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.