دسته بندی مشتریان بر اساس میزان ماندگاری پس از دریافت خسارت با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه نوین)

هیچ سازمانی نمی تواند به حیات خود ادامه دهد مگر آن که به تعداد کافی مشتریانی را جذب و برای خود نگهداری کند. در این راستا کسب دانش از مشتریان و درک چگونگی رفتار آن ها در سازمان می تواند راهگشای مناسبی جهت بهبود هرچه بیشتر راهبردهای سازمان در جهت مشتری شود، که داده کاوی به عنوان یکی از فنون قوی در تجزیه و تحلیل داده ها به این امر کمک شایانی می کند. پژوهش حاضر با کاوش در داده های ثبت شده بخش صدور و بخش خسارت رشته بیمه آتش سوزی شرکت بیمه نوین، به دنبال استخراج دسته بندی میزان ماندگاری مشتریان بعد از دریافت خسارت و کسب قواعد و الگوهای رفتاری مشتریان در این زمینه می باشد. پیاده سازی این طرح مطابق با متدولوژی استاندارد داده کاوی crisp-dm صورت گرفته است. این متدولوژی با درک مسأله کسب و کار آغاز می گردد و با فهم داده، آماده سازی داده، مدل سازی، ارزیابی با استفاده از ماتریس انطباقی و توسعه مدل خاتمه می یابد. ابزار داده کاوی مورد استفاده جهت دسته بندی درخت تصمیم می باشد. حاصل این فرآیند قرار گرفتن مشتریان درسه کلاس a (ماندگاری ضعیف)، b (ماندگاری متوسط)، c (ماندگاری خوب) می باشد که بر اساس میزان ماندگاری مشتری بعد از دریافت خسارت طبقه بندی شده اند. در این تحقیق متغیرهای دارای ضریب اهمیت بالا و ضریب اهمیت کم در ماندگاری مشتریان مشخص می شود که خود راهگشای مناسبی در جهت مشتری مداری می-تواند باشد.