بهبود پیش بینی سطح خسارت مشتریان صنعت بیمه با استفاده از خوشه بندی مشتریان (مطالعه موردی: شرکت بیمه ایران شهرستان بجنورد)

یکی از نهادهای مالی بسیار مهم و تاثیرگذار در اقتصاد و سلامت جوامع، شرکت های بیمه می باشد. سازمان ها با توجه به ماهیت کار خود، ریسک های گوناگونی را تجربه می کنند و در شرایط متحول امروز، موفقیت بنگاه ها در گرو تسلط آنان بر ریسک ها و مدیریت آنها است. از جمله چالش های شرکت های بیمه، کنترل ریسک مشتریان می باشد. شناسایی و دسته بندی مشتریان کمریسک و پرریسک می تواند در مدیریت ریسک مشتریان و سیاست های مرتبط مانند رویگردانی، کاهش ریسک و تعدیل نرخ حق بیمه موثر باشد. استفاده از داده کاوی در این زمینه می تواند بسیار راهگشا باشد. ازاین رو در این پژوهش به بررسی موضوع دسته بندی مشتریان به لحاظ ریسک خسارت بیمه بدنه و شخص ثالت خودرو در شرکت بیمه ایران شهرستان بجنورد می پردازیم. با ارایه رویکرد تلفیقی خوشه بندی و دسته بندی، به پیش بینی دقیق تری برای دسته مشتریان آتی دست یافتیم. بدین منظور، استفاده از تکنیک K- Means برای خوشه بندی؛ و تکنیک های نزدیک ترین همسایگی و شبکه عصبی جهت دسته بندی، پیشنهاد می ردد

Keywords:

داده کاوی , صنعت بیمه , خوشه بندی , دسته بندی , K- Means , نزدیک ترین همسایگی , شبکه عصبی