Frameworks for Data Quality Enhancement in Life Reinsurance

Richard Steigauf

Master's thesis

Rámce pro zlepšení kvality dat v životním zajištění

Abstract:

Diplomová práce představuje rozšířený rámec pro zlepšení kvality dat v kontextu životního pojištění v rámci zajišťovacího průmyslu, v němž jsou přesná data klíčová pro efektivní rozhodování a řízení rizik. Práce se zabývá problémy vyplývajícími z nekonzistence dat předkládaných klienty a navrhuje komplexní řešení, které lze integrovat do stávající datové infrastruktury. Hlavním cílem je zvýšit kvalitu dat v životním zajištění prostřednictvím vývoje a zavádění strategických zlepšení. To zahrnuje zavedení pokročilého procesu profilování dat za účelem pochopení struktury, obsahu, vztahů a vzorců, kterého se dosáhne prostřednictvím fáze posouzení dat za účelem vyhodnocení a zajištění jejich kvality. Dále práce přistupuje k návrhu kontrolních mechanismů pro kvalitu dat, které jsou více přizpůsobeny specifickým byznysovým požadavkům a pravidlům v oblasti zajištění. Spolu s tím navrhuje mechanismy pro účinnou korekci dat, aby bylo zajištěno, že zjištěné problémy budou řešeny přesně a efektivně. Další důležitou součástí práce je vývoj zdokonaleného systému reportingu problémů datové kvality. Právě ten nabízí přehled o existujících nesrovnalostech v kvalitě dat a pomáhá zainteresovaným stranám přijmout vhodná opatření k jejich řešení. Kromě těchto praktických aplikací obsahuje práce i teoretickou část o kvalitě dat a zásadách jejich řízení. Tato část se zabývá širšími koncepty a metodami kvality dat a jejich řízení nad rámec konkrétního kontextu zajištění. Teoretický základ nejen podporuje navržené praktické rámce, ale také přispívá k širší akademické diskusi o řízení kvality dat, která má důležité důsledky pro provozní efektivitu a přesnost rozhodování.

Abstract:

The master's thesis introduces an improved framework to enhance data quality in the field of life reinsurance, where precise data is essential for effective decision-making and risk management. The thesis acknowledges the challenges posed by inconsistencies in client-submitted data and proposes a comprehensive solution that can be seamlessly integrated into existing data processing infrastructure. The primary goal is to enhance the quality of data in life reinsurance through the development and implementation of strategic improvements. This involves establishing an advanced data profiling process to understand the structure, content, relationships, and patterns within life reinsurance data, achieved through a data assessment phase to evaluate and ensure data quality. Additionally, the thesis outlines the design of data quality checks tailored to the specific business needs and challenges in the reinsurance domain. It also proposes mechanisms for effective data correction to accurately and efficiently address identified issues. The thesis emphasizes the development of an improved reporting system for data quality problems, providing transparent insights into existing data quality discrepancies and enabling stakeholders to take appropriate actions. Beyond practical applications, the thesis delves into a theoretical exploration of data quality and management principles, examining broader concepts and methods beyond the specific context of reinsurance. This theoretical foundation not only supports the proposed practical framework but also contributes to the broader academic discourse on data quality management, with significant implications for operational efficiency and decision-making accuracy across various industries.

Keywords

kvalita dat, kontrola kvality dat, životní zajištění, Business Intelligence, profilování dat, posouzení dat, data management, korekce dat, Power BI reporting, rámec datové kvality, reporting kvality dat

Keywords

data quality checks, life reinsurance, Business Intelligence, data profiling, data assessment, data quality framework, data quality reporting, data quality, data management, data correction, Power BI reporting

Language used: English

Date on which the thesis was submitted / produced: 22. 6. 2024

Thesis defence

• Date of defence: 2024
• Supervisor: Miloš Maryška
• Reader: Felix Espinoza

Vysoká škola ekonomická v Praze

Master programme / field:
Informační systémy a technologie / Business Intelligence