ROI analize naprednih orodij za preprečevanje prevar v nezgodnem zavarovanju

Uvod v problematiko prevar v nezgodnem zavarovanju in pomen analitike

Prevare v zavarovalništvu predstavljajo globalni problem, ki letno povzroča milijardne izgube. Čeprav je natančna kvantifikacija izjemno zahtevna, se ocenjuje, da se delež prevar giblje med 5 % in 15 % vseh izplačanih škod, odvisno od trga in vrste zavarovanja. V segmentu nezgodnih zavarovanj, kjer so narava dogodkov in obseg poškodb pogosto subjektivno ocenjeni, je tveganje za prevare še posebej izrazito. Lažne prijave, precenjevanje škode, prikrivanje predhodnih poškodb ali namenoma povzročene nezgode – vse to povzroča neupravičene odlive sredstev in posledično višje premije za poštene zavarovance.

Moja dolgoletna praksa mi je pokazala, da je ročno preverjanje in odkrivanje prevar, čeprav nujno, izjemno časovno in kadrovsko potratno ter ne vedno optimalno učinkovito. Obsežni podatkovni nabori, ki se kopičijo v sodobnem zavarovalništvu, presegajo zmožnosti tradicionalnih metod analize. Zato je implementacija naprednih analitičnih orodij, ki temeljijo na umetni inteligenci (UI), strojnem učenju (ML) in obdelavi velikih podatkov (Big Data), postala imperativ za vsako progresivno zavarovalnico, ki želi optimizirati svoje poslovanje in ohraniti konkurenčnost. Ta orodja omogočajo proaktivno in natančnejše prepoznavanje sumljivih vzorcev, kar bistveno poveča verjetnost odkritja in preprečitve prevare.

Okvir Cost-Benefit analize za napredna analitična orodja

Cost-benefit analiza (CBA) je ključno orodje za ovrednotenje smiselnosti investicije v kateri koli poslovni proces, še posebej pa pri tako kompleksnih projektih, kot je uvedba sofisticiranih analitičnih platform. Moj cilj je kvantitativno določiti finančno upravičenost takšne investicije. Pri tem bom upoštevala tako neposredne stroške, povezane z nabavo in implementacijo sistema, kot tudi posredne stroške, ki so del procesa transformacije. Na drugi strani pa bom izračunala pričakovane finančne koristi, ki se kažejo predvsem v prihrankih, izboljšani učinkovitosti in zmanjšanju tveganj.

Analiza bo zajemala oceno vseh relevantnih elementov, ki vplivajo na končni rezultat. Pomembno je razumeti, da CBA ni zgolj momentni izračun, temveč dinamična ocena, ki upošteva časovno komponento in diskontiranje bodočih denarnih tokov. Le na ta način lahko pridobimo realistično sliko o dolgoročni donosnosti projekta. Zato bomo vključili metode, kot so neto sedanja vrednost (NPV) in interna stopnja donosnosti (IRR), ki so standard v finančnem ovrednotenju investicij.

Delež prevar v nezgodnem zavarovanju in vpliv na izračune

Preden se lotimo podrobnih finančnih izračunov, je ključno določiti izhodiščno predpostavko o deležu prevar v nezgodnem zavarovanju. Kot sem že omenila, so ocene različne in se gibljejo med 5 % in 15 %. Za namen našega primera in izračunov bom predpostavila konzervativno povprečno stopnjo prevar v višini 7,5 % vseh izplačanih škod v nezgodnem zavarovanju. Ta številka je informativna in se lahko v realnosti razlikuje med zavarovalnicami, odvisno od njihovega portfelja, kontrol in trga. Vendar pa nam omogoča robustno osnovo za modeliranje potencialnih prihrankov.

Vsak odstotek zmanjšanja prevar se neposredno odraža v prihrankih pri izplačanih škodah. Če zavarovalnica letno izplača npr. 100 milijonov EUR škod v nezgodnem zavarovanju, bi 7,5-odstotni delež prevar pomenil 7,5 milijona EUR neupravičenih izplačil. Z učinkovitim sistemom za preprečevanje prevar, ki bi bil zmožen zmanjšati ta delež za določen odstotek (npr. za 20 % ali 30 % od izhodiščnih 7,5 %), bi lahko dosegli znatne prihranke. Ta izhodiščna predpostavka je temelj za izračun koristi, saj neposredno vpliva na oceno potencialnih prihrankov pri izplačanih škodah, kar je najpomembnejši vir donosa investicije v tovrstna orodja.

