@article { author = {}, title = {isk Based Comparison between two data mining methods in segmentation of car insurance customers (Case Study: Mellat Insurance Company}, journal = {Industrial Management Studies}, volume = {11}, number = {30}, pages = {77-97}, year = {2014}, publisher = {Allameh Tabataba'i University}, issn = {2251-8029}, eissn = {2476-602X}, doi = {}, abstract = {Due to the sharp rise of the information technology (IT), the amount of datastored in databases is dramatically on the rise. Analyzing the stored data andconverting it to information and knowledge which is applicable in organizationsrequires powerful instruments. As with other economic sectors, recognizing andattracting low-risk and profitable customers are of high significance for insuranceindustry. Car insurance is one of the most important insurance brancheswhich accounts for a great deal of portfolio of insurance industry. Risk segmentationof policyholders on the basis of observable features can help insurancecompanies to reduce loss, raise the rate of insurance coverage, and prevent themfrom making an inappropriate choice in the insurance market. In this study, thesegmentation of comprehensive car insurance customers on the basis of risk wasselected through self-organizing map and K-means. At first, the effective factorson the risk of policyholders are identified. Then, the insurance policyholders aresegmented using the proposed SOM and K-means. Customers’ characteristicsin every cluster are identified. Finally, the two methods compared with eachother. The advantages and disadvantages of them illustrated}, keywords = {Customer segmentation,self-organizing map,k-means,Comprehensive auto insurance}, title_fa = {مقایسه ى دو روش داده کاوی در بخش بندی مشتریان بیمه ى بدنه ى اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ى ملت)}, abstract_fa = {با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجودمی آیند. در حال حاضر مسئله ى 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 داراى اهمیت است. بیمه ى 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 ى افراد ریسک زیاد به شرکت هایبیمه وارد نشود. در این تحقیق طبقه بندی ریسکی بیمه گذاران با استفاده از دو تکنیک شبکه ىانجام شد. در ابتدا عوامل تأثیر 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.}, keywords_fa = {بخش بندی مشتریان,بیمه ى بدنه ى اتومبیل,شبکه های خود سازمان ده,.k-means الگوریتم}, url = {https://jims.atu.ac.ir/article_175.html}, eprint = {https://jims.atu.ac.ir/article_175_3779169272ca9c946d2eff21b5578b88.pdf} }