي كليدي.
• استاندارد سازي و ايجاد سازگاري بين ساختارهاي سازمان.
• تسهيل در تصميم گيري كه جزء اهداف اساسي هوشمندی کسب‌وکارمحسوب مي شود.
• تشخيص زود هنگام خطرات قبل از اينكه سازمان را به مخاطرات جدي بكشاند و شناسايي فرصتهاي  كسب و كار قبل از اينكه رقبا آن را تصاحب كنند.

۳-۱۵-۵- كاربرد هوشمندی کسب‌وکاردر بيمه الكترونيك
۱) تحليل ادعاهاى خسارت و حق بيمه  : سيستم هاى هوشمندی کسب‌وکارامكان تحليل جزئيات ادعاهاى خسارت و حق بيمه در طول زمان را براساس محصول، سياست بيمه، نوع ادعا و ساير مشخصات فراهم مى كنند.
۲) تحليل مشتريان: سيستم هاى هوشمندی کسب‌وکارنيازمندى هاى مشتريان و الگوهاى استفاده از محصولات را تحليل مى نمايند، برنامه ريزى بازاريابى را با توجه به مشخصات مشتريان توسعه مى دهند و ريسك پذيرى را در مورد مشتريان در كسب و كار مورد نظر مورد بررسى قرار مى دهند و در نهايت خدمات هاى ارايه شده به مشتريان را بهبود مى دهند.
۳) تحليل ريسك  : سيستم هاى هوشمندی کسب‌وکاربخش هاى پرخطر و پر ريسك بازار را  شناسايى مى كنند و فرصت هاى موجود در بخش هاى خاصى از بازار را تعيين مى نمايند. همچنين بخش هاى مختلف بازار را كه مى توانند به يكديگر مربوط باشند، به يكديگر ارتباط مى دهند و سعى مى نمايند تا ادعاهاى خسارت پى در پى را كاهش دهند .
از نقطه نظر فناورى نيز هوشمندی کسب‌وکاريك سيستم هوشمند است كه با پردازش دقيق داده ها، نقطه  دخالت سخت افزار و نرم افزار در مغزافزار ها به حساب مى آيد. ولى به بيان ساده تر هوشمندی کسب‌وکارچيزى نيست مگر فرايند بالابردن سود دهى سازمان در بازار رقابتى با استفاده هوشمندانه از داده هاى موجود در  فرآيند تصميم گيرى.
در صورتى كه مفهوم هوشمندی کسب‌وکاربدرستى درك و منتقل نگردد، موجب مى شود تا انتظارات مديران به صورت ناگهانى افزايش يابد و برآورده نشدن اين توقعات مواردى را از جمله سلب اطمينان افراد و بويژه مديران از اين سيستم به دنبال خواهد داشت؛ چرا كه هوشمندی کسب‌وکارفقط به دنبال كوتاه كردن مسير هاى پرس و جو در داخل اطلاعات است و خود مستقلا و بدون نياز به اطلاعات مناسب قادر به ارايه پيشنهاد يا راهكار نيست. تعيين گرايشهاى تجارى سازمان كه از پيامدهاى استفاده از هوشمندی کسب‌وکاراست، موجب مى  شود كه سازمان بدون اتلاف وقت و هزينه در ساير مسيرها به دنبال اهداف كلان متمركز شود .

۴-۱۵-۵- دلايل نياز شركت‌ها به هوشمندی کسب‌وکار
در يك نگاه گسترده، مؤسسات براى دو مقصود اصلى نياز به استفاده از هوش دارند. ابتدا، براى انجام تجزيه و تحليل كه مى تواند به آنها در تصميم گيرى بهتر كمك كند. تا بتواند روندهاى فروش را بشناسند و مراقبت ها را براى مشتريان و شكايات مهم فراهم آورند. دوم، كمك زيادى به پيش بينى آينده رفتار مشترى و تقاضاى بازار مى كند. برخى از دلايل ديگر عبارتند از:
• در رسيدن به اهداف اساسى سازمان مانند كاهش هزينه ها، بهبود بهره ورى، توسعه محصول، توسعه خدمات مشتريان، افزايش درآمدها و … شركت ها را يارى مى دهد.
• اطلاعات راهبردى را براى تصميم گيرندگان فراهم مى آورد. هوشمندی کسب‌وکاربه مؤسسات اين امكان را مى دهد كه از تحليل اطلاعات در مقادير بزرگ، يافتن الگوهاى رفتارى مشتريان و رقبا بهره بردارى كنند.
• دسترسى آنى به چنين اطلاعاتى مى تواند به تصميم گيرى كمك كند و تغييرات پويايى را فراهم سازد تا به بهبود خط اصلى شركت يارى رساند.

