طراحی داشبوردهای نظارتی هوشمند مبتنی بر داده کاوی و مدل سازی پیش بینی در صنعت بیمه ایران

این پژوهش با هدف طراحی و پیاده سازی داشبوردهای نظارتی هوشمند برای پایش عملکرد صنعت بیمه ایران با استفاده از زبان برنامه نویسی پایتون انجام شد. داده های عملکرد صنعت بیمه در بازه زمانی ۱۳۹۲ تا ۱۴۰۲، شامل حق بیمه تولیدی، خسارت پرداختی، تعداد بیمه نامه ها، ضریب خسارت و توزیع جغرافیایی استانی، از منابع معتبر مانند سالنامه های بیمه مرکزی استخراج شد. با بهره گیری از کتابخانه های Pandas، NumPy، Scikit-learn، Plotly و Dash، داشبوردهای تعاملی طراحی شدند که امکان مصورسازی شاخص های کلیدی عملکرد (KPI) و فیلترینگ پویا بر اساس استان، رشته بیمه و بازه زمانی را فراهم می کنند. مدل رگرسیون خطی برای پیش بینی ضریب خسارت به کار رفت و دقت متوسط (۰.۴۳=R²) را نشان داد، با بهترین عملکرد در رشته های درمانی (۰.۷۹=R²) و ضعیف ترین در مسئولیت و مهندسی (۰.۲۷=R²). تحلیل همبستگی نشان دهنده الگوهای ریسک مشترک (مانند آتش سوزی و باربری) و مستقل (مانند درمان و مسئولیت) بود. نتایج حاکی از نوسانات قابل توجه در حق بیمه (اوج در ۱۴۰۰) و ضریب خسارت استانی (خراسان جنوبی: ۱.۴۹؛ تهران: ۱.۰۸) است. این داشبوردها امکان پایش لحظه ای و تصمیم گیری داده محور را فراهم کرده و پیشنهاداتی مانند استقرار سامانه نظارتی ملی، سیاست گذاری منطقه ای و ارتقای مدل های پیش بینی برای بیمه مرکزی ارائه شده است. این رویکرد می تواند به پایداری مالی صنعت بیمه و تحول دیجیتال کمک کند.

کلیدواژه ها:

داشبورد نظارتی ، صنعت بیمه ، تحلیل داده ، پایتون ، پیش بینی ریسک ، ضریب خسارت