ارائه چارچوب بلوغ تحول دیجیتال در صنعت بیمه ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری- پردیس بین-المللی کیش، دانشگاه تهران

2 استادیار گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران

3 دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

10.22091/stim.2024.10091.2033

چکیده

هدف: با توجه به نقش و اهمیت صنعت بیمه در اقتصاد کشورها، در این مطالعه به طراحی مدل بلوغ تحول دیجیتال در صنعت بیمه ایران پرداخته شد. طراحی مدل بلوغ دیجیتال در صنعت بیمه با فراهم نمودن راهنمای جامع برای تقویت قابلیت‌ها، هدف-گذاری و تکرار موفقیت‌ها، نقشی حیاتی در استقرار موفقیت‌آمیز موضوعات کسب‌وکار و کاهش عدم قطعیت‌ها در این صنعت ایفا می‌کند. از طرف دیگر، در سال‌های اخیر تعداد تحقیقات حوزه تحول و بلوغ دیجیتال افزایش یافته است. لیکن، با توجه به نقش صنعت بیمه در توسعه یافتگی کشورها، متأسفانه در داخل کشور بویژه در صنعت بیمه، پژوهش‌های اندکی در خصوص طراحی مدل‌های بلوغ تحول دیجیتال در صنعت یاد شده صورت پذیریفته و لذا از این حیث نسبتاً جدید محسوب می‌شود.

روش: تحقیق حاضر با توجه به ماهیت آن از حیث هدف، کاربردی- توسعه‌ای محسوب می‌شود. در این پژوهش ابتدا مقالات مرتبط با تحول و بلوغ دیجیتال در صنعت بیمه با استفاده از رویکرد مرور نظام‌مند پیشینه مورد مطالعه قرار گرفتند. در ادامه مقالات منتخب، با به‌کارگیری نظریه داده‌بنیاد (سه مرحله‌ای) کدگذاری شده و پس از برچسب زدن به داده‌ها و کدگذاری مفاهیم، تحلیل و طبقه‌بندی مفاهیم انجام شد. مرور نظام‌مند پیشینه، روشی برای شناسایی، ارزیابی و درک همه پژوهش‌های مرتبط با یک سؤال پژوهش یا پدیده مورد علاقه است و به‌منظور خلاصه‌سازی شواهد موجود، تشخیص شکاف‌های پژوهش‌های فعلی و ارائه چارچوب نهایی استفاده می‌شود. مرور نظام‌مند پیشینه پژوهش حاضر از نوع مرور کیفی بود که در آن به‌جای داده‌های عددی که در مرور نظام‌مند عمومی و فراتحلیل موردبررسی قرار می‌گیرند، بر داده‌های متنی تمرکز دارد. مطابق با مدل ولفسوینکل و همکاران (2013) ، پنج مرحله تعریف (تعریف سؤالات پژوهش، تعریف معیارهای شمول، تعیین پایگاه داده‌های مناسب)، جستجو (جستجوی منابع شناسایی شده)، انتخاب (محدودسازی نمونه‌ها)، تجزیه‌وتحلیل (کدگذاری باز، محوری، انتخابی) و ارائه گزارش طی شد. همچنین به‌منظور افزایش اطمینان، جستجوی پیش‌رونده و عقب‌گرد انجام شد. در جستجوی عقب‌گرد، مراجع مقالات به‌دست آمده مورد بررسی قرار گرفتنه و در صورت تناسب و تکرار در منابع، به مقالات منتخب اضافه شدند. در جستجوی پیش‌رونده، منابعی که به مقالات کلیدی به‌دست آمده استناد کرده‌بودند، مورد جستجو قرار گرفتند. جهت انتخاب مناسب‌ترین و مهمترین مقالات، معیارهای شمول و عدم‌ شمول براساس پژوهش عبدالمعبود و همکاران (2014) تعیین شد. با توجه به آمار موتورهای جستجوی پیشینه و تجربه‌های گزارش شده در مرورهای پیشین، از پایگاه داده‌های مقالات معتبر نظیر: اسکوپوس، اسپرینگر و ساینس‌دایرکت استفاده شد. با توجه به روند انتشار مقالات، جستجوی مقالات در دوره 2019 تا 2023 انجام شد. در اولین مرحله جستجو 101 مقاله بازیابی و با استفاده از روش‌های عقب‌گرد و پیش‌رونده به‌ترتیب 3 و 1 مقاله دیگر استخراج شدند. پس از اعمال معیارهای شمول و عدم‌شمول، در نهایت 29 مقاله انتخاب شدند. پس از جستجو و انتخاب مقالات منتخب، تحلیل آن‌ها به‌منظور استخراج ابعاد بلوغ دیجیتال در صنعت بیمه انجام شد. برای این منظور از نظریه داده بنیاد که یکی از روش‌های توصیه شده برای به‌کارگیری در مرحله تجزیه وتحلیل است (برتلسون و فردریکسون، ۲۰۱۸) استفاده شد.

یافته‌ها: نتایج حاصل از کدگذاری باز منجر به شناسایی 140 مفهوم، 35 مقوله فرعی، 15 مقوله اصلی و 4 بعد (توانمندسازها، زمینه‌سازها، بازدارنده‌ها و دستاوردها) شد. در مرحله کدگذاری انتخابی براساس نتایج دو مرحله قبلی کدگذاری، چارچوب مدل یا ابرانگاره نهایی عرضه شد. براین اساس مدل نهایی بلوغ دیجیتال در صنعت بیمه ایران ارائه شد. پس از شناسایی عناصر مفهومی، نتایج فرآیند کدگذاری‌ها در قالب بررسی توافق دو کدگذار بر مبنای ضریب کاپا مورد ارزیابی قرار گرفت. با توجه به این که سطح معنی‌داری برای ضریب کاپا کوچکتر از 05/0 بود، نتیجه گرفته شد که یافته‌های کدگذاری از پایایی کافی برخوردار بوده و مدل ارائه شده بلوغ تحول دیجیتال در صنعت بیمه ایران قابل اتکا است.

