چکیده:
پوشش بیمه سازمان تامین اجتماعی برای حرف و مشاغل آزاد به صورت اختیاری در سه نرخ 12، 14 و 18 درصد ارائه میشود اما نگاه به آمار نشان میدهد که تقاضای این بیمهنامهها بسیار پایین است. این پژوهش با استفاده از دادهکاوی و با بهکارگیری دو الگوریتم یادگیری ماشین یعنی درخت تصمیم و جنگل تصادفی به بررسی مشخصههای خریداران این نوع بیمهنامهها پرداخته و با ارائه یک مدل طبقهبندی، رفتار آنها را پیشبینی میکند تا از این طریق به سازمان تأمین اجتماعی در جهت بهبود مدیریت ارتباط با مشتری کمک کند. برای این منظور، از اطلاعات 1286174 نفر از خریداران انواع بیمهنامههای حرف و مشاغل آزاد سال 1399 استفاده شد که مشخصههای سن، جنسیت، متوسط درآمد ماهانه، میزان سابقه کار و نوع بیمهنامه خریداری شده را در بر میگیرد. نتایج به دست آمده نشان میدهند که زنان به طور عمده متقاضی بیمهنامه با نرخ 12 درصد هستند در حالی که مردان به دلیل بر عهده داشتن بار تکفل خانواده عمدتاً تمایل به خرید بیمهنامههای با نرخ 14 و 18 درصدی دارند. همچنین، در مردان با افزایش سن، درآمد و سابقه، تقاضای بیمههای با نرخ 14 و 18 درصد افزایش مییابد، اما چنین روندهایی برای زنان وجود ندارد. طبق نتایج بهدست آمده متغیرهای میزان سابقه کار و پس از آن جنسیت در انتخاب نوع بیمهنامه تعیینکننده هستند، به گونهای که طبق پیشبینی مدل افراد با سابقه کار کمتر از 5/4 سال متقاضیان قطعی بیمهنامه 12 درصدی شناخته شدهاند. با توجه به نتایج و انگیزه پایین زنان و جوانان برای انتخاب بیمههای با خدمات گستردهتر، سازمان تأمین اجتماعی می-تواند ازطریق ارائه مشوقها یا خدمات کوتاهمدت، جذابیت این نوع بیمهنامه با خدمات گستردهتر را در بین این گروه خاص افزایش دهد.
The pension coverage of the Iranian Social Security Organization for self-employed workers is offered at three contribution rates of 12, 14 and 18 percent, but looking at the statistics shows that the demand for these types of insurances is low. This research investigates the characteristics of these insured groups by using data mining and applying two machine learning algorithms, decision tree and random forest, and predicts their behavior by providing a classification model. This will help the Social Security Organization to improve customer relationship management. For this purpose, the information of 1286174 insured persons of self-employed in 2020 was used, which includes the characteristics of age, gender, average monthly income, the years of service, and the type of self-employed pension scheme. The obtained results show that women mainly apply for the scheme with 12 percent contribution, while men tend to be covered by schemes with contribution rates of 14 and 18 percent due to the burden of supporting the family. Also, for men, the demand for schemes of 14 and 18 percent increases with the increase of age, income and years of service, but there are no such trends for women. According to the obtained results, years of service and then gender are decisive in choosing the type of pension scheme in such a way that according to the prediction of the model, people with less than 4.5 years of service are known as definite applicants for 12 percent self-employed pension scheme.
خلاصه ماشینی:
ir اطلاعات مقاله نوع مقاله : مقاله پژوهشی تاریخ دریافت : 1401/08/24 تاریخ ویرایش : 1401/08/24 تاریخ پذیرش: 1402/01/26 چکیده پوشش بیمه سازمان تامین اجتماعی برای حرف و مشاغل آزاد به صورت اختیاری در سه نرخ ١٢، ١٤ و ١٨ درصد ارائه میشود اما نگاه به آمار نشان میدهد که تقاضای این بیمه نامه ها بسیار پایین است .
این پژوهش با استفاده از دادهکاوی و با به کارگیری دو الگوریتم یادگیری ماشین یعنی درخت تصمیم و جنگل تصادفی به بررسی مشخصه های خریداران این نوع بیمه نامه ها پرداخته و با ارائه یک مدل طبقه بندی، رفتار آنها را پیش بینی میکند تا از این طریق به سازمان تأمین اجتماعی در جهت بهبود مدیریت ارتباط با مشتری کمک کند.
بیمه شدگان حرف و مشاغل آزاد که شامل اطلاعات شخصی آنها مانند سن ، جنسیت ، میزان درآمد و سابقه کار است مدلی ساخته خواهد شد که به پیش بینی تقاضای بیمه نامه مناسب هر مشتری با توجه به ویژگیهای فردی آنها کمک میکند (متقاضیان بیمه نامه با خدمات مستمری بازنشستگی یا افرادی که علاوه بر بازنشستگی، متقاضی خدمات ازکارافتادگی و بازماندگان خواهند بود).
A Machine Learning Model for Lapse Prediction in Life Insurance Contracts.
Predictability of loyalty and separation of self-insurance Persons of Social Security Organization based on data mining method.
Application of data mining techniques in customer relationship management: A literature review and classification.
Identifying the customer behavior model in life insurance Sector using data mining.