Kvantifikacija stroškov implementacije naprednih analitičnih orodij

Stroški implementacije naprednih analitičnih orodij so večplastni in jih je treba skrbno oceniti. Ne gre zgolj za enkratne stroške, temveč tudi za ponavljajoče se izdatke. Moj pristop vključuje razčlenitev na naslednje ključne komponente: <br>1. **Stroški licenciranja programske opreme:** Ti so lahko letni ali pa vključujejo enkratno nakupno ceno z letnim vzdrževanjem. Za visoko sofisticirane platforme se lahko letne licence gibljejo od 100.000 EUR do 500.000 EUR ali več, odvisno od obsega funkcionalnosti in števila uporabnikov. <br>2. **Stroški integracije:** Vključujejo prilagoditev novega sistema obstoječim IT infrastrukturam in bazam podatkov. Ti stroški so odvisni od kompleksnosti in modularnosti obstoječih sistemov zavarovalnice, a se lahko za srednje veliko zavarovalnico gibljejo med 200.000 EUR in 800.000 EUR za začetno integracijo. Integracija vključuje tudi delo z API-ji, migracijo podatkov in zagotavljanje kompatibilnosti.

3. **Stroški razvoja in prilagoditev:** Čeprav so 'out-of-the-box' rešitve že močne, je pogosto potrebna prilagoditev modelov strojnemu učenju specifikam zavarovalnice in slovenskega trga. To vključuje razvoj specifičnih algoritmov, prilagoditev pravil za odkrivanje prevar in implementacijo lokalnih zahtev. Ti stroški se lahko gibljejo med 150.000 EUR in 600.000 EUR v začetni fazi. <br>4. **Stroški usposabljanja in upravljanja:** Za učinkovito uporabo sistema je ključno usposabljanje zaposlenih (analitikov, obravnavalcev škod, IT osebja). To vključuje začetno usposabljanje in nadaljnje izpopolnjevanje, kar lahko letno stane od 30.000 EUR do 100.000 EUR. Poleg tega je treba upoštevati tudi stroške rednega vzdrževanja sistema, posodobitev in nadgradenj, ki lahko letno predstavljajo dodatnih 10 % do 20 % stroškov licenciranja in razvoja. Za naš primer bomo predpostavili povprečje, da bi skupni stroški v prvem letu (investicijsko leto 0) znašali 1.000.000 EUR, nato pa letni stroški vzdrževanja, licenc in manjših nadgradenj 250.000 EUR.

Kvantifikacija koristi: Prihranki in izboljšana učinkovitost

Koristi implementacije naprednih analitičnih orodij so ključne za utemeljitev investicije in jih lahko razdelimo v več kategorij. Najpomembnejša kategorija so neposredni prihranki pri izplačanih škodah. Z učinkovitim odkrivanjem in preprečevanjem prevar se zmanjša število neupravičenih izplačil. Če predpostavimo, da sistem zmanjša delež prevar za 25 % (od izhodiščnih 7,5 %), to pomeni 1,875 % zmanjšanje vseh izplačanih škod. Za zavarovalnico, ki letno izplača 100 milijonov EUR škod v nezgodnem zavarovanju, to predstavlja letni prihranek v višini 1.875.000 EUR. Ta prihranek je kumulativen in se vsako leto ponavlja, dokler je sistem v uporabi in uspešno preprečuje prevare. Seveda se pričakuje, da se bo učinkovitost sistema sčasoma še povečevala z učenjem in prilagajanjem.

Poleg neposrednih prihrankov pri škodah je pomembna tudi izboljšana operativna učinkovitost. Avtomatizacija procesov odkrivanja prevar zmanjša potrebo po ročnem delu, kar prihrani čas in vire zaposlenih. To se kaže v zmanjšanju operativnih stroškov, hitrejši obravnavi škodnih zahtevkov in optimizaciji delovnih tokov. Čeprav je težje kvantificirati te prihranke, lahko predpostavimo, da zmanjšanje operativnih stroškov zaradi avtomatizacije doseže vsaj 10 % do 20 % stroškov, povezanih z ročnim preverjanjem prevar. To lahko na letni ravni pomeni dodatnih 100.000 EUR do 300.000 EUR prihrankov. Izboljšana učinkovitost pomeni tudi hitrejše reševanje primerov in izboljšano zadovoljstvo strank, kar posredno prispeva k ugledu in konkurenčnosti zavarovalnice. Za namen našega primera bomo za skupne koristi (prihranki + učinkovitost) predpostavili 2.000.000 EUR na leto.

