ارائه چارچوبی برای پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی

thesis
abstract

امروزه نقش مشتریان از حالت پیروی از تولیدکنندگان، به هدایت سرمایه گذاران، تولیدکنندگان و حتی محققان و نوآوران مبدل گشته است، به همین دلیل سازمانها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه ریزی کنند. در این پژوهش، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه می گردد که طی آن میزان خطرپذیری مشتریان پیش بینی شده و مشتریان بر اساس آن رده بندی می گردند. در نتیجه با استفاده از این معیار (سطح خطرپذیری) و نوع بیمه نامه مشتریان، می توان میزان خسارت آنان را پیش بینی کرده و تعرفه بیمه نامه متناسب با ریسک آنان تعریف نمود. که این مطلب می تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری های تعرفه بیمه نامه باشد. با توجه به تحقیقات صورت گرفته، تاکنون برای این منظور از روشهای آماری و همچنین از برخی روشهای داده کاوی مانند یادگیری ماشینی در حوزه های دیگر بیمه استفاده شده است که البته این روشها دارای محدودیتهایی می باشند. در نتیجه با بررسی تحقیقات و تحلیل آنان، در این پژوهش می خواهیم جهت دستیابی به قوانین تصمیم گیری و ایجاد مدل برای پیش بینی خطرپذیری مشتریان در صنعت بیمه بدنه اتومبیل از روشهای داده کاوی استفاده نماییم. داده کاوی دارای روشهای بسیاری می باشد که در اینجا با توجه به بررسیهای صورت گرفته و پژوهشهای پیشین، از دو روش خوشه بندی و درخت تصمیم استفاده می گردد که البته در این روشها به منظور بهبود نتایج، تغییراتی ایجاد شده که تاکنون در پژوهشهای دیگر بکار نرفته است. در روش خوشه بندی مشتریان بر اساس ویژگیهایشان در خوشه هایی تفکیک شده، سپس میانگین سطح خسارت در هر یک از این خوشه ها را محاسبه می کنیم. حال مشتریان آتی با توجه به اینکه به کدامیک از این خوشه ها شبیه تر هستند در یکی از آنها قرار می گیرند تا سطح خسارتشان مشخص گردد. در روش درخت تصمیم با استفاده از داده های مشتریان، درختی را بر اساس مجموعه ای از قوانین که بصورت "اگر-آنگاه" می باشد ایجاد می کنیم و سپس مشتریان جدید با استفاده از این درخت رده بندی می گردند. در نهایت هر دو این مدلها مورد ارزیابی قرار می گیرد. روشهای ارزیابی به کار رفته در این پژوهش به دو رده ارزیابی درونی و بیرونی تقسیم می شوند. در ارزیابی درونی صحت مدل ایجاد شده را بررسی می کنیم که برای این منظور از روش پهنه سایه روشن و استفاده از داده های آموزش و آزمون بهره برده ایم و در ارزیابی بیرونی به مقایسه نتایج به دست آمده از مدل با نظرات کارشناسان خبره بیمه بدنه پرداخته ایم که ضریب همبستگی محاسبه شده برای این دو 82% می باشد که نشان دهنده این مطلب است که نتایج به دست آمده از هر دو روش تا حد مطلوبی با یکدیگر مطابقت دارند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

استفاده از روش های داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیل

: امروزه، نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت سرمایه گذاران، تولیدکنندگان و حتی پژوهشگران و نوآوران مبدل گشته است، به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه-ریزی کنند. تاکنون از برخی روش های آماری و یادگیری ماشینی برای این منظور استفاده شده است که البته این روش ها به تنهایی دارای محدودیت هایی هستند که در این پژوهش سعی شده است تا با بهره گیری از رو...

full text

پیش بینی میزان ریسک مشتریان هدف در صنعت بیمه با استفاده از الگوریتم های داده کاوی، مورد کاوی: بیمه بدنه اتومبیل شرکت بیمه ایران

پایه گذاری سیستمی که ریسک مشتریان را کنترل می کند، یک بخش مهم در مدیریت علمی یک شرکت بیمه تلقی می گردد. با توجه به اهمیت ریسک بیمه های خودرو در این تحقیق، تکنیک داده کاوی برای تحلیل ریسک مشتریان در یک شرکت بیمه ایرانی مورد استفاده قرار می گیرد. هدف آنست که نهایتاً مدل تصمیمگیری ارائه گردد تا مشتریان قبل از بیمه نمودن شناسایی شوند. روش تحقیق بر اساس یک فرایند استاندارد دادهکاوی می باشد بدین صور...

15 صفحه اول

بخش بندی مشتریان بر اساس ریسک با استفاده از داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل در بیمه ملت)

امروزه صنعت بیمه یکی از ضروری ترین بخش های اقتصادی هر کشوری بشمار می رود و رشد این صنعت بیانگر توسعه یافتگی و افزایش پس اندازهای مالی می باشد. طبقه بندی ریسکی بیمه گذاران بر مبنای ویژگی های قابل مشاهده می تواند به شرکت های بیمه جهت کاهش زیان، افزایش نرخ پوشش بیمه و جلوگیری از وقوع انتخاب نامساعد در بازار بیمه کمک شایانی نماید. در کشور ما بیمه اتومبیل یکی از مهمترین رشته های بیمه ای بوده که سهم ...

ارائه مدل پیش بینی تشخیص عوامل ناباروری با استفاده از الگوریتم‌های داده کاوی

Introduction: About 10-15 percent of Iranian couples are infertile which is due to different causes determining particular diagnostic and treatment methods. In this study, the model presented is based on basic features and simple tests, helping physicians predict the causes of infertility Methods: The data were taken from Sarem hospital infertility data bank by using data mining methods. ...

full text

مقایسه ى دو روش داده کاوی در بخش بندی مشتریان بیمه ى بدنه ى اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ى ملت)

با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجودمی آیند. در حال حاضر مسئله ى پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه تواناییاستخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریانکم ریسک و سودآور برای صنعت بیمه نیز داراى اهمیت است. بیمه ى اتومبیل یکی از مهم ترینرشته های بیمه ای در ایران است. اگر شرکت های بیمه به طبقه...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده کامپیوتر و فناوری اطلاعات

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023