بکارگیری سیستم ماهالانوبیس تاگوچی در شناسایی مشتریان با ریسک بالا- مطالعه موردی یک شرکت بیمه

امروزه سازمان ها از تمامی ابزارهای مناسب جهت بهبود خدمت رسانی به مشتریان استفاده می کنند. شناسایی گروه خاصی از مشتریان و پیش بینی رفتار آنها بدون شک می تواند نقش مهمی را در بهبود سرویس دهی ایفا می کند. در این مقاله، یک روش آماری جدید با نام سیستم ماهالانوبیس تاگوچی برای این منظور استفاده شده است. این روش برای تحلیل داده های واقعی بیمه خودرو استفاده شده و 5 شهر بزرگ ایران مورد بررسی قرار گرفته است. 7 فاکتور اولیه ای که در رخداد تصادفات و خسارت ها موثر شناخته شده بود به 4 فاکتور کاهش یافت. سپس رفتار مشتریان با کمک مفهوم فاصله ماهالانوبیس بطور مورد به مورد تحلیل شد. برای این منظور، با استفاده از مفهوم فاصله ماهالانوبیس مشتری های پرریسک که خسارت بالایی را به سازمان بیمه تحمیل می کنند شناسایی گردید. روش شبکه های عصبی برای شناسایی مشتریان با ریسک بالا مورد استفاده قرار گرفت و نتایج آن با نتایج سیستم ماهالانوبیس تاگوچی مقایسه شد. نتایج نشان می دهند که سیستم ماهالانوبیس تاگوچی به دلیل داشتن مقیاس غیر نرمالیتی، توانایی بالایی در شناسایی مشتریان با ریسک بالا دارد. شناسایی این مشتریان با سیستم ماهالانوبیس تاگوچی در مقایسه با شبکه های عصبی دقیق تر است