DSpace Repository

Monetización de datos en el sector asegurador

Show simple item record

dc.contributor.advisor Sierra Cadavid, Milton Esteban
dc.contributor.author Grajales Vélez, Dianey Nanyiber
dc.contributor.author Salazar Acevedo, Mabel Catalina
dc.contributor.author Zapata Ochoa, Santiago
dc.coverage.spatial Itagui
dc.date.accessioned 2023-01-26T20:44:11Z
dc.date.available 2023-01-26T20:44:11Z
dc.date.issued 2020-11
dc.identifier.citation Grajales Vélez, D.N., Salazar Acevedo, M.C. y Zapata Ochoa, S. (2020).Monetización de datos en el sector asegurador . [Trabajo de grado, Corporación Universitaria Minuto de Dios]. spa
dc.identifier.uri https://repository.uniminuto.edu/handle/10656/15699
dc.description.abstract El presente trabajo de investigación consiste en la descripción y análisis de las condiciones actuales que tiene el sector asegurador colombiano en cuanto a los datos almacenados y los beneficios que obtienen o pueden obtener a través de estos. La principal problemática de investigación se basa en encontrar un ingreso financiero partiendo de los datos almacenados que surgen de la operación del negocio, datos que en el mundo actual se van incrementando exponencialmente y que las empresas aseguradoras deben estar a la vanguardia con relación a su entorno ya un ambiente más competitivo; teniendo en cuenta todo esto, se buscan los mecanismos más innovadores y que incluyan nuevas tecnologías que revolucionan el mundo actual y generan un mayor valor a las empresas. Para el desarrollo de la investigación se tomó como referentes entrevistas a tres grandes aseguradoras Colombianas, cómo también fuentes primarias como bases de datos académicas, revistas de tecnología, artículos e investigaciones de tendencias en el sector asegurador, con el fin de obtener información más detallada que se acerque a la situación real del sector tomando como base los diferentes casos aplicados en el mundo sobre la monetización de los datos en el sector asegurador, teniendo esto en cuenta se realizó una caracterización de las principales estrategias más exitosas que basados en un cuadro de priorización se tomaron los aspectos más importantes que deben tener las aseguradoras en el manejo de sus datos, en el análisis y aplicación de los mismos, realizándose una propuesta basada en el análisis e integración de la información de los clientes con una vista 360 y una aplicación de la inteligencia artificial para la disminución de gastos, pérdidas, primas y monitoreo de datos. spa
dc.description.abstract This research consists of the description and analysis of the current conditions that the Colombian insurance sector has in terms of the stored data and the benefits that they obtain or can obtain through them.The main research problem is based on finding a financial income based on the stored data that arises from the operation of the business, data that in today's world are increasing exponentially and that insurance companies must be at the forefront in relation to their environment and to a more competitive environment; Taking all this inaccount, the most innovative mechanisms are sought, including new technologies that revolutionize today's world and generate greater value for companies. For the development of the research, interviews with three large Colombian insurance companies were taken as references, as well as primary sources such as academic databases, technology magazines, articles and research on trends in the insurance sector, in order to obtain more detailed information that approaches the real situation of the sector based on the different cases applied in the world on the monetization of data in the insurance sector, taking this into account a characterization of the main most successful strategies was carried out based on a prioritization table.The most important aspects that insurers must have in the management of their data, in the analysis and application of the same, were taken, making a proposal based on the analysisand integration of customer information with a 360 view and an application of artificial intelligence to reduce expenses, losses, premiums and data monitoring. eng
dc.format.extent 69 páginas
dc.format.mimetype application/pdf
dc.language.iso es spa
dc.publisher Corporación Universitaria Minuto de Dios spa
dc.rights Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject Analítica Avanzada spa
dc.subject Big Data spa
dc.subject Inteligencia Artificial spa
dc.subject Monetización de Datos spa
dc.subject Sector Asegurador spa
dc.title Monetización de datos en el sector asegurador spa
dc.type Thesis
dc.subject.keywords Advanced Analytics eng
dc.subject.lemb Big Data eng
dc.subject.lemb Artificial Intelligence eng
dc.subject.lemb Data Monetization eng
dc.subject.lemb Insurance Sector eng
dc.subject.lemb INTELIGENCIA ARTIFICIAL spa
dc.subject.lemb ALMACENAMIENTO DE INFORMACIÓN spa
