چکیده:
شرکت های بیمه به عنوان یکی از نهادهای مالی تاثیرگذار در اقتصاد و جامعه لازم است به ابزارهای تحلیل ریسک قدرتمندی دسترسی داشته باشند تا بتوانند ریسک دریافتی را به خوبی مدیریت کنند. نتایج حاصل از تحلیل ریسک می تواند از طرق مختلفی نظیر قیمت گذاری محصولات و بازاریابی و شناسایی مشتریان هدف برای مدیریت ریسک اعمال شود. به همین دلیل استفاده از ابزار داده کاوی می تواند در سنجش و پیش بینی ریسک بیمه گذاران، با توجه به این تجارب، بسیار راه گشا باشد.
هدف این مقاله طبقه بندی بیمه گذاران بیمه بدنه شرکت بیمه به لحاظ ریسک دریافت یا عدم دریافت خسارت طی دوره بیمه است. در ابتدا داده های مورد نیاز مشتریان طی یک دوره مشخص، جمع آوری شده و سپس فرایند پیش پردازش داده ها و شناسایی متغیرهای الگوریتم های مختلف طبقه بندی، روی داده های نهایی اعمال شده و نتایج این الگوریتم ها به لحاظ صحت پیش بینی با یکدیگر مقایسه شده است. درنهایت الگوریتم C5 که بالاترین میزان صحت را در پیش بینی ریسک مشتریان دارد به عنوان الگوریتم پیشنهادی به شرکت بیمه مورد مطالعه ارائه گردیده است.
خلاصه ماشینی:
"طبقهبندی میزان ریسک بیمهگذاران بیمۀ بدنۀ خودرو با استفاده از الگوریتمهای دادهکاوی (مورد مطالعه:یک شرکت بیمه) تاریخ دریافت مقاله:1390/10/20 تاریخ پذیرش مقاله:1390/12/08 نسترن حاجی حیدری{o1o} سامرند خالهء{o2o} احمد فراهی{o3o} چکیده {IBشرکتهای بیمه به عنوان یکی از نهادهای مالی تأثیرگذار در اقتصاد و جامعه لازم است به ابزارهای تحلیل ریسک قدرتمندی دسترسی داشته باشند تا بتوانند ریسک دریافتی را به خوبی مدیریت کنند.
پژوهش حاضر درصدد است با استفاده از دادههای مربوط به بیمهنامههای بدنۀ اتومبیل یک شرکت بیمه طی سالهای 1389-1388،ابتدا مشخصههای تأثیرگذار در ریسک بیمهگذاران بیمه بدنۀ اتومبیل را در پایگاه داده موجود تعیین نموده سپس با استفاده از الگوریتمهای دادهکاوی مدلی ارائه دهد تا با به کارگیری آن بتوان میزان ریسک بیمهگذاران آتی را(به لحاظ ریسک داشتن خسارت یا عدم خسارت)پیشبینی کرد.
مراحل اجرای پژوهش -جمعآوری داده از پایگاه داده بیمهگذاران فعلی بانک اطلاعاتی بیمۀ خودرو و پالایش دادهها و تعیین شاخصهایی برای تعریف طبقات ریسک بیمهگذاران؛ -تقسیم آنها به دو دستۀ دادههای آزمایشی و دادههای آموزشی؛ -استخراج الگوها با استفاده از دادههای آزمایشی با تکنیکهای مختلف طبقهبندی و مقایسۀ نتایج با استفاده از روشهای دیگر؛ -اعتبارسنجی مدل با استفاده از مجموعه دادههای آزمایشی و معرفی بهترین الگوریتم؛ -ارائۀ الگوی کشف شده از طبقهبندی بیمهگذاران.
(به تصویر صفحه مراجعه شود) نظر به اینکه صحت الگوریتم از سایر الگوریتمها بیشتر شده است،بنابراین اهمیت متغیرها(خصیصههای بیمهگذاران)از لحاظ این الگوریتم جهت تفکیک بیمهگذاران خسارتی و غیر خسارتی به عنوان یک دانش سازمانی مناسب میتواند مورد استفاده بیمهگران قرار گیرد(نمودار 5).
(به تصویر صفحه مراجعه شود) همچنین درخت تصمیم به دست آمده نیز به عنوان دانش استخراج شده از دادهها برای پیشبینی وضعیت طبقۀ مشتریان جدید مورد استفاده قرار میگیرد(نمودار 6)."