۵-۱۵-۵- بيمه الكترونيك
امروزه صنعت بيمه در جهان به دليل رشد هزينه هاى سنگين مربوط به فناورى هاى اطلاعاتى و كاهش حاشيه سود محصولات با چالش هاى سنگينى روبرو است. كانال هاى عرضه خدمات بيمه و خدمات مالى نيز در حال حاضر به واسطه بهره مندى از اينترنت با دگرگونى چشمگيرى مواجه است. از اين رو بسيارى از شركت هاى بيمه از طريق سايت اينترنتى اختصاصى خود به صورت وسيعى اطلاعاتى را در رابطه با شركت و راهنمايى خريد انواع محصولات بيمه اى عرضه مى‌نمايند.
براى يك قرارداد بيمه چيزى بيش از يك سرى اطلاعات نياز نيست. بيشتر قراردادهاى بيمه اى تا وقتى خسارت اتفاق نيافتد در حد يك اطلاعات خالص باقى مى مانند. قسمت اعظم مبادلات بيمه گذار و بيمه گر اطلاعات است كه براى انجام قرارداد بايد مبادله شوند. همچنين موضوع پرداخت حق بيمه كه چگونه بايد انجام پذيرد و نيز موضوع زيادى از اطلاعات بين بيمه گذاران، واسطه ها و بيمه گران مبادله مى شود.
بنابراين مى توان اذعان داشت كه بيمه يك فعاليت اطلاعات محور بوده و در نتيجه براى تجارت الكترونيك مناسب است .
بيمه الكترونيك به معناى عام به عنوان كاربرد اينترنتى و فناورى اطلاعات در توليد و توزيع خدمات بيمه اى اطلاق می‌گردد و در معناى خاص، بيمه الكترونيك را مى توان به عنوان تأمين يك پوشش بيمه اى از طريق بيمه نامه اى دانست كه به طور همزمان؛ پيشنهاد، مذاكره و قرارداد آن منعقد مى گردد. به اين نوع بيمه نامه ها كه از طريق اينترنت عرضه و فروخته مى شوند، بيمه اينترنتى نيز مى گويند. به علاوه پرداخت  حق بيمه، توزيع بيمه نامه و پردازش پرداخت خسارت مى توانند همزمان انجام گيرند.

۶-۱۵-۵- جايگاه بيمه الكترونيك در صنعت بيمه
به طوركلى، بيمه الكترونيك هزينه هاى مديريتى و ادارى را از طريق فرايند ماشينى كسب و كار كاهش مى دهد و اطلاعات مديريتى را بهبود مى بخشد. همچنين بيمه الكترونيك، كارمزد پرداختى به واسطه ها را از طريق فروش مستقيم بيمه نامه به مشترى كاهش مى دهد. در نهايت كاهش هزينه در بازار رقابتى موجب كاهش حق بيمه مى شود و به مشتريان و مردم اجازه خريد بيمه بيشترى را مى دهد كه نتيجه آن نفوذ و توسعه بيشتر بيمه در كشورها خواهد بود. به طور كلى اينترنت به تازه واردان بازار امكان مى دهد كه از فرآيند پرهزينه و طولانى راه اندازى شبكه هاى سنتى فروش پرهيز كنند و خدمات مالى و بيمه اى خود را بيشتر از طريق خدمات اينترنتى انجام دهند، بنابراين انتظار مى رود تا بيمه گران قديمى با فشار رقابتى فزاينده اى روبرو گردند. محصولات بيمه اى كه به مشاوره كمى نياز دارند، براى فروش از طريق اينترنت مناسب تر هستند و بدليل واسطه اى سنتى، بيمه خود را با فشار رقابتى در اين بيمه نامه ها روبرو مى بينند، اما در مورد محصولات بيمه اى پيچيده و با ارزش معاملاتى بالا كه مشترى تمايل بيشترى به صرف هزينه مشاوره دارد، فروش از طريق اينترنت خيلى مورد توجه قرار نمى گيرد كه البته با استفاده از فناورى هاى نوين هوش  سازمانى مى توان بر اين مشكلات فائق آمد.

