تحلیل مشتریان و بازار در صنعت بیمه با استفاده از تکنیک طبقه بندی و خوشه بندی

بیمه مانند هر صنعت پررقابت دیگری برای تداوم حضور و سودآوری خود در بازار، نیازمند اشراف کامل بر مشتریان خود می‌باشد. با توجه به تعداد بسیار زیاد مشتریان یک شرکت بیمه و تراکنش‌های آنان اعم از صدور بیمه نامه و پرداخت خسارت (در حد ده‌ها هزار رکورد اطلاعاتی)، کسب آگاهی از وضعیت مشتریان و بازار در آن، بدون بهره‌گیری از فناوری اطلاعات و روش‌های یادگیری ماشین و هوش مصنوعی عملاً غیرممکن است. اما در این راه می‌توان به اقتضای سطح بلوغ سازمان، در مراتب گوناگونی از تحلیل ورود نمود. این تجربه در یکی از شرکت‌های بیمه کشور در سال 98 به صورت پایلوت، با حداقل ابزار و امکانات به وقوع پیوست و نتایج اولیه قابل قبولی به‌دست داد. در این تجربه، ابتدا بخشی از اطلاعات بیمه‌نامه‌های صادره در 10 سال گذشته فعالیت شرکت بیمه و پرونده‌های خسارت آنها گردآوری، پالایش و آماده‌سازی گردید. سپس شاخص‌های ساده شناخته شده و گاه بدیعی در حوزه‌های بازاریابی، امور مشتریان و امور بیمه‌ای، تعریف و محاسبه شد. در گام بعدی برای افزودن جنبه‌های تحلیلی از انواع اکتشافی، تشخیصی و حتی پیش‌بینی، مکعب‌های اطلاعاتی (Cube) تشکیل داده و در این مسیر از تکنیک‌های طبقه‌بندی (Classification) و خوشه‌بندی (Clustering) بهره‌گیری شد. نهایتا با ایجاد داشبورد مدیریتی بر روی داده‌های سازماندهی شده، دریافت انواع گزارش‌ها و Drill-Down کردن در اطلاعات، امکان‌پذیر گردید. سید مهدی احمدی، در این ارایه ضمن مروری بر مراحل و ابعاد مهم پروژه، به معرفی برخی شاخص‌های انتخابی و نمایش ابزار و داشبورد مربوط به صورت پویا خواهد پرداخت.

ثبت نام رایگان
انتخاب جلسه
ارائه دهندگان
سید مهدی احمدی

سید مهدی احمدی

سید مهدی احمدی متولد 1350 دارای تحصیلات در سطح کارشناسی ارشد در رشته مدیریت فناوری اطلاعات می‌باشد و اغلب سابقه کاری بیست و چند ساله خود را در حوزه‌های فناوری اطلاعات و برنامه‌ریزی در صنایع برق، بیمه و مشاوره سپری نموده است. وی هم‌اکنون معاون مدیرعامل یکی از شرکت‌های بیمه دولتی در امور برنامه‌ریزی و فناوری است و به‌طور محدود به شرکت‌های خصوصی، خدمات مشاوره و منتورینگ ارایه می‌نماید.

چهارشنبه 5 اسفند

ساعت ۱۹ الی 21

بیشتر بدانید …

  • جلسات SIG، جلسات غیر رسمی است که خارج از برنامه آموزشی مدون دوره برگزار خواهد شد.
  • هدف از برگزاری این جلسات یادگیری بیشتر از تجربیات سایر شرکت کنندگان در دوره، امکان همفکری و بهره برداری حداکثری از ظرفیت یادگیریِ اجتماعی ایجاد شده در دوره DDL1400 است.