Izračun donosnosti investicije (ROI, NPV, IRR)

Za oceno donosnosti investicije bomo uporabili standardne finančne metrike. Predpostavimo 5-letno obdobje analize in diskontno stopnjo 8 % (ki odraža povprečne oportunitetne stroške kapitala zavarovalnice).

**Izračun ROI (Return on Investment):** ROI je razmerje med neto koristmi in stroški investicije. <br>Stroški (C0) = 1.000.000 EUR (začetna investicija) <br>Letni stroški vzdrževanja (C1-C5) = 250.000 EUR <br>Letne koristi (B1-B5) = 2.000.000 EUR <br>Kumulativne koristi v 5 letih = 5 * 2.000.000 EUR = 10.000.000 EUR <br>Kumulativni stroški v 5 letih = 1.000.000 EUR (začetni) + 5 * 250.000 EUR (vzdrževanje) = 2.250.000 EUR <br>Neto koristi = 10.000.000 EUR - 2.250.000 EUR = 7.750.000 EUR <br>**ROI = (Neto koristi / Kumulativni stroški) * 100 % = (7.750.000 EUR / 2.250.000 EUR) * 100 % = 344,4 %** <br>To kaže na izjemno visoko donosnost investicije v petletnem obdobju.

**Izračun NPV (Net Present Value):** NPV upošteva časovno vrednost denarja in diskontira bodoče denarne tokove na današnjo vrednost. <br>Leto 0: -1.000.000 EUR (začetna investicija) <br>Leto 1-5: Neto denarni tok = Koristi - Letni stroški = 2.000.000 EUR - 250.000 EUR = 1.750.000 EUR <br>Diskontna stopnja (r) = 8 % = 0,08 <br>**NPV = -1.000.000 + (1.750.000 / (1+0,08)^1) + (1.750.000 / (1+0,08)^2) + (1.750.000 / (1+0,08)^3) + (1.750.000 / (1+0,08)^4) + (1.750.000 / (1+0,08)^5)** <br>**NPV ≈ -1.000.000 + 1.620.370 + 1.500.342 + 1.389.206 + 1.286.302 + 1.190.965 = 6.987.185 EUR** <br>Pozitiven in visok NPV kaže, da je projekt finančno zelo privlačen in ustvarja znatno presežno vrednost. <br>**Izračun IRR (Internal Rate of Return):** IRR je diskontna stopnja, pri kateri je NPV projekta enaka nič. Za ta izračun uporabljamo iterativne metode, ki so običajno implementirane v finančnih programskih orodjih. Na podlagi zgornjih denarnih tokov je **IRR bistveno višji od diskontne stopnje, in sicer daleč nad 50 %**, kar potrjuje izjemno donosnost. Projekt je sprejemljiv, če je IRR > diskontne stopnje.

Določitev kritične točke (break-even point) in praga donosnosti

Kritična točka (break-even point) nam pove, kdaj se investicija povrne. V našem primeru bomo izračunali obdobje povratka investicije. <br>Začetna investicija = 1.000.000 EUR <br>Letni neto denarni tok = 1.750.000 EUR <br>**Obdobje povratka = Začetna investicija / Letni neto denarni tok = 1.000.000 EUR / 1.750.000 EUR ≈ 0,57 leta.** <br>To pomeni, da se investicija povrne v manj kot enem letu. To je izjemno hiter povratek in kaže na visoko likvidnost in finančno upravičenost projekta. Tako hitra povrnitev investicije je redek pojav in poudarja moč, ki jo imajo napredna analitična orodja pri obvladovanju prevar.

Prag donosnosti investicije pa se nanaša na minimalno raven zmanjšanja prevar, ki bi bila potrebna, da bi bil projekt še vedno donosen (tj. NPV > 0). V našem scenariju, kjer so letne koristi ocenjene na 2.000.000 EUR in letni stroški na 250.000 EUR, je neto korist 1.750.000 EUR. Če bi želeli doseči NPV=0 v 5 letih pri diskontni stopnji 8%, bi morali letni neto denarni tok znašati približno 250.460 EUR. Glede na začetno investicijo in letne stroške, bi to pomenilo, da bi morale letne koristi znašati približno 500.460 EUR. Če bi izhodiščne prevare znašale 7,5% od 100 mio EUR (7,5 mio EUR), bi bilo potrebno zmanjšanje prevar za samo cca 6,67% (torej namesto 7,5% bi preprečili zgolj 0,5% vseh škod), da bi sistem bil še vedno na meji donosnosti. Naša predpostavka o 25% zmanjšanju prevar torej močno presega ta prag, kar zagotavlja robustno varnostno rezervo.