۷-۱۵-۵- شاخص هاى مربوط به نيازهاى الزامى
• فناورى و سرعت انتقال دانش
•  اختيار كاركنان
•  توزيع دانش
•  فرهنگ و درگيري افراد با دانش
•  نوآوري
۸-۱۵-۵- شاخص هاى مربوط به نيازهاى يك بعدى
• آموزش كاركنان
• ارزيابى عملكرد
• قابليت سيستم مديريت دانش
• تبديل دانش
• نوآورى در فرايند توليد

۹-۱۵-۵- شاخص هاى مربوط به نيازهاى جذاب
• محك زنى
• كاركنان با انگيزه
• جستجو براى دانش
• جمع آورى و دخيره دانش
• فرهنگ سازمانى دوستانه
• نوآورى در محصولات

بيمه گران با فشار رقابتي فزاينده اي روبرو مي باشند. جهت استقرار و بازاريابى كارآ و اثربخش بيمه الكترونيك فناورى اطلاعات مى تواند كمك شايان توجهى به بيمه گران كند. يكى از مظاهر فناورى اطلاعات هوشمندی کسب‌وکاراست. مقاله حاضر بر آن بود تا با شناسايى و بهبود شاخص هاى بحرانى هوشمندی‌کسب‌و‌کار در  بيمه الكترونيك ، گامى كوچك در راستاى توسعه مفهوم هوش كسب و كار در اين صنعت سودآور بردارد. نتايج حاصل بيانگر آن است كه از طريق راهكارهايى همانند شايستگى در امكانات و تجهيزات فناورى اطلاعات، ارتباط با ساير نهادها، آموزش كاربردى كاركنان، وجود يك مآموريت دقيق و تعريف شده براى سازمان، وجود رويه هاى تعريف شده، تفويض اختيار بر اساس مهارت كاركنان، كنترل
و ارزيابى ماهانه، ايجاد فرهنگ كار تيمى، بازخور در مراحل مختلف از مشتريان بيمه و رشد فعاليت هاى پژوهشى برون سپارى شده صنعت بيمه قادر خواهد بود كه حداقل هاى هوشمندی کسب‌وکاردر صنعت بيمه كشور را بهبود دهد.

۱۰-۱۵-۵- بیمه الکترونیک  : یکى از کاربردهاى تجارت الکترونیک
بیمه الکترونیک جایگزینى براى گردش فعالیت هاى دستى به منظور انجام کارهاى بیمه بر روى محیط شبکه و یا با استفاده از سیستم کارت هاى هوشمند بوده و عامل مؤثرى در تسریع و سهولت فرآیندهاى بیمه اى است . بیمه الکترونیک از جمله مواردى است که تاکنون در ایران کمتر مورد استفاده قرار گرفته ؛ در حالى که به علت گستردگی حجم تبادل و ثبت اطلاعات در بیمه، نیازمند استفاده بیشتر از فناورى هاى نوین در عرصه اطلاعات و اطلاع رسانى در بیمه هستیم .
از نکات قابل توجه در بیمه الکترونیک ، درصورت هماهنگى با سیستم هاى بانکى، بیمارستانى و … آن است که منجر به ارتقاى آن سیستم ها نیز مى شود . در این طرح از آنجا که تبادلات مالى فردى و تجارى تحت اینترنت توسط طرح شتاب، یکپارچه سازى بانکدارى الکترونیکى و ارائه خدمات پول الکترونیکى در تمام بانک هاى کش ور، قابل انجام است ، استفاده از ساختار منطقى به منظور استفاده از رکوردهاى الکترونیکى هماهنگ، همانند ساختارهاى کاغذى براى  مبادلات حساس مانند چک، مستندات حاوى اطلاعات مهم و… ، ضرورى است .از فواید کلیدى استفاده از سرویس هاى اینترنتى، توانایى ارتباط بیشتر و قو یتر با مشتریان است . در این راستا تمام روال هاى کارى به صورت سیستم هاى مکانیزه پیاده سازى مى شوند به طور مثال فناورى وب به همه افراد تحت پوشش بیمه اجازه مى دهد که امکان مشاهده اطلاعات مورد نیاز، انجام عملیات مربوطه و ارائه اطلاعات ویژه مورد نیاز را داشته باشند.
ارزش واقعى این فناورى زمانى مشخص خواهد شد که نه تنها به مصرف کننده، امکان خودسرویسى (دریافت گزارش، ارسال درخواست، تسویه حساب، اطلاع از تغییرات، شرایط بیمه و سیاست هاى بیمه و…) را مى دهد بلکه در کاهش هزینه هاى مربوط به بیمه گران نیز تأثیر گذارده است.
در بیمه الکترونیک مهمترین ابزار، اطلاعات و ارتباط است به عبارت بهتر بیمه الکترونیک بهره گیرى از فناورى اطلاعاتى و ارتباطى براى ایجاد فرآیند جدیدى از بیمه است که با جامعه اطلاعاتى و شبکه اى همخوانى دارد .از این رو بیمه الکترونیک شامل توسعه و به کارگیرى زی رساخت هاى اطلاعاتى و همچنین تهیه و تدوین و اجراى سیاست ها، قوانین و مقررات لازم براى عملکرد جامعه اطلاعاتى یا دیجیتالى در صنعت بیمه است.
از سویى کلید موفقیت راه اندازى یک سیستم بیمه اتوماتیک اهمیت دادن به جمع آورى اطلاعات معتبر، مستند و ممیزى شده است. اهمیت دادن به این طبقه بندى ها، کارایى سیستم ارائه خدمات بیمه را تا حد بسیار زیادى بالا برده و روند فراهم کردن تدارکات و خدمات مورد نیاز مشترى را با استفاده از مدیریت موثر و اطلاعات منسجم شتاب بیشترى خواهد داد.