نتیجه‌گیری: به‌طور کلی مدل بلوغ دیجیتال طراحی شده، تجهیز صنعت بیمه به توانمندسازهای دیجیتال از جمله: حکمرانی و رهبری، استراتژی، فرهنگ و مهارت، فناوری، نوآوری و منابع دیجیتال را شرط دستیابی به دستاورهایی نظیر: کسب و کار اکوسیستم، فرآیند، تجربه دیجیتال مشتری و تجربه دیجیتال سازمان می‌داند. همچنین، مدیریت سرمایه انسانی، منابع کسب‌وکار و اکوسیستم دیجیتال می‌توانند زمینه‌ساز تبدیل توانمندسازهای دیجیتال به دستاوردهای دیجیتال بوده و عواملی نظیر: مقاومت سازمانی و موانع تحول، به عنوان بازدارنده‌های تبدیل توانمندسازهای دیجیتال به دستاوردهای دیجیتال عمل کنند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Presenting the maturity framework of digital transformation in Iran's insurance industry

نویسندگان [English]

  • Mohammad Sadegh Abadeh 1
  • Seyed AbolGhasem Mira 2
  • Ayoub Mohammadian 3
1 Ph.D. Student of Business Administration, Field of Marketing, Kish International Campus, Tehran University
2 Assistant Professor, Department of Business Administration, Faculty of Management, University of Tehran.
3 Associate Professor, Department of Information Technology Management, Faculty of Management, University of Tehran, Tehran, Iran
چکیده [English]

Purpose: Considering the role and importance of the insurance industry in the economy of countries, in this study, the design of the maturity model of digital transformation in Iran's insurance industry was discussed. Designing a digital maturity model in the insurance industry by providing a comprehensive guide to strengthen capabilities, targeting and repeating successes plays a vital role in the successful establishment of business issues and reducing uncertainties in this industry. On the other hand, in recent years, the number of researches in the field of digital transformation and maturity has increased. However, considering the role of the insurance industry in the development of countries, unfortunately, in the country, especially in the insurance industry, few researches regarding the design of digital transformation maturity models have been carried out in the mentioned industry, and therefore it is considered relatively new in this respect.

Method: Considering its nature, this research is applied-developmental. In this research, first, articles related to digital evolution and maturity in the insurance industry were studied using a systematic background review approach. In the following, the selected articles were coded using the grounded theory (three steps) and after labeling the data and coding the concepts, analysis and classification of the concepts was done. Systematic review of the background is a method to identify, evaluate and understand all the research related to a research question or phenomenon of interest and is used in order to summarize the available evidence, identify gaps in current research and provide the final framework. The background systematic review of the current research was a qualitative review in which it focuses on textual data instead of numerical data that are examined in general systematic review and meta-analysis. According to the model of Wolfswinkel et al. (2013), five stages of definition (definition of research questions, definition of inclusion criteria, determination of suitable databases), search (search for identified sources), selection (limitation of samples), analysis (open, central, selective coding) and presenting a report. Also, in order to increase confidence, forward and backward search was performed. In the backward search, the references of the obtained articles were examined and if appropriate and repeated in the sources, they were added to the selected articles. In the forward search, the sources that cited the key articles obtained were searched. In order to select the most appropriate and important articles, inclusion and non-inclusion criteria were determined based on the research of Abdelmaboud et al. (2014). According to the background search engine statistics and experiences reported in previous reviews, the databases of authoritative articles such as: Scopus, Springer and Science Direct were used. According to the publication process of articles, the search for articles was conducted in the period from 2019 to 2023. In the first search stage, 101 articles were retrieved and 3 and 1 more articles were extracted using backward and forward methods. After applying inclusion and exclusion criteria, 29 articles were finally selected. After searching and selecting the selected articles, their analysis was done in order to extract the dimensions of digital maturity in the insurance industry. For this purpose, foundational data theory, which is one of the recommended methods for use in the analysis phase, was used (Berthelsen & Frederiksen, 2018).

Findings: In general, the results of open coding led to the identification of 140 concepts, 35 sub-categories, 15 main categories and 4 dimensions (enablers, background builders, barriers and achievements). In the selective coding stage, based on the results of the previous two stages of coding, the final model framework or superimage was presented. Therefore, the final model of digital maturity in Iran's insurance industry was presented. After identifying the conceptual elements, the results of the coding process were evaluated in the form of checking the agreement of two coders based on the Kappa coefficient. Considering that the significance level for the Kappa coefficient was less than 0.05, it was concluded that the coding findings have sufficient reliability and the presented model of maturity of digital transformation in Iran's insurance industry is reliable.

Conclusion: The designed digital maturity model knows the equipping of insurance industry by digital enablers including: governance and leadership, strategy, culture and skills, technology, innovation and digital resources is a condition for achieving achievements such as: ecosystem business, process, customer digital experience and the digital experience of the organization. Also, human capital management, business resources and digital ecosystem can be the basis for the transformation of digital enablers into digital achievements, and factors such as: organizational resistance and obstacles to transformation act as obstacles to the transformation of digital enablers into digital achievements.

کلیدواژه‌ها [English]

  • modeling
  • digital transformation
  • digital maturity
  • systematic approach
  • foundational data theory
  • insurance industry
CAPTCHA Image