Metode og beregninger

Denne side beskriver i detaljer, hvordan alle nøgletal, kurver og rangeringer på sitet beregnes. Formålet er gennemsigtighed; disse data kan vække interesse og derfor er det forsøgt at beskrive, hvordan de er blevet til - kritikken forventes uanset. Forhåbentlig er det muligt at forstå præcis hvilke data der indgår, hvordan de filtreres, hvilke formler der bruges, og hvilke begrænsninger der findes.

---

1) Data og begreber

1.1 Datagrundlag

Data behandles på niveauet selskab, år og forsikringstype (kaldet “kategori” på sitet). For hvert selskab og år kan der være data for én eller flere kategorier, afhængigt af hvilke produkter selskabet udbyder, og om der er tilstrækkelige data til beregning.

1.2 Felter (begreber i datagrundlaget)

---

2) Hvilke selskaber indgår

2.1 Årsspænd

Alle beregninger afgrænses til et valgt år eller et valgt årsspænd. Når der vises kurver over tid, er det typisk et årsspænd (f.eks. 2004–2024). Når der vises leaderboard, beregnes det pr. år.

2.2 “Top 25”-filter

På flere sider er det muligt at slå “Vis kun top 25” til eller fra. Når den er slået til, begrænses mængden af selskaber, der inkluderes i beregningerne, til en fast liste af de 25 største selskaber målt på en intern størrelsesscore (f.eks. præmiesum og/eller antal policer).

Dette filter har to konsekvenser:

• Kun disse selskaber kan vises i lister og dropdowns.
• Når der beregnes “reference-tal” (se afsnit 4), beregnes de ud fra samme mængde selskaber, så beregningen er konsistent med det filter der har valgt.

---

3) Hvilke rækker indgår (datakvalitet)

3.1 Krav til beregningsgrundlag

Ikke alle rækker kan bruges til at beregne en “klageandel”. Systemet filtrerer derfor data med et datakrav. Hovedideen er:

• Der skal være et meningsfuldt grundlag for nævneren (f.eks. at Eksponering er større end 0).
• Hvis en kategori kræver specialberegning (se kategori 1 i afsnit 4), skal det nødvendige reference-tal også være tilgængeligt.

Hvis en række ikke opfylder kravene, behandles den som manglende data (ikke som 0). Det er vigtigt: “mangler data” betyder ikke “ingen klager”.

3.2 Manglende data og hvordan det håndteres

Når der vises kurver eller beregnes gennemsnit på tværs af kategorier, ignoreres kategorier uden data i beregningen. Det betyder:

• En kategori uden data påvirker hverken beregningerne positivt eller negativt (den tæller ikke med).
• Hvis ingen kategorier har data for et selskab i et givent år, vises resultatet som tomt.

---

4) Beregning af klageandel pr. kategori

Grundstenen i alle visninger er en “klageandel” (score) for et selskab i et bestemt år og en bestemt kategori. Denne beregnes som et forhold mellem antal klager (Total) og et volumenmål (Eksponering), med én vigtig undtagelse (kategori 1).

4.1 Standardkategorier (kategori ≠ 1)

For alle kategorier undtagen kategori 1 beregnes andele således:

Hvor:

• Total er antal klager.
• Eksponering er volumenmålet (f.eks. policer/præmievolumen) for kategorien.

4.2 Kategori 1 (særbehandling)

Kategori 1 repræsenterer en samlet kategori (”Hus, indbo, bil m.m.”), hvor Eksponering ikke direkte kan anvendes som nævner på samme måde som for de øvrige kategorier. Kategorien omfatter flere forskellige forsikringstyper, som ikke kan opdeles entydigt i separate policer.

For at gøre kategori 1 sammenlignelig med de øvrige kategorier omregnes Eksponering derfor først til et estimat for antal policer. Dette sker ved at anvende et fælles reference-tal: median DKK pr. police for det pågældende år.

Medianen beregnes på tværs af de selskaber, der indgår i beregningen for det pågældende år. Hvilke selskaber der indgår, afhænger af de aktive filtre (f.eks. om “Vis kun top 25” er slået til eller fra).