۱۱-۱۵-۵- موانع و چالش‌های پیش روی بیمه الکترونیک
راه اندازى و گسترش بیمه الکترونیکى در کشور ، با موانع و چالش هاى عمده اى مانند نوپا بودن زمینه هاى قانونی لازم براى استفاده از تجارت الکترونیکى از قبیل مقبولیت اسناد و امضاهاى الکترونیکى در قوانین و مقررات جارى کشور، نوپا بودن سیستم انتقال الکترونیکى وجوه و کارت هاى اعتبارى، محدودیت خطوط ارتباطى و سرعت پایین آنها در انتقال داده‌هاى الکترونیکى ، نبود شبکه اصلى تجارت الکترونیکى در کشور و سخت‌افزار و نرم‌افزار مربوط به آن، فراگیر نبودن فرهنگ استفاده از تجارت الکترونیکى و مزایاى آن، هزینه اولیه ایجاد مراکز تجارت الکترونیکى در شرکت‌ها، کمبود دانش استفاده از تجارت الکترونیکى در برخى از سازمان‌هاى مرتبط با بیمه، تامین امنیت لازم براى انجام مبادلات الکترونیکى و محرمانه ماندن اطلاعات مربوطه و…  رو به رو است. از سویى وجود مشکلاتى همچون کلاهبردارى‌هاى اینترنتى در اکثر کشورهاى جهان موانعى را نیز بر سر تجارت الکترونیک بیمه‌اى بوجود آورده است.
در بسیاری کشورها از جمله ایران ، هنوز امضاء الکترونیکى وجهه‌اى قانونى ندارد (البته لوایح قانونی تهیه و از طرف قوه قضائیه جمهوری اسلامی ایران به مجلس شورای اسلامی جهت تصویب قانون ارائه شده است) و ترس از فاش شدن اسرار محرمانه مشترى، که به هنگام معرفى و ارائه کار و مذاکره و معامله اینترنتى در وب سایت هاى بیمه‌اى ارائه مى شود، از دیگر موانعى است که مشتریان را در هنگام خرید بیمه نامه از طریق اینترنتى دچار تردید مى‌نماید. از سویى ارائه فیزیکى و تحویل مدارک بیمه‌اى یکى از الزاماتى است که این صنعت را دچار وقفه مى‌کند.

۶- منابع
[۱]   Turing A.M ,»COMPUTING MACHINERY AND INTELLIGENCE» , ۱۹۵۰ , Mind 49 , p433-460

[۲] Columbos , Louis , « Roundup Of Analytics, Big Data & Business Intelligence Forecasts And Market Estimates», ۲۰۱۴ , www.forbes.com
[۳]  Turino , James , «Business Intelligence» , ۲۰۱۴ , Redwood Capital
[۴]  Russell , Stuart / Norvig , Peter , «Artificial Intelligence:A Modern Approach» , ۲۰۱۰ , Prentice-Hall , ISBN : 0-13-604259-7
[۵]  Williams  , Steve / Williams , Nancy  , «The Profit Impact of Business Intelligence» , ۲۰۰۷ , Elsevier / Morgan Kaufmann publications , ISBN : 0-12-372499-6