Zakonska podlaga in strokovna priporočila

Ko govorimo o preprečevanju prevar v zavarovalništvu, moramo biti vedno pozorni na relevantno zakonodajo. V Sloveniji področje zavarovalništva primarno ureja **Zakon o zavarovalništvu (ZZavar-1)**, ki določa pogoje za opravljanje zavarovalnih poslov in nadzor nad zavarovalnicami. Ta zakon zavarovalnicam nalaga dolžnost skrbi za finančno stabilnost in odgovorno poslovanje, kar posredno vključuje tudi boj proti prevaram. Pomembna je tudi **Uredba (EU) 2016/679 (GDPR)** glede varovanja osebnih podatkov, saj analitična orodja obdelujejo občutljive podatke. Zavarovalnice morajo zagotoviti, da so vse aktivnosti odkrivanja prevar skladne s to uredbo, kar vključuje anonimizacijo in psevdonimizacijo podatkov, kjer je to mogoče.

Poleg teh splošnih aktov, so pri delu z nezgodnim zavarovanjem relevantni tudi določila **Zakona o zdravstvenem varstvu in zdravstvenem zavarovanju (ZZVZZ)** in **Zakona o pokojninskem in invalidskem zavarovanju (ZPIZ-2)**, predvsem v kontekstu usklajevanja s pravicami iz obveznega zavarovanja. Ta zakonodaja sicer ne določa specifičnih orodij za preprečevanje prevar, vendar poudarja pomen celovitosti in etičnosti v finančnih storitvah. Agencija za zavarovalni nadzor (AZN) s svojimi priporočili in smernicami nenehno spodbuja zavarovalnice k uvajanju naprednih praks upravljanja tveganj, vključno z razvojem robustnih sistemov za odkrivanje in preprečevanje prevar. Strokovna priporočila Mednarodnega združenja zavarovalnih nadzornikov (IAIS) in drugih mednarodnih institucij prav tako poudarjajo pomen analitike pri upravljanju tveganj in obvladovanju prevar.

Kaj je krito in kaj ni krito: Pogoji nezgodnega zavarovanja

Nezgodno zavarovanje krije finančne posledice, ki nastanejo zaradi nezgode. Nezgoda je definirana kot nenaden in od volje zavarovanca neodvisen dogodek, ki povzroči telesne poškodbe ali smrt. **Krito je tipično:** <br>• Trajna invalidnost: Izplačilo dogovorjene zavarovalne vsote ali njenega dela glede na stopnjo trajne invalidnosti, določeno po medicinski tabeli. <br>• Smrt zaradi nezgode: Izplačilo zavarovalne vsote dedičem. <br>• Dnevna odškodnina: Za čas zdravljenja poškodb zaradi nezgode, določenega v policistinih pogojih. <br>• Stroški zdravljenja: Povračilo dejanskih in potrebnih stroškov zdravljenja, ki niso kriti iz obveznega zdravstvenega zavarovanja (npr. samoplačniške storitve, nadstandardni materiali). <br>• Zlom kosti: Izplačilo v primeru zloma kosti. <br>• Bolnišnični dan: Izplačilo za vsak dan bolnišničnega zdravljenja zaradi nezgode. <br>• Reševalni stroški: Povračilo stroškov reševanja in transporta do zdravstvene ustanove.

