زهرا برزگر - معاون مدیر اکچوئری و تحلیل داده، شرکت بیمه سامان، تهران
سکینه دهقان - گروه آمار، دانشگاه شهید بهشتی، تهران
شیما آراء - معاون فنی بیمه های زندگی، شرکت بیمه سامان، تهران

با توجه به تغییر ماهیت و شکل علوم مختلف از منبع محوری به دانش بنیانی، شاهد تحول هایی در صنعت بیمه وشکل گیری کسب وکارهای دانش بنیان مبتنی بر فناوری و بهره گیری از علم روز برای تحقق بیمه گری هوشمندهستیم. در این راستا، اهیمت داده ها و تجزیه وتحلیل جامع و دقیق آماری آنها بیش از پیش مطرح می شود. یکیاز موضوعات مهم در تحلیل داده های بیمه ای، شناسایی نقاط دورافتاده است. این امر، با شناخت رفتارهاینامتعارف از الگوی حاکم بر پرتفوی یک شرکت بیمه، اطلاعات مفیدی در اختیار تصمیم گیران امر قرارمی دهد. انتخاب یک روش جامع، به گونه ای که قادر به شناسایی نقاط دورافتاده با درنظرگرفتن همزمان چندینمتغیر مورد بررسی را داشته باشد، از اهمیت بسزایی برخوردار است. از طرفی، از آن جا که دورافتادگی نقاط بهطور اجتناب ناپذیری وابسته به ترتیب داده ها است، مرتب سازی چندمتغیره می تواند راهی برای شناسایی نقاطدورافتاده چندمتغیره فراهم کند. واضح است به دلیل عدم وجود ترتیب خطی در فضای چندمتغیره، رتبه بندیداده های چندمتغیره متفاوت از رتبه بندی یک متغیره است. تابع ژرفا با در نظر گرفتن ویژگی های هندسیمجموعه داده های چندمتغیره و رتبه بندی مرکز به بیرون مشاهدات ابزار مناسبی را در آمار ناپارامتری چندمتغیرهفراهم آورده است. در این مقاله، بر اساس مفهوم تابع ژرفا، یک روش برای شناسائی نقاط دورافتاده چندمتغیرهبررسی می شود. روش پیشنهادی، برای تحلیل قراردادهای بیمه درمان گروهی شرکت بیمه سامان براساسمتغیرهای متوسط حق بیمه هر بیمه شده، متوسط خسارت هر بیمه شده و نسبت خسارت پرداخته به کار رفته وقراردادهایی با عملکرد متفاوت از سایر قراردادها شناسایی می شوند. اجرای روش پیشنهادی بر داده ها درنرم افزار R انجام شده است.

دانش بنیان، بیمه گری هوشمند، داده های چندمتغیره، تابع ژرفا، تابع دورافتادگی، بیمه درمان گروهی