Hvis referenceværdien ikke kan beregnes for et givent år (f.eks. på grund af manglende eller utilstrækkelige data), udelades kategori 1 fra beregningen i det pågældende år og behandles som manglende data.

4.3 Hvorfor median og ikke gennemsnit?

Median bruges som robust mål, der er mindre følsomt overfor ekstreme observationer (outliers). Det gør omregningen mere stabil på tværs af selskaber og år.

---

5) Samlet score pr. selskab pr. år

5.1 Score som gennemsnit på tværs af kategorier

Når der vises en samlet score for et selskab i et givent år (f.eks. på leaderboard), beregnes den som et simpelt gennemsnit af de kategorier, hvor der findes beregnelig data:

Dvs.: divider med antal kategorier der inkluderedes, ikke altid antallet af alle kategorier. $$ score = \frac{andel_1 + andel_2 + \cdots + andel_9}{9} $$ $$ score = \frac{andel_1 + andel_2 + andel_3 + andel_5 + \cdots + andel_9}{8} $$

Det er derfor kun;

• kategorier med data tæller med i dividenden.
• Kategorier som selskabet ikke udbyder (eller hvor data mangler) bliver ikke tolket som 0.

5.2 Antal dækningsområder

Antallet af dækningsområder vises som antallet af kategorier med beregnelig data for selskabet i det valgte år. Hvis kategori 1 er aktiv og kan beregnes, tæller den med (eller – hvis den opdeles i flere visningskategorier – tæller den efter de visningsregler, der er beskrevet på siden).

---

6) Kurver over tid

6.1 År-aksen (samling af år)

På sammenligningssider samles først en liste af relevante år i den valgte periode. År-listen er typisk den samling af år, hvor mindst ét af de valgte selskaber har data. Det betyder, at år uden data for alle valgte selskaber ikke vises som “0”, men kan være helt fraværende.

6.2 Manglende datapunkter

Hvis et selskab ikke har data i et bestemt år, vises datapunktet som tomt. I grafer betyder det ofte “hul” i kurven eller at punktet ikke tegnes, afhængigt af grafernes opsætning.

---

7) Leaderboard (Top 10)

7.1 Hvad rangeres der efter?

Leaderboardet sorterer selskaber efter deres samlede score for det valgte år (se afsnit 5). Dvs. selskabet med højest gennemsnitlig klageandel på tværs af sine kategorier placeres øverst.

7.2 Hvad vises ved siden af scoren?

• Klager: Sum af Total på tværs af kategorier for året.
• Klagesejr: Sum af Medhold på tværs af kategorier for året.
• Dækningsområder: Antal kategorier med beregnelig data for året.

---

8) Visning af score: % og ‰

For at gøre små værdier mere læsbare vises score enten som procent (%) eller promille (‰). Logikken er:

Konvertering:

• 1% = 10‰
• promille = procent × 10

Præcisionen (antal decimaler) kan være dynamisk for at undgå at vise “0,000‰” unødigt.

---

9) Fortolkning og begrænsninger

9.1 Score er ikke “andel utilfredse kunder”

En høj score betyder ikke, at “x% af kunderne er utilfredse”. Scoren beskriver et forhold mellem registrerede klager og et volumenmål, som kan være policer, præmievolumen eller lignende. Den viser en relativ klageintensitet, ikke direkte kundetilfredshed.

9.2 Sammenligninger mellem selskaber

Da score beregnes pr. kategori og derefter gennemsnittes, kan to selskaber med forskellig produktportefølje være svære at sammenligne 1:1. Metoden forsøger dog at gøre sammenligning rimelig ved at:

• ignorerer kategorier, som selskabet ikke udbyder (mangler data),
• gennemsnitliggøre på tværs af de kategorier, der faktisk findes data for.

9.3 Usikkerheder i kategori 1

For kategori 1 omregnes Eksponering til estimerede policer via en median-baseret referenceværdi. Det gør beregningen mulig, men introducerer et estimatled. Hvis referenceværdien i et år er atypisk (f.eks. ved databrud), kan kategori 1 blive udeladt som “manglende data”.

---

10) Versionsnoter

Metoden kan udvikles over tid. Når beregningsmetoden ændres, vil siden blive opdateret med dato og hvad der er ændret, så historiske sammenligninger kan forstås korrekt.