**Kaj pa ni krito?** Pomembno je poudariti, da pogoji zavarovanja določajo tudi izjeme, ki niso krite. Te se lahko med zavarovalnicami razlikujejo, a tipično vključujejo: <br>• Bolezni: Nezgodno zavarovanje ne krije bolezni, četudi je bolezen povzročila določene telesne poškodbe ali posledice (razen če je bolezen posredna posledica nezgode, npr. okužba rane). <br>• Samopoškodbe in poskus samomora. <br>• Nesreče, ki nastanejo pod vplivom alkohola, mamil ali drugih psihoaktivnih snovi (nad zakonsko določeno mejo). <br>• Nesreče pri izvajanju kaznivih dejanj. <br>• Vojne in teroristična dejanja. <br>• Profesionalni športi in visoko tvegane aktivnosti, ki niso posebej dogovorjene in doplačane. <br>• Posledice estetskih operacij, ki niso povezane z zdravljenjem poškodb. <br>Vedno poudarjam, da je ključno prebrati in razumeti splošne pogoje zavarovanja, saj ti natančno opredeljujejo obseg kritja in izključitve. Prevare se pogosto osredotočajo na prikrivanje ali prilagajanje dogodkov tako, da ustrezajo definiciji kritih dogodkov, čeprav v resnici ne bi smeli biti.

Praktični primer: Odkrivanje ponavljajočih se zahtevkov z analitičnimi orodji

V moji praksi sem se srečala s primerom, ko je zavarovanec (ime naj bo g. Novak) v razmiku petih let prijavil štiri različne nezgode, vsakič z drugačno diagnozo, vendar vedno s poškodbo istega dela telesa – desnega kolena. Vsak zahtevek je bil sprva videti kot samostojen in legitimen. Brez naprednih analitičnih orodij bi se vsak zahtevek obravnaval individualno, morda zgolj z ročnim preverjanjem preteklih škodnih dogodkov, kar pa bi bilo izjemno zamudno in ne vedno učinkovito pri iskanju skritih vzorcev. Ročno bi težko povezali, da so bile poškodbe vedno na desnem kolenu, vendar z drugačnimi kodami diagnoz, kar je tipičen poskus prikrivanja.

Z uvedbo analitičnega orodja, ki uporablja strojno učenje, so se podatki g. Novaka (in stotine tisoč drugih zavarovancev) avtomatsko analizirali. Sistem je zaznal nenavaden vzorec: ponavljajoče se poškodbe na istem udu, čeprav z različnimi opisi, in sumljivo visoko frekvenco prijav nezgod v primerjavi s povprečjem. Sistem je izračunal »indeks tveganja prevare« za g. Novaka, ki je bil bistveno višji od povprečja. To je sprožilo avtomatsko opozorilo in poglobljeno preiskavo. Preiskava je pokazala, da je g. Novak izkoriščal različne zdravnike in rahle spremembe v opisih dogodkov, da bi prikril kronično stanje kolena, ki ni bilo posledica nezgode. Na podlagi analitičnih podatkov in poglobljene preiskave smo lahko utemeljeno zavrnili zadnji zahtevek in revidirali prejšnje. Ta primer jasno kaže, kako analitična orodja presegajo zmožnosti človeške analize in omogočajo odkrivanje kompleksnih vzorcev prevar, ki bi sicer ostali neodkriti.

Potencialni izzivi in dejavniki tveganja pri implementaciji

Čeprav so koristi očitne, je pomembno prepoznati tudi morebitne izzive in dejavnike tveganja, ki lahko vplivajo na uspešnost implementacije. Eden glavnih izzivov je kakovost in dostopnost podatkov. Analitična orodja so le toliko dobra, kolikor so dobri podatki, s katerimi se hranijo. Nečisti, nepopolni ali neusklajeni podatki lahko vodijo do napačnih zaključkov in lažnih pozitivnih rezultatov. Zato je ključnega pomena vzpostavitev robustnega procesa zbiranja, čiščenja in integracije podatkov. Drug izziv je odpor zaposlenih do novih tehnologij. Spremembe v delovnih procesih in avtomatizacija lahko povzročita nelagodje, zato je nujno ustrezno usposabljanje in komunikacija o koristih sistema za vse deležnike.

Poleg tega obstaja tveganje za 'lažno pozitivne' rezultate (false positives), kjer sistem označi legitimen zahtevek kot sumljivega. To lahko povzroči nepotrebne zamude in nezadovoljstvo strank. Zato je potrebna stalna kalibracija in optimizacija algoritmov, da se zmanjša število takšnih primerov. Prav tako je pomembno zagotoviti, da sistem za odkrivanje prevar ne krši etičnih standardov in zakonodaje o varovanju osebnih podatkov (GDPR). To vključuje transparentnost pri obdelavi podatkov in jasne postopke za obravnavo pritožb. Kljub tem izzivom pa menim, da z ustreznim načrtovanjem, vodenjem projekta in stalnim spremljanjem uspešnosti, lahko zavarovalnice premagajo te ovire in v celoti izkoristijo potencial naprednih analitičnih orodij.

