فصلنامه علمی

نوع مقاله : مقاله علمی - ترویجی

نویسندگان

1 گروه علوم کامپیوتر، دانشکدة علوم، دانشگاه فنی انتاریو، اوشاوا، انتاریو، کانادا

2 گروه مدیریت تکنولوژی، دانشکدة مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

چکیده

پیشینه و اهداف: با توجه به رشد روزافزون فنّاوری اطلاعات و کسب‌وکارهای مبتنی بر داده و روند رو به رشد اطلاعات در پایگاه‎های داده، صنعت بیمه نیز به‌عنوان یکی از کسب‌وکارهای یادشده با حجم انبوهی از اطلاعات ذخیره‌شده روبه‌رو است. این حجم انبوه داده‎ها شرکت‎های بیمه‎ای را ملزم می‎سازد تا با شیوه‎های داده‎کاوی، دانش موجود در پایگاه‎های داده را کشف کنند. ازسوی‌دیگر توسعة روش‎های نوین داده‎کاوی و کشف الگوهای پنهان در پایگاه‎های داده به‌سرعت رو به افزایش است.
روش‌شناسی: در این مقاله با هدف بررسی جامع بر کاربرد داده‎کاوی در صنعت بیمة دنیا، جدیدترین مستندات علمی مربوطه در چهار سناریوی مختلف شامل تحقیقات صنعت بیمه، داده‎کاوی در بیمه، کشف تخلفات و ریسک در بیمه از وب‌سایت علمی Web of Science دریافت و با رویکرد علم‎سنجی تحلیل و بررسی شده است. نتایج به‌دست‌آمده نشان می‎دهد رشد داده‎های موجود در شرکت‎های بیمه و شناسایی ریسک و فاکتورهای آن، شرکت‎های بیمه و پژوهشگران‌‌ را به بررسی روش‎های نوین مدیریت پایگاه‎های داده و داده‎های بزرگ و همچنین شناسایی ریسک و فاکتورهای آن با استفاده از شیوه‌‎های داده‎کاوی ملزم می‎سازد.
یافته‌ها: بدین منظور برای تسهیل در تحقیقات پژوهشگران آینده و استفاده از مطالعات پیشین داده‎کاوی در صنعت بیمه، در این مقاله شبکة هم‌استنادی کشورهای مختلف و معتبرترین مجلات علمی براساس شاخص ارزیابی استناد به مقالات معرفی شده است.
نتیجه‌گیری: در نتایج این مقاله فهرست مجلات معتبر علمی و موضوعاتی را که در هریک به‌طور تخصصی به آن پرداخته شده، ارائه کرده‌ایم تا مرور ادبیات جامع در این مقاة مروری مسیر مطالعات آینده صنعت بیمه را هموارتر سازد. همچنین رتبه‌بندی برترین کشورهای جهان که متمرکز بر مطالعات داده‌کاوی در صنعت بیمه بوده است، آورده شده و رتبة ایران در میان سایر کشورها نیز مشخص شده است. استفاده از مطالعات و مجلات علمی معتبر می‌تواند راه پژوهش‌های آینده را در پیشرفت این مطالعات در صنعت بیمة ایران را هدفمندتر کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A comprehensive analysis of keywords co-occurrence network and the most cited journals on data mining techniques in insurance industry using scientometrics approach

نویسندگان [English]

  • H. Hajiyan 1
  • A. Zarjini 2

1 Department of Computer Science, Faculty of Science, Ontario University of Technology, Oshawa, Ontario, Canada

2 Department of Technology Management, Faculty of Management and Economics, Islamic Azad University, Science and Research Unit, Tehran, Iran

چکیده [English]

BACKGROUND AND OBJECTIVES: Data mining is known as a process of discovering patterns in large datasets through a combination of statistical tools and techniques. In recent years, data mining and its applications in different businesses have increasingly grown. Insurance industry is one of the data-driven businesses whose survival is so dependent on satisfying customers besides achieving the highest benefit. Information or data is a vital asset of the insurance industry ;accordingly, using data mining techniques to discover patterns behind large datasets is a need. Having seen the increasingly high rate of information technology and recorded data in data-driven businesses, lots of industries like the insurance industry have been urged to use state-of-the-art data mining techniques to turn raw data into useful information using Big Data Analytics.
METHODS: Looking at the current research on data mining applications in the insurance industry proves the fact that we should recognize the state-of-the art techniques in data mining and set new strategies to focus on Big Data Analytics more. Big Data Analytics consists of the algorithms which are more efficient and less time-consuming so it can help to identify patterns and rules in complex datasets. For this purpose, this paper presents a comprehensive literature review regarding the usage of data mining techniques in the insurance industry by the scientometrics approach. For this purpose, first we searched and gathered bibliometrics files of recent researches from Web of Science and Scopus into four different scenarios. In each scenario, we looked up for different keywords regarding “Data Mining”, “Insurance Industry”, and “Risk Management” to make sure that all the results would be specifically focused on the research topic. Then, we used R programming software to analyze the results of each scenario based on keywords co-occurrence in the given research.
FINDINGS: The results of keywords co-occurrence and a word cloud of recent research confirm that insurance companies should focus on Big Data Analytics instead of traditional data processing to get information systematically from too large or complex datasets. Big Data Analytics has been used for several years, but in recent years many data-driven businesses, like the insurance industry, have used its techniques associated with risk and risk factor identification. Risk management in the insurance industry has been widely considered in recent researches. Therefore, in this paper, some high-ranked journals and the most significant researches have been identified and recommended in order to pave the way for future researches in this field.
CONCLUSION: We hope that the comprehensive literature review provided in this paper can help the researchers to focus on the relative journals and researches published then get into more details. For this purpose, the lists of all journals and conferences besides the most cited researches are provided in the experimental section of this paper. Also, the ranking list of different countries from all around the world related to data mining and Big Data Analytics in the insurance industry is presented. The results show that Iran is the 15th  country that uses data mining techniques and it is the 17th  country in the world focusing on risk management in the insurance industry.

کلیدواژه‌ها [English]

  • Data mining
  • Fraud detection
  • Insurance industry
  • Risk management
  • Scientometrics
 
 

نامه به سردبیر


سردبیر نشریه پژوهشنامه بیمه، هرگونه پیشنهاد و انتقاد دیگر نویسندگان و خوانندگان را در خصوص نقد و بررسی این مقاله مندرج در سامانه نشریه را ظرف مدت 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این نقد در مورد تحقیقات اصلی مقاله نمی باشد.
توجه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:
[1] نامه هایی که شامل گزارش آماری، واقعیت ها، تحقیقات یا نظریه پردازی ها هستند، لازم است همراه با منابع معتبر و مناسب همراه باشد، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد.
[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود.
[3] نامه ها نباید بیش از 300 کلمه باشد.
[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند.
[5] به نامه های ناشناس ترتیب اثر داده نمی شود.
[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.
[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.


 

CAPTCHA Image