بررسی عوامل ایجاد خسارت در بیمه بدنه اتومبیل ها با استفاده از الگوریتم درخت تصمیم

بررسی عوامل ایجاد خسارت در بیمه بدنه اتومبیل ها با استفاده از الگوریتم درخت تصمیم


  • 244 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده 
بیمه بدنه اتومبیل یکی از طرح های جبران کننده خسارات ناشی از حوادث رانندگی برای اتومبیل ها است. در این نوع بیمه نامه مساله قابل توجه شرکت های بیمه این است که در برابر حق بیمه دریافت شده با خسارات هنگفت از سوی بیمه شدگان مواجه نشوند. در این پژوهش بر آنیم که مدلی با بکارگیری یکی از تکنیک های داده کاوی به نام درخت تصمیم، برای انواع مختلف خسارت های به بار آمده در اتومبیل ها بدست آوریم تا شرکت های بیمه در صورت مواجه شدن با چنین مدلی تصمیم بهتری در مورد بیمه کردن یا عدم بیمه کردن اتومبیل ها اتخاذ کنند، همچنین یکی از اهداف مقاله پیش رو بررسی عوامل موثر در تصادفات شدید رانندگی است که می تواند راهنمایی و رانندگی را در جهت پیش گیری از این تصادفات یاری دهد. نتایج بدست آمده از مطالعه تجربی بر روی ۱۰۵ پرونده خسارت بیمه بدنه در یکی از شعب پرداخت خسارت بیمه بدنه در تهران، نشانگر ارتباط میان عواملی چون زمان، فصل تصادف و سن راننده با شدت تصادفات و میزان خسارت می باشد.

نتیجه گیری
الگوهای ارائه شده و نتایج بدست آمده از ۷۰درصد صحت برخوردارند. لذا نگاه کلی و بررسی اجمالی بر نتایج بدست آمده حاکی از آن است که با افزایش قیمت خودروها تصادفات با شدت بیشتر به وقوع می پیوندند و خسارت بیشتری را به بار می آورند که می تواند ناشی از گران تر بودن لوازم یدکی خودرو و یا به علت وسعت مالی بالای راننده باشد. چرا که خسارت های مالی چیزی از توان مالی او کاسته و ارزش پولی این خسارت ها در نظر او ناچیز است. از موارد قابل توجه دیگر فصل و زمان وقوع تصادفات است، نتایج نشان می دهد که در فصل تابستان و در هنگام شب (۶ بعد از ظهر تا ۱۲ شب) تصادفات خسارت بیشتری را به بار می آورند و این می تواند ناشی از کاهش دید راننده در شب، افزایش ترافیک به دلیل تعطیلی مراکز آموزشی و گشایش مراکز تفریحی و پذیرایی این مراکز تا ۱۲شب و استقبال مردم جهت استفاده از هوای مطبوع تابستانی باشد. اما در فصل پاییز و در ساعات ۱۲ ظهر الی ۶ بعد از ظهر تصادفات خفیف تر و با میزان خسارت کمتری رخ می دهد و این امر می تواند ناشی از کاهش ترافیک درون شهری نسبت به فصل تابستان باشد. سن راننده از دیگر عوامل ایجاد خسارت های هنگفت است، رانندگان که ستی در حدود ۲۰ تا ۳۰ سال دارند به علت کم تجربگی بی احتیاطی و عدم رعایت قوانین و مقررات راهنمایی و رانندگی احتمال ایجاد تصادفات شدید تری دارند و خسارات بیشتری به بار می آورند. در همه موارد به علت معمول و متداول بودن خودروهایی با رنگ های روشن مانند سفید احتمال ایجاد تصادفات برای این نوع از خودرو ها بیشتر است. با توجه به اینکه سالیانه شرکت های بیمه هزینه های بسیاری را در جهت پرداخت خسارت هایی با مبالغ بالا متحمل می شوند. این پژوهش می تواند مبنایی علمی جهت کشف اتومبیل های دارای تصادفات سنگین پیش روی مدیران بیمه و پژوهشگران علاقمند به مطالعه بگذارد. از این رو پیشنهاد می گردد از ارائه سرویس بیمه بدنه به خودروهای گران قیمت بپرهیزند و تا حد امکان از عدم رانندگی رانندگان جوان و کم تجربه با خودرو مورد بیمه اطمینان حاصل کنند. بیمه کردن خودروهایی با قیمتی زیر بیست میلیون تومان برای شرکت های بیمه منافع بیشتری خواهد داشت.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.