Makine öğrenmesiyle sağlık sigortalarında kümeleme ve sınıflandırma
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Ticaret Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Birçok sektörde olduğu gibi, sigortada da en büyük hedef şirketin karlılığını maksimize etmektir. Bu hedefe ulaşmanın temel unsurlarından biri, karlı olabilecek yeni müşteriler çekmektir. Sigorta sektöründe sağlık branşı, bir sigorta şirketine hem kar hem de zarar getirebilen bir branştır. Bu nedenle, hedeflenen müşteriler için doğru fiyatları sunarak şirketin taleplerini minimize etmek gereklidir. Sağlık branşında, müşteri bir poliçe satın alabilir ve o poliçe kapsamında birden fazla kişi sigortalı olabilir. Bu alandaki önceki akademik çalışmalar, sigorta şirketlerinin genellikle karlılıklarını poliçe düzeyinde hesapladıklarını göstermektedir. Bu nedenle, bir müşterinin sigortalı grubunda ne kadar karlı olduğu belirsiz kalmaktadır. Ayrıca, faydalı bir müşteriye doğru fiyatın verilmediği tespit edilmiştir ve bu da müşterinin kaybedilmesine neden olmaktadır. Fiyatlandırma ve satış süreçlerindeki kilit değer doğru fiyatın yani sigorta şirketi için toplamda kar edebileceği satış tutarının belirlenmesidir. Ancak bu nokta çok kolay hesaplanamamakla birlikte gelir gider dengesini kurgulamak da çok meşakatlidir. Bu durumun zorