بیمه نامه شخص ثالث بیشترین سهم از بازار بیمه کشور را دارا می باشد و فرصت مناسبی برای کاوش اطلاعات و استخراج الگوهای ناشناخته جهت تصمیمات کلان در صنعت بیمه را فراهم می نماید. در حال حاضر حق بیمه با کمترین توجه به عوامل ریسک بیمه گذاران محاسبه می گردد، که موجب زیانده شدن بیمه نامه شخص ثالث برای شرکت های بیمه و نارضایتی بیمه گذاران از خدمات شرکت های بیمه گردیده است. بدین منظور در این پژوهش در راستای برآورد حق بیمه ای متناسب با ریسک بیمه گذاران بر اساس برآورد میزان خسارت با استفاده از تکنیک داده کاوی، اطلاعات خودرویی و سوابق بیمه ای به همراه ویژگی های بیمه گذاران در بیش از 30 میلیون بیمه نامه و 2.7 میلیون خسارت، جمع آوری و استاندارد سازی شده و در انبار داده ها ذخیره گردید. برای استاندارد سازی داده های خودرویی با بانک اطلاعاتی نیروی انتظامی و اطلاعات هویتی بیمه گذاران با استفاده از داده های سازمان ثبت احوال کشور، اعتبارسنجی و تکمیل گردیده است. سپس ساختار کاوشی طراحی و با استفاده از سه الگوریتم خوشه بندی، شبکه عصبی و درخت تصمیم و دادههای آموزشی مورد آموزش قرار گرفت. در نهایت مدل ها با استفاده از داده های آزمایشی مورد بررسی قرار گرفته و نتایج به دست آمده از مدل های برآمده از الگوریتم ها با استفاده از نمودار صعود و نسبت خسارت مورد اعتبارسنجی قرار گرفتند که نتایج به دست آمده نشانگر امکان استفاده از چارچوب ارائه شده را نشان میدهد، به نحوی که نسبت خسارت کاهش و نمودار صعود، صحت ارزیابی را نشان میدهد.