مقایسه ی دو روش داده کاوی در بخش بندی مشتریان بیمه ی بدنه ی اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ی ملت)

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