[۶] Yue  , Dianmin /  Wu  , Xiaodan and others   , « A Review of Data Mining-based Financial Fraud Detection Research « ,  ۲۰۰۷ ,  IEEE

[۷] Sharma,  Anuj /  Panigrahi ,  Prabin Kumar  , « A Review of Financial Accounting Fraud Detection based on Data Mining Techniques» , ۲۰۱۲ , International Journal of Computer Applications , Volume 39– No.1

[۸] Ngai  , E.W.T. / Hu  , Yong  and other , « The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature « , ۲۰۱۱,  Decision Support Systems , Elsevier
[۹] Han , Jiawei ,/Kamber , Micheline , « Data Mining:Concepts and Techniques « , ۲۰۰۶ , Elsevies / Morgan Kaufman Publocation , ISBN 10: 1-55860-901-6

[۱۰] Wu , Xindong / Kumar , Vipin  , « Top 10 algorithms in data mining « , ۲۰۰۸ , Knowl Inf Syst / Springer

[۱۱] Kirkos  , Efstathios / Spathis  , Charalambos and other , « Data Mining techniques for the detection of fraudulent  financial statements « , ۲۰۰۷ , Expert Systems with Applications , Elsevier

[۱۲] Yamanishi  , Yoshihiro/ Vert  , Jean-Philippe  , « Kernel matrix regression « , ۲۰۰۷ , HAL

[۱۳] Chen , Wei-Sen / Du ,Yin-Kuan ,» Using neural networks and data mining techniques for the financial distress
prediction model « , ۲۰۰۹ , Expert Systems with Applications , Elsevier

[۱۴] Zhou , Wei / Kapoor  , Gaurav  , « Detecting evolutionary financial statement fraud « , ۲۰۱۱ , Decision Support Systems , Elsevier

[۱۵] Lakshmi,  U.Jothi  ,» A Novel Method to Detect False Financial Statement using Negative Selection Algorithm «,۲۰۱۴ ,  International Journal of Applied Information Systems (IJAIS)  ,  Volume 7– No.9,  ISSN : 2249-0868

[۱۶] Jaya  , Beulah Jeba Y. , «Assessment of Fraud Pretentious Business Region Research Articles Using Data Mining Approaches» , ۲۰۱۳ , International Journal on Computer Science and Engineering (IJCSE) , Vol. 5 No. 07 , ISSN : 0975-3397

[۱۷] Cindi, H & , Eckerson, W , «Business intelligence Tools: Comparison and Market Analysis» , ۲۰۰۸ ,
TDWI Technology Market Report.

[۱۸]  McSherry  , Máire Ryan, « The Benefits of Business Intelligence for Insurance Companies» , ۲۰۱۲ ,   Chartered Insurance Practitioner

[۱۹] Kumar , Pawan  / Swarup  , Saurabh  , «Business Intelligence and Insurance» ,۲۰۰۱ , Wipro , India

[۲۰] Saraswathy , Kanya  , «Business Intelligence Strategy for New Age Insurers» , ۲۰۱۳ , Tata Consultancy Services

[۲۱] Kirlidog , Melih / Asuk , Cuneyt  ,»A fraud detection approach with data mining in health insurance» , ۲۰۱۲ , Social and Behavioral Sciences 62 , Elsevire

[۲۲] Sithic  , H.Lookman /  Balasubramanian , T. , « Survey of Insurance Fraud Detection Using Data Mining Techniques « , ۲۰۱۳ , International Journal of Innovative Technology and Exploring Engineering , Volume-2, Issue-3, ISSN: 2278-3075

]۲۳[ شکوهیار ، سجاد ، «هوش تجاری» ، ۱۳۹۳ ، دانشگاه شهید بهشتی ، دانشکده مدیریت و حسابداری ، گروه مدیریت فناوری اطلاعات

]۲۴[ امیر‌خانی ، امیرحسین / متقی‌ثابت  محمود ، «بررسی موانع توسعه بیمه‌های الکترونیک در شرکت سهامی بیمه آسیا» ، فصلنامه صنعت بیمه ، ۱۳۸۹ ، سال بیست‌و پنجم ، شماره ۱

]۲۵[ محمودی ، مهدی ، «رویکردی بر ساخت و پیاده‌سازی سیستم هوش تجاری» ، ۱۳۸۷ ، ماهنامه تدبیر ، شماره ۲۰۱

