سمیه فرهنگ ادیب - کارشناسی ارشد مهندسی فناوری اطلاعات و عضو هیات علمی موسسه آموزش عالی ایوان کی(غیردولتی-غیرانتفاعی)
اکبر دامیار - کارشناسی ارشدمهندسی کامپیوتر هوش مصنوعی،دانشگاه صنعتی شریف،رئیس اداره بانکهای اطلاعاتی بیمه - دی.
بهروز مینایی بید گلی - دکترای مهندسی کامپیوتر نرم افزار عضو هیات علمی دانشگاه علم وصنعت،گروه کامپیوتر

صنعت بیمه بالعکس رویارویی با مسائلی همچون جهانی شدن و پیشرفت فناوری از صنعتی تولیدی محور به خدمتی مشتری محور تبدیل شده است . به همین دلیل سازمان ها نیاز دارند مشتریان خود را شناخت و برای آنان برنامه ریزی کنند. یکی از روش های شناسایی مشتریان در شرکت های بیمه، استفاده از مدل های داده کاوی است. از مسائل مهم برای شرکت های بیمه، پیش بینی مبلغ خسارت برای بیمه نامه های شخص ثالث خودرو است تا با استفاده از این پیش بینی بتوان در مورد صدور یا عدم صدور این بین نامه ها تصمیم گیری کرد. در این مقاله راهکاری در نظر گرفته شده که با استفاده از الگوریتم های داده کاوی روی رکوردهای مشتریان قبلی انجام می شود. برای این منظور ابتدا ویژگی های مهم رکوردهای مشتریان شامل اطلاعات خودروها و صاحبان آن ها را جدا می کنیم سپس با استفاده از ویژگی های به دست آمده از الگوریتم های خوشه بندی استفاده کرده ، رکوردهای مشتریان را به گروه هایی با ویژگی های مشترک تقسیم می کنیم. در مرحله بعد، در هر کدام از گروه های به وجودآمده با استفاده از الگوریتم درخت تصمیم مبلغ خسارت را برای رکوردهای آن گروه محاسبه می کنیم. با توجه به نتایج به دست آمده، مشتریان این که میزان خسارت بالایی دارند مشخص شده و از این نتایج می توان مبلغ خسارت را برای مشتریان نیک در آینده مراجعه می کنند پیش بینی کرده و با توجه به آن در مورد صدور یا عدم صدور بیمه نامه برای آن ها تصمیم گیری کرد.

صنعت بیمه،داده کاوی، الگوریتم خوشه بندی، الگوریتم درخت تصمیم