فرآیندکاوی برای بهینه‌سازی پردازش خسارت‌های بیمه: مطالعه موردی یک شرکت بیمه

پردازش خسارت‌های بیمه‌ای یکی از مهم‌ترین فرآیندهای عملیاتی شرکت‌های بیمه است که تاخیر در آن می‌تواند موجب نارضایتی مشتریان و افزایش هزینه‌های سازمانی شود. با وجود تعریف مدل‌های استاندارد و توافق‌نامه‌های سطح خدمات (sla)، اجرای واقعی فرآیند در بسیاری از موارد با مدل طراحی‌شده تفاوت دارد و این انحراف‌ها سبب ایجاد گلوگاه‌ها، دوباره‌کاری‌ها و کاهش بهره‌وری می‌شود. این پژوهش با هدف تحلیل جریان واقعی فرآیند و بهینه‌سازی آن، از روش فرآیندکاوی در یک شرکت بیمه مورد مطالعه استفاده کرده است. داده‌های مورد استفاده شامل 9919 پرونده خسارت بدنه خودرو در سال 1401 بوده که پس از پیش‌پردازش، با بهره‌گیری از نرم‌افزار بهفالب مورد تحلیل قرار گرفت. نتایج نشان داد که بیش از 25 درصد پرونده‌ها زمان پردازش بیش از 30 روز داشته‌اند و فعالیت‌های ارزیابی کارشناسی و تاییدهای مالی مهم‌ترین گلوگاه‌های فرآیند هستند. همچنین پرونده‌هایی که از مسیرهای غیر استاندارد عبور کرده‌اند، به‌طور متوسط 40 درصد زمان بیشتری برای تکمیل نیاز داشته‌اند. یافته‌ها نشان می‌دهد که استفاده از فرآیندکاوی می‌تواند زمان کل پردازش پرونده‌ها را تا حدود 30 درصد کاهش داده و موجب بهبود انطباق فرآیندی و افزایش کارایی عملیاتی شود. این پژوهش ارزش کاربردی فرآیندکاوی در شفاف‌سازی رفتار واقعی فرآیند و ارائه پیشنهادات داده‌محور برای بهبود عملکرد صنعت بیمه را نشان می‌دهد.

process mining–based optimization of insurance claim processing: a case study of an insurance company

insurance claim processing is one of the most critical operational workflows in insurance organizations, and delays in this process can lead to customer dissatisfaction and increased administrative costs. despite the existence of standardized workflows and service level agreements (sla), the actual execution of the process often deviates from the designed model, resulting in bottlenecks, rework, and reduced efficiency. this study aims to analyze and optimize the real-life claim handling process in an insurance company under study using a data-driven process mining approach. a dataset consisting of 9,919 automobile body damage claim cases recorded in 2022 was used. after preprocessing, the event logs were analyzed using the behfalab process mining software to discover the actual process model, identify bottlenecks, measure delays, and assess conformity with the standard workflow. the results showed that more than 25% of the cases exceeded the 30-day sla, and the expert assessment and financial approval activities were identified as the main bottlenecks. furthermore, cases that followed nonstandard process variants required, on average, 40% more time to complete compared to those following the standard path. the findings indicate that process mining can reduce overall processing time by up to 30%, improve sla compliance, and enhance operational efficiency. this study demonstrates the practical value of process mining in understanding real process behavior and providing data-driven recommendations for improving performance in the insurance sector.