مقایسه ی دو روش داده کاوی در بخش بندی مشتریان بیمه ی بدنه ی اتومبیل براساس ریسک

با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجود می آیند. در حال حاضر مسئله ی پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه توانایی استخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریان کم ریسک و سودآور برای صنعت بیمه نیز دارای اهمیت است. بیمه ی اتومبیل یکی از مهم ترین رشته های بیمه ای در ایران است. اگر شرکت های بیمه به طبقه بندی مشتریان با توجه به ویژگی های قابل مشاهده بپردازند، می توانند نرخ پوشش دهی بیمه و سود خود را افزایش دهند و از سوی دیگر فشاری بر افراد با ریسک کم برای جبران خسارات وارده به وسیله ی افراد ریسک زیاد به شرکت های بیمه وارد نشود. در این تحقیق طبقه بندی ریسکی بیمه گذاران با استفاده از دو تکنیک شبکه ی انجام شد. در ابتدا عوامل تاثیر گذار بر ریسک بیمه گذاران k-means خودسازمان ده و الگوریتم شناسایی شد و سپس بخش بندی مشتریان با استفاده از دو روش نام برده به صورت جداگانه انجام گرفت و ویژگی های مشتریان در هریک از بخش ها مشخص شد. در پایان مقایسه ای بین دو روش صورت گرفت و تفاوت های آنها بیان شد.