17985

17985

پيش بيني سودآوري مشتريان با استفاده از تحليل كلان داده‌ها: مطالعه موردي بيمه هاي اتومبيل

كارشناسي ارشد

مديريت سيستم و بهره وري

شهريور 1396

دكتر مصطفي جعفري

دكتر محمد فتحيان

صنايع

با گستردگي روزافزون صنعت، پيشرفت سريع تكنولوژي و بازار رقابتي، لزوم بهره گيري هر چه بيشتر از دانش داده‌كاوي مشخص مي‌گردد. موفقيت شركت هاي بيمه گر در گرو توانايي آنها در تبديل داده‌هاي خام با ابزار داده كاوي به اطلاعات كاربردي، قابليت پيش بيني، تفسيرپذيري و بخش بندي دانش و ارزيابي و مديريت ريسك است. اين همان چيزي است كه از طريق داده‌كاوي مي توان به دست آورد. مهم ترين خدمات قابل ارائه در صنعت بيمه با استفاده از روش هاي داده‌كاوي را مي توان به تحليل و شناسايي مشتريان سودآور و برآورد حق بيمه مشتريان براساس ميزان ريسك هر مشتري، پيش بيني ميزان خسارت براساس گروه مشتريان، مديريت ارتباط با بيمه گذاران و تدوين استراتژي براساس مشتريان هدف، تعيين عوامل وفاداري و عدم وفاداري مشتريان اشاره نمود. هدف از انجام اين تحقيق بررسي فرضياتي درباره مشتريان سودآور يكي از شركت هاي بيمه اي و در ادامه ارائه الگويي براي مشتريان سودآور در حوضه بيمه خودرو با استفاده از تحليل كلان داده‌هاي اين شركت بود كه براي دست يابي به اين هدف با استفاده از نرم افزار آر و اوراكل توسط الگوريتم هاي رگرسيون ابتدا فرضيات تحقيق مورد بررسي قرار گرفتند و سپس با استفاده از الگوريتم هاي خوشه بندي و درخت تصميم، طبقه بندي مشتريان رشته بيمه خودرو انجام گرديد. سپس به منظور بررسي صحت مدل ارائه شده و اينكه آيا بين مشتريان سودده و ضررده كه بر اساس درخت تصميم ارائه شده و مشتريان سودده و زيان ده واقعي رابطه منطقي وجود دارد، از داده‌هاي آموزشي بهره برديم و علاوه بر آن براي بررسي صحت مدل از تحليل تشخيصي نيز استفاده كرديم كه دقت 95 درصد را نشان مي دهد. درپايان نيز براي مقايسه نتايج مدل پيشنهادي از مدل svm نيز بهره برديم كه نتايج نشان داد مدل درخت تصميم ارائه شده، پيش بيني مشتريان سودآور و زيان ده را با دقت بيشتري انجام داده است.

1396/08/08

10/30/2017 12:00:00 AM

With the Expansion of industry، Rapid technological progress، competitive market، the requirement of using data mining knowledge in the industry is necessary. The success of insurers depends on their ability to turn raw data into a practical information with data mining tools, predictability, comprehensibility and Knowledge partitioning, and assessment and risk management. This can be achieved through data mining. The most important services offered in the insurance industry using data mining methods is analyzing and identifying profitable customers and estimating customer premiums based on the risk of each customer, predicting the amount of damage based on customer groups, managing the relationship with the insurers and Developing a strategy based on target customers, Determining the loyalty and turning away factors in customers. The purpose of this study was to investigate the assumptions about the profitable customers of one of the insurance companies and In the following we provide a model for profitable customers in the field of automobile insurance Using the analysis of company's huge data that was used to achieve this goal by using software such as R and Oracle with regression algorithms. First, the research hypotheses were studied، then, by using the clustering algorithms and the decision tree, the Classification of customers in the field of automobile insurance were carried out. Then, we used training data to verify the validity of the proposed model and whether there was a reasonable relationship between profitability of customers based on the decision tree and the profitability of the customers in real. In addition, we used diagnostic analysis to verify the accuracy of the model, which shows 95% accuracy. Finally, we also used the svm model to compare the results of the proposed model. The results showed that the proposed decision tree model predicted more accurate.