Pavlović, Branko

Rođen je 19. juna 1972. godine. Diplomirao je 1997. godine na Elektrotehničkom
fakultetu Univerziteta u Beogradu. Specijalizirao je aktuarstvo 2009. godine na
Ekonomskom fakultetu Univerziteta u Beogradu.
Član je Izvršnog odbora „Globos osiguranja“. Preko 17 godina bio je član najužeg
rukovodstva „Delta osiguranja“, „Delta đenerali osiguranja“ i „Đenerali osiguranja“. U
periodu od 2010. do 2011. godine bio je predsednik Upravnog odbora Doma zdravlja
„Jedro“ u Beogradu, a nakon toga od 2011. do 2016. godine član Upravnog odbora i
izvršni direktor Društva za upravljanje dobrovoljnim penzijskim fondovima društva
„Delta đenerali“.
Predsednik je Udruženja aktuara Srbije, član Aktuarske komisije Narodne banke
Srbije, član Saveta Međunarodnog udruženja aktuara i sudski veštak za aktuarstvo.
Bio je predsednik Komisije za aktuarstvo Udruženja osiguravača Srbije u periodu od
2013. do 2018. godine i predsednik Odbora za elektronsko poslovanje Saveta
stranih investitora (FIC) tokom 2018. godine.
Prestižnu licencu Narodne banke Srbije za ovlašćenog aktuara stekao je 2008.
godine. Bio je imenovani ovlašćeni aktuar u kompanijama „Delta đenerali osiguranje“
a. d. o. Beograd, „Delta đenerali reosiguranje“ a. d. o. Beograd, „Đenerali osiguranje
Montenegro“ a. d. Podgorica i „Delta đenerali životna osiguranja“ a. d. Podgorica,
kao i „Globos osiguranje“ a. d. o. Beograd.

368:371.694:61:659.24:681.3.064:004.4:004.021:679.058:681.322.2:681.3.06 (4-672EEZ) (73)(479.11)


The Internet of Intelligent Things, Blockchain technology2 , software robots3 and various aspects of artificial intelligence such as machine learning are often referenced in modern literature as having great potential to improve the processes in insurance business. This paper will focus on machine learning. Machine learning is a subset of artificial intelligence intended for study and recognition of behaviour patterns by using statistical methods for available data processing. In other words, machine learning is a software able to make its own decisions based on previous experience. The key benefit companies can draw from machine learning is prediction of future trends, where software independently discovers patterns in the available data. Insurance companies may use machine learning to optimize their tariffs, settle claims more efficiently, and improve the quality of loss reserving, and as a powerful tool in combating frauds.

Key words: machine learning, insurance