نوع مقاله : مقاله علمی

نویسندگان

• داود کریم‌زادگان مقدم
• مجید بهروان

گروه مدیریت فناوری اطلاعات، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور تهران، تهران، ایران

چکیده

بیمه‌نامه شخص ثالث بیشترین سهم از بازار بیمة کشور را دارا می‌باشد و فرصت مناسبی برای کاوش اطلاعات و استخراج الگوهای ناشناخته جهت تصمیمات کلان در صنعت بیمه را فراهم می‌نماید. در حال حاضر حق بیمه با کمترین توجه به عوامل ریسک بیمه‌گذاران محاسبه می‌گردد، که موجب زیانده شدن بیمه‌نامه شخص ثالث برای شرکت‌های بیمه و نارضایتی بیمه‌گذاران از خدمات شرکت‌های بیمه گردیده است. بدین منظور در این پژوهش، اطلاعات خودرویی، سوابق بیمه‌ای و ویژگی‌های بیمه‌گذاران در بیش از 30 میلیون بیمه‌نامه و ۷/۲ میلیون خسارت جمع‌آوری و استانداردسازی شده و در داده‌انبار ذخیره گردید. برای استانداردسازی داده‌های خودرویی با بانک اطلاعاتی نیروی انتظامی و اطلاعات هویتی بیمه‌گذاران با استفاده از داده‌های سازمان ثبت احوال کشور، اعتبارسنجی و تکمیل گردیده است. سپس ساختار کاوشی طراحی و با استفاده از سه الگوریتم خوشه‌بندی، شبکه عصبی و درخت تصمیم و داده‌های آموزشی مورد آموزش قرار گرفت. در نهایت مدل‌ها با استفاده از داده‌های آزمایشی مورد بررسی قرار گرفته و نتایج به‌دست‌آمده از مدل‌ها با استفاده از ماتریس آشفتگی و نسبت خسارت، مورد اعتبارسنجی قرار گرفتند، که نتایج به‌دست‌آمده نشان‌دهنده امکان استفاده از روش ارائه‌شده در تعرفه‌گذاری پویا در خصوص بیمه شخص ثالث به‌صورتی کارآمد را نشان می‌دهد، به‌نحوی که نسبت خسارت، کاهش می‌یابد و ماتریس آشفتگی، صحت ارزیابی را نشان می‌دهد.

کلیدواژه‌ها

• داده‌کاوی
• داده‌ انبار
• بیمه‌نامه اتومبیل
• حق بیمه
• تعرفه‌ گذاری پویا

عنوان مقاله [English]

Dynamic tariffing in insurance industry with data mining method (case study:Third person car insurance)

نویسندگان [English]

• D. Karim Zadehgan Moghaddam
• M. Behrvan

Department of Information Technology Management, Faculty of Computer Engineering and Information Technology, Payame Noor University of Tehran, Tehran, Iran

چکیده [English]

The third person car insurance has the biggest portion in the insurance market which makes an appropriate opportunity for data discovery and extracting unknown patterns for decision making in insurance industry. Currently premium is calculated with the minimum consideration to the risks. Based on these calculations lots of damages may occur to the insurers which affects the quality of their services which also leads to costumers’ dissatisfaction. To make data mining happen, vehicles’ information, police background and the insured person’s information are gathered, standardized and stored in a data warehouse from over 30 million policies and 2.7 million losses. For standardizing vehicles’ specification, police data are used and insured people’s identity are evaluated with national databases. Thereafter a mining structure designed and the three algorithms of clustering, neural network, and decision tree were performed on it. Finally, all models are evaluated using sample data and the results checked with confusion matrix and loss rate, which indicates the feasibility of this method in dynamically tariffing for this type of policies and leads to the decrease of the loss rate, the confusion matrix also indicates the accuracy of the evaluation.

کلیدواژه‌ها [English]

• Car insurance
• Data mining
• Data warehouse
• Dynamic tariff
• Premium