مدل پیش بینی خسارت مشتریان در بیمه های درمان تکمیلی با بهره گیری از تکنیک های داده کاوی

به علت رقابت تنگاتنگ در زمینه فروش انواع بیمه نامه ها بین شرکت های بیمه ای و بالا رفتن روز افزون تقاضا، شناخت مشتریان محصولات بیمه ای از مسائل مهم در خصوص بقای شرکت های بیمهای به شمار می آید. کاربرد این تحقیق کسب حداکثر سود برای سازمان بیمه به همراه جلب رضایت مشتری می باشد که این نتیجه با بررسی کاربرد عملی داده کاوی برروی مشتریان بیمه تکمیل درمان یک شرکت بیمه تحقق می یابد.پیش بینی خسارت مشتریان بیمه در سه بخش متفاوت صورت گرفته است. در بخش اول مدلی جهت تشخیص سود ده یا زیان ده بودن مشتری با دقت 90 % به کمک الگوریتم KNN+Partition Membership ارائه شده است، در بخش دوم مبلغ خسارت مشتری به کمک الگوریتم SMOreg با میانگین خطای مطلق حدود 120.000 ریال حاوی بهترین نتیجه می باشد و در نهایت در بخش سوم با بهره گیری الگوریتم Apriori بهترین الگوی روابط خسارت مشتریان با اطمینان 90 % ارائه شده است. جهت پیاده سازی بخش های یک تا سه از الگوریتم های شبکه عصبی مصنوعی، K نزدیک ترین همسایگی ، درخت J48 ، رگرسیون لجستیک، Gaussian ، SMOreg(SVM) و Apriori بهره گرفته شده است. به جهت پیاده سازی تکنیک ها، از نرم افزار وکا بهره گرفته شده است.این تحقیق نشان می دهد که داده کاوی از طریق پیش بینی خسارت مشتریان می تواند به شرکت های بیمه کمک کند تا با شناخت انواع مشتریان و ویژگی های آنها الگوی مناسبی جهت ارائه خدمات مناسب به مشتریان ارائه دهند و به این ترتیب حداکثر ارزش افزوده را از برقراری ارتباط با مشتری کسب نمایند.