]۲۶[ آمای ، امیر ، «هوشمندی کسب‌و‌کار کلید موفقیت بنگاه اقتصادی» ، ۱۳۸۴ ، ماهنامه مدیریت فردا ، شماره ۹ و ۱۰

]۲۷[ بابایی ، علی‌اکبر ، «هوش تجاری خالق فرصت‌های جدید» ، ۱۳۹۰ ، ماهنامه تدبیر ، شماره ۲۳۴

]۲۸[ قره‌خانی ، محسن / ابوالقاسمی ، مریم ، «کاربردهای داده‌کاوی در صنعت بیمه» ، ماهنامه بیمه ، شماره ۱۵۸

]۲۹[ مهرداد ، آسیک ، «کاوش داده‌ها برای کشف تقلب» ، ۱۳۹۱ ، ماهنامه حسابرس ، شماره ۶۰

]۳۰[ صفدری ، رضا / شاهمرادی ، لیلا ، «استفاده از شبکه‌های عصبی در نرم‌افزارهای کد‌گذاری جهت کشف کلاه‌برداری‌ها» ، ۱۳۸۸ ، فصلنامه علمی آموزشی مدارک پزشکی ، دوره ششم ، شماره سوم

]۳۰[ سهرابی ، بابک ، «هوشمندی کسب و کار چیست؟» ، http://www.babaksohrabi.com/show-content.aspx?ID=1&Type=1

]۳۱[ سازور ، اعظم ، «ارائه الگویی برای بهبود هوش تجاری در بازاریابی صنعت بیمه الکترونیک» ، ۱۳۹۰ ، ماهنامه بهبود مدیریت ، سال پنجم ، شماره ۳

]۳۲[ ترکستانی ، محمد صالح ، «ارزیابی شرکت‌های بیمه ایرانی برای پیاده‌سازی انباره داده» ، ۱۳۸۷ ، فصلنامه صنعت بیمه ، سال بیست و سوم ، شماره ۱ و ۲

]۳۳[ رونقی ، محمد‌حسین ، ارزیابی عملکرد هوشمندی کسب و کار  با استفاده از تحلیل فازی ، ۱۳۹۲ ، فصلنامه تخصصی پارک ها و مراکز رشد ، سال نهم ،  شماره ۳۴

]۳۴[ صارمی‌نیا ، صبا ، «ابزار‌های هوش کسب و کار و مقایسه آنها» ، ۱۳۹۱ ،  دانشگاه تربیت مدرس

]۳۵[ وحیدپور ، فرشاد  ، «سیستم ایمنی مصنوعی « ، ۱۳۹۳ ،  ماهنامه رایانه ، ویژه‌نامه الکامپ ، شماره ۲۵۲

پاورقی
۱-E.W.T. Ngai , Yong Hu , Y.H. Wong , Yijun Chen , Xin Sun
۲-Classification
۳-The Naïve Bayes Networks
۴-Support Vector Machine
۵-Tuples
۶-Dianmin Yue, Xiaodan Wu, Yunfeng Wang, Yue Li
۷-The K-nearest Neighbor
۸-Self-organizing Map Techniques
۹-Prediction
۱۰-Jiawei Han , Micheline Kamber
۱۱-Logistic Models
۱۲-Outlier Detection
۱۳-Outliers
۱۴-Discounting Learning Algorithm
۱۵-Visualization
۱۶-Pattern Recognition
۱۷-Machine Learning
۱۸-Logit
۱۹-Generalized Linear Model
۲۰-Robust Models
۲۱-Wei-Sen Chen , Yin-Kuan Du
۲۲-Directed Acyclic Graph (DAG)
۲۳-Classification and Regression Trees (CART)
۲۴-Iterative Dichotomizer3 (ID3)
۲۵-Efstathios Kirkos , Charalambos Spathis , Yannis Manolopoulos
۲۶-Input Vector
۲۷-Data Representation
۲۸-Noise
۲۹-The Data Warehousing Institute
۳۰-Automated processes
۳۱-Support decision making
۳۲-Structure business
۳۳-Adopt to business
۳۴-periodic snapshot
۳۵-Source -specific

——————————

فرشاد وحیدپور

دیدگاهتان را ثبت کنید

آدرس ایمیل شما منتشر نخواهد شدعلامتدارها لازمند *

*

x

شاید بپسندید

رویکردها و ابزارهای نوین موثر در آینده پژوهی هوشمندی کسب‌و‌کار

چکیده آینده هوشمندی کسب و کار و آشنایی با ابعاد و مولفه‌های ...