dc.subject.lemb ANALISIS DE INFORMACIÓN spa
dc.rights.accessrights http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights info:eu-repo/semantics/openAcces
dc.rights.license EL AUTOR, manifiesta que la obra objeto de la presenta autorización es original y la realizo sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARAGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS, para que los términos establecidos en la Ley 1581 de 2012 en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993 y toda normal sobre la materia, utilice y use la obra objeto de la presente autorización. TRATAMIENTO DE DATOS PERSONALES, EL AUTOR declara y autoriza lo dispuesto en el Articulo 10 del Decreto 1377 de 2013 a proceder con el tratamiento de los datos personales para fines académicos, históricos, estadísticos y administrativos de la Institución. De conformidad con lo establecido, aclaramos que “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. spa
dcterms.bibliographicCitation Alfonseca, M.(2016). Inteligencia artificial. Recuperado dehttp://dia.austral.edu.ar/Inteligenc ia_artific ia l# :~:text=Definic i%C3%B3n%201%3A%20Llamamos%20inteligenc ia%20artific ia l,utilizando%20para%20ello%20m%C3%A9todos%20heur%C3%ADsticos.
dcterms.bibliographicCitation Almajano, C.(2018). El dato el activo más estratégico de las organizaciones.Recuperado de https://www.computerworld.es/negoc io/el-dato-el-activo-mas-estrategico-de-las-organizaciones.
dcterms.bibliographicCitation Big Data, International Campus (2020). Data Mining vs BigData. Recuperado de https://www.campusbigdata.com/big-data-blog/item/82-data-mining-vs-big-data.
dcterms.bibliographicCitation Calvo, D.(2017).Big data, Inteligencia de negocio. Recuperado de http://dia.austral.edu.ar/Inteligenc ia_artific ia l# :~:text=Definic i%C3%B3n%201%3A%20Llamamos%20inteligenc ia%20artific ia l,utilizando%20para%20ello%20m%C3%A9todos%20heur%C3%ADsticos.
dcterms.bibliographicCitation Camargo, J., Camargo, J., Joyanes, L.(2014). Conociendo Big Data. Recuperado dehttps://www.redalyc.org/articulo.oa? id=413940775006.
dcterms.bibliographicCitation Canal mediado, Multiasistencia, Salud(2018).Recuperado dehttp://ilp.mit.edu/media/news_artic les/smr/2017/58310.pdf.
dcterms.bibliographicCitation Canales Sectoriales, Interempresas (2018). El crecimiento diario de información requiere tecnologías que aseguren la calidad del dato. Recuperado de https://www.interempresas.net/TIC/Articulos/228236-El-crecimiento-diario-de-informacion-requiere-tecnologias-que-aseguren-la-calidad-del-dato.html.
dcterms.bibliographicCitation Caro Márquez, E.(2017). La Cuarta Revolución Industrial. Recuperado de https://idus.us.es/bitstream/handle/11441/66285/La_cuarta_revoluc ion_ industrial. pdf?sequence=1&isAllowed=y.
dcterms.bibliographicCitation Cendrero, J. (16,04,2015). La oportunidad de monetizarlos datos en el sector seguros. Recuperado dehttps://future.inese.es/la-oportunidad-de-monetizar-los-datos-en-el-sector-seguros.
dcterms.bibliographicCitation Chuc Durán, D. (2019). Introducción a los Datawarehouses. Recuperado de http://revistas.ujat.mx/index. php/jobs/artic le/view/926.
dcterms.bibliographicCitation Cleverdata, (2019). Analítica avanzada en el sector asegurador, Machine Learning. Recuperado de https://cleverdata.io/sector-asegurador-machine-learning.
dcterms.bibliographicCitation Conde, A.(2020).Tendencias Big Data y analítica 2020. Recuperado de https://www.iebschool.com/blog/tendencias-big-data.
dcterms.bibliographicCitation Date, C. J. (2001). Introducción a los sistemas de bases de datos. Pearson Educación. Recuperado de https://unefazulias istemas.files.wordpress.com/2011/04/introducion-a-los-s iste mas-de-bases-de-datos-cj-date.pdf.
dcterms.bibliographicCitation Dun & Bradstreet. (04,06,2019). Lo que las empresas deberían saber sobre el Big Data. Recuperado dehttps://www.empresaactual.com/lo-que-las-empresas-deberian-saber-sobre-el-big-data.
dcterms.bibliographicCitation García, J., Mólina, J. M., Berlanga, A., Miguel, P. Á., Bustamante, Á. L., & Washington, P. R. (2018). Ciencia de datos Técnicas Analíticas y Aprendizaje Estadístico. Recuperado de Ciencia de datos técnicas analíticas y aprendizaje estadístico en un enfoque práctico.
dcterms.bibliographicCitation It Trends, Inteligencia Artificial(2020). Inteligencia artificial la siguiente gran revolución. Recuperado de https://www.ittrends.es/inteligencia-artificial/2020/03/inteligencia-artificial-la-siguiente-gran-revolucion.
dcterms.bibliographicCitation Kerlinger, (1979).Metodología dela investigación. Recuperado de https://www.uv.mx/persona l/cbustamante/files/2011/06/Metodologia-de-la-Investigaci%C3%83%C2%B3n_Sampieri. pdf.
dcterms.bibliographicCitation Lascurain, P.(01,03,1996). Definición de estructura funcional para la administración de los medios de almacenamiento de información. Recuperado de https://repositorio.tec.mx/handle/11285/569746.
