| تعداد نشریات | 61 |
| تعداد شمارهها | 2,201 |
| تعداد مقالات | 17,933 |
| تعداد مشاهده مقاله | 54,980,854 |
| تعداد دریافت فایل اصل مقاله | 28,774,425 |
مقایسه ى دو روش داده کاوی در بخش بندی مشتریان بیمه ى بدنه ى اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ى ملت) | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 4، دوره 11، شماره 30، مهر 1393، صفحه 77-97 اصل مقاله (647.21 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| چکیده | ||
| با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجود می آیند. در حال حاضر مسئله ى 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 داراى اهمیت است. بیمه ى 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 ى افراد ریسک زیاد به شرکت های بیمه وارد نشود. در این تحقیق طبقه بندی ریسکی بیمه گذاران با استفاده از دو تکنیک شبکه ى انجام شد. در ابتدا عوامل تأثیر 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. | ||
| کلیدواژهها | ||
| بخش بندی مشتریان؛ بیمه ى بدنه ى اتومبیل؛ شبکه های خود سازمان ده؛ .k-means الگوریتم | ||
| مراجع | ||
|
.1 .1387 .2 .1387 .3 .1386 .4 .1390 : .5 .1387 6. E.W.T. Ngai a, Yong Hu b, Y.H. Wong a, Yijun Chen b, Xin Sun, “The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature”, Decision Support Systems, 2011, Vol. 50, pp. 559–569. 7. E.W.T. Ngai, Li Xiu, D.C.K. Chau, "Application of data mining techniques in customer relationship management: A literature review and classification", Expert Systems with Applications, 2009, Vol. 36, pp. 2592-2602. 8. Fahim, A. M., Saake, G., Salem, A. M., Torkey, F.A. Ramadan, M. A., "K-means for Spherical clusters with large variance in sizes", World Academy of Science, Engineering and Technology, 2008, Vol. 45, pp. 177-182. 9. Fayyad, U.M., Piatetsky-Shapiro, G., Smyth, P., The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, November 1996, Vol. 39, No. 11. 27. 10. Hanafizadeh, P., Mirzazadeh, M. (2010). Visualizing market segmentation using selforganizing maps and Fuzzy Delphi method – ADSL market of a elecommunication company. Expert system with application, 38(1), 198-205 11. Hung, Ch., Tsai, Ch., "Market segmentation based on hierarchical self-organizing map for markets of multimedia on demand", Expert Systems with Applications, 2008, Vol. 34, pp: 780–787. 12. Kohonen, T., Self-Organizing Maps, Springer series in Information Sciences, 30, مقایس هى دو روش داد هکاوی در بخ شبندی مشتریان بیم هى بدن هى اتومبیل براساس ریسک 97 Springer, Berlin, Heidelberg New York, 2001, 3th Ed. 13. Kohonen, T.,” Automatic formation of topological maps of patterns in a selforganizing system, In Oja, E. and Simula, O. (Eds), proceedings of SCIA Scand. Conference on Pattern Recognition, Los Alamitos, CA. IEEE Computer Soc. Press, 1981, pp. 182-185. 14. Lee, S. C., Suh, Y. H., Kim, J. K., and Lee, K. J., "A cross-national market segmentation of online game industry using SOM." Expert Systems with Applications, 2004, Vol.27, pp: 559-570. 15. Leung, Y., Zhang, J., Xu, Z., "Clustering by scale-space filtering". IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22 (12), pp. 1396–1410. 16. Newstead, S., D’Elia, A., “Does vehicle colour influence crash risk”, Safety Science, 2010. Vol. 48, pp. 1327-1338. 17. Nong Ye, The Hand Book of Data Mining. New Jersey, LAWRENCE ERLBAUM ASSOCIATES, 2003 18. Vesanto, J., Alhoniemi, E., “Clustering of the Self-Organizing Map, IEEE Transactions on Neural Networks”, 2000, Vol. 11, No.3, pp. 586-600. 19. Vesanto, J., Data mining techniques based on the Self-Organizing map, Helsinki university of Technology, 1997. 20. Witten IH, Frank E, 2000, Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann Series in Data Management Systems. 21. Woo, J. Y., Bae, S. M., & Park, S. C., Visualization method for customer targeting using customer map. Expert Systems with Applications, 2000, Vol. 28, pp: 763– 772. 22. Yang, Y., & Padmanabhan, B.," A hierarchical pattern-based clustering algorithm for grouping web transactions". IEEE Transaction on Knowledge and Data Engineering, 2005, Vol.17, pp.1300-1304. | ||
|
آمار تعداد مشاهده مقاله: 3,429 تعداد دریافت فایل اصل مقاله: 1,726 |
||