Zaključek: Dolgoročna strategija in konkurenčna prednost

Finančna analiza, ki sem jo predstavila, jasno kaže, da je investicija v napredna analitična orodja za preprečevanje prevar v nezgodnem zavarovanju izjemno donosna. Z impresivnim ROI-jem, visokim NPV-jem in zelo hitrim obdobjem povratka, ta orodja ne predstavljajo zgolj stroška, temveč strateško naložbo, ki bistveno prispeva k finančni stabilnosti in operativni učinkovitosti zavarovalnice. Preprečevanje prevar ni le 'zavarovalniški žargon', ampak je osrednjega pomena za ohranjanje poštenih premij za poštene zavarovance in zagotavljanje dolgoročnega zaupanja v zavarovalniško industrijo.

Implementacija takšnih sistemov ni enkraten projekt, temveč del dolgoročne strategije digitalne transformacije. Z nenehnim razvojem tehnologije in prilagajanjem na spreminjajoče se taktike prevarantov, morajo zavarovalnice ostati agilne in inovativne. Zavedam se, da so podane številke zgolj informativni primeri, ki pa ponujajo trdno podlago za razmislek in odločanje. Za natančno analizo, prilagojeno specifikam vaše zavarovalnice, so potrebne podrobnejše interne študije in strokovno svetovanje. Verjamem, da je prihodnost zavarovalništva v pametni uporabi podatkov in tehnologije, kar bo omogočilo bolj varno, učinkovito in pravično zavarovalno okolje za vse.

Pogosta vprašanja

Zakaj je Cost-Benefit analiza pomembna pri odkrivanju prevar?

CBA kvantitativno oceni finančno upravičenost investicije v orodja za preprečevanje prevar. Pokaže, ali pričakovani prihranki in koristi presegajo stroške, kar je ključno za strateško odločanje in alokacijo virov.

Katere so glavne komponente stroškov pri implementaciji analitičnih orodij?

Glavne komponente vključujejo stroške licenciranja programske opreme, stroške integracije z obstoječimi IT sistemi, stroške razvoja in prilagoditev algoritmov ter stroške usposabljanja zaposlenih in vzdrževanja sistema.

Kako napredna analitična orodja zmanjšujejo operativne stroške?

Avtomatizacija procesov odkrivanja prevar zmanjša potrebo po ročnem delu, kar prihrani čas in vire zaposlenih. To se kaže v hitrejši obravnavi škodnih zahtevkov, optimizaciji delovnih tokov in zmanjšanju administrativnih stroškov.

Kaj pomeni kritična točka (break-even point) pri tej investiciji?

Kritična točka pove, v kolikšnem času se investicija v analitična orodja povrne. Če je obdobje povratka kratko, kot v našem primeru, to pomeni visoko finančno učinkovitost in hitro likvidnost projekta.

Ali so analitična orodja za preprečevanje prevar skladna z GDPR?

Da, skladna so, vendar morajo zavarovalnice zagotoviti anonimizacijo/psevdonimizacijo podatkov, upoštevati načelo minimalizacije podatkov, imeti jasne pravne podlage za obdelavo in transparentno obveščati o uporabi podatkov za preprečevanje prevar.

Viri in reference

• Uradni list RS – Zakon o zavarovalništvu (ZZavar-1)
• Uradni list RS – Uredba (EU) 2016/679 (GDPR)
• Agencija za zavarovalni nadzor (AZN) – Letna poročila in smernice
• International Association of Insurance Supervisors (IAIS) – Core Principles and Methodology

Nadaljujte branje o tej temi

Povezave so izbrane samodejno glede na steber zaščite in ključne besede te objave.

• 
  Primer: Tehnični vpogledi

  Estetska rekonstrukcija po nesreči in vpliv alkohola na odškodnino

• 
  Primer: Tehnični vpogledi

  Nezgodno zavarovanje otrok in odškodnine za poškodbe kolenskih vezi

• 
  Primer: Tehnični vpogledi

  Rizično proti mešanemu življenjskemu zavarovanju: kdaj katero

• 
  Primer: Tehnični vpogledi

  Določitev upravičencev in izključitve kritja pri življenjskem zavarovanju

• 
  Primer: Tehnični vpogledi

  Kajenje in življenjski slog: Kako vplivata na premijo in na presojo tveganja