dcterms.bibliographicCitation Mejía, T.Entrevista de Investigación: Tipos y Características. Recuperado de https://www.lifeder.com/entrevista-de-investigacion.
dcterms.bibliographicCitation Ministerio de comercio, industria y comercio(27,06,2013). Decreto número 1377 de 2013.Recuperado dehttps://www.mintic.gov.co/porta l/604/articles-4274_doc umento.pdf.
dcterms.bibliographicCitation Montiel,C. Universidad Valle del Grijalva (2013). Alcances de investigación. Recuperado de https://es.slideshare.net/cenzontle/4-a lcances-de-investigacion.
dcterms.bibliographicCitation Montse, Mateos. (2018). Cómo aprovechar el 'big data' para ser más productivo. Recuperado de https://www.expansion.com/expansion-empleo/desarrollo-de-carrera/2018/12/03/5c05670ae2704e01978b4581.html.
dcterms.bibliographicCitation Ortega, Fernando. (2017). La gestión moderna de la innovación de las empresas. Recuperado de http://journals.continenta l.edu.pe/index. php/ParaEmprender/article/view/448
dcterms.bibliographicCitation Pablos, E., González, M., Robredo, M., Rubio, J., Hortal, A., Paván, H. (2017). Tendencias del sector asegurador, Minsait Recuperado dehttps://www.minsait.com/s ites/default/files/newsroom_documents/informetendenciasseguros17.pdf.
dcterms.bibliographicCitation Puyol, Javier. (2014). Una aproximación a Big Data. Recuperado dehttp://e-spacio.uned.es/fez/view/bibliuned:RDUNED-2014-14-7150
dcterms.bibliographicCitation Real Academia Española. (2018). Definición Dato. Recuperado de https://dle.rae.es/dato.
dcterms.bibliographicCitation Real Academia Española. (2018). Definición Digitalizar. Recuperado de https://dle.rae.es/digitalizar.
dcterms.bibliographicCitation Rivas, E.(08,01,2018). ¿Qué es el Data mining o minería de datos?Recuperado de https://www.iebschool.com/blog/data-mining-mineria-datos-big-data.
dcterms.bibliographicCitation Schmarzo, Bill. (2014). Big Data: El poder de los datos. Recuperado dehttps://core.ac.uk/downloa d/pdf/84820952.pdf.
dcterms.bibliographicCitation Seagate. (14,07,2017). El volumen de datos total a nivel mundial aumentará en 10 veces para 2025. Recuperado dehttps://diarioti.com/el-volumen-de-datos-tota l-a-nivel-mundial-aumentara-en-10-veces-para-2025/104972.
dcterms.bibliographicCitation Sierra Cadavid, M.E., Álzate Ortiz, F.A. & Rivera Franco J.E.(2019). Gerencia y aprendizaje organizacional en el contexto de la educación. Revista Paradígma,264-278.
dcterms.bibliographicCitation Stair, R., & Reynolds, G. (2000). Principios de sistemas de información un enfoque administrativo. Recuperado de http://docshare04.docshare.tips/files/24101/241015829. pdf
dcterms.bibliographicCitation Tashakkori y Teddlie. (2003).Métodos mixtos en la investigación de las ciencias de la actividad física y el deporte. Recuperado dehttps://www.raco.cat/index.php/ApuntsEFD/artic le/download/268185/355763.
dcterms.bibliographicCitation Tendencias del sector asegurador, (19,03,2017).El sector del seguro, la transformación hacia el risk management integral y personalizado. Recuperado dehttps://www.minsait.com/s ites/default/files/newsroom_doc uments/informetendenciasseguros17.pdf
dcterms.bibliographicCitation Universidad de Alcalá, (2020).¿Sabes lo que es Data Mining? Recuperado de https://www.master-data-scientist.com/que-es-data-mining.
dcterms.bibliographicCitation Valencia Plaza, (19,03,2018).Indra prevé una revolución en el sector asegurador con el Big Data, IoT y 'machine learning'. Recuperado dehttps://valencia plaza.com/indra-preve-una-revolucion-en-el-sector-asegurador-con-el-big-data-iot-y-machine-learning.
dcterms.bibliographicCitation Valerio, G. (2002). Herramientas tecnológicas para administración del conocimiento. Recuperado dehttps://pdfs.semanticscholar.org/b60e/ec0fe597e8fdc056f0526bbba daeafdb8fb3.pdf
dcterms.bibliographicCitation Vetrò et al,(2016).Open data y big data: herramientas de software para ciudades inteligentes (caso de estudio). Recuperado de https://search-proquest.com.ezproxy.uniminuto.edu/abicomplete/docview/1671170585/36749A 8F45D841C8PQ/4?accountid=48797.
dcterms.bibliographicCitation Woerner, S.Wixom, B. (2015). Big data: extending the business strategy toolbox. Revista de Tecnología de la Información. Recuperado dehttps://search-proquest.com.ezproxy.uniminuto.edu/abicomplete/docview/1671170585/36749A 8F45D841C8PQ/4?accountid=48797.
dc.publisher.department Posgrado spa
dc.publisher.program Especialización en Gerencia de Proyectos spa
dc.type.spa Trabajo de Grado spa
dc.type.coar http://purl.org/coar/resource_type/c_46ec
dc.rights.local Open Access eng
dc.identifier.instname Corporación Universitaria Minuto de Dios spa
dc.identifier.reponame Colecciones Digitales Uniminuto spa
dc.identifier.repourl https:// repository.uniminuto.edu


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia

Search DSpace


Advanced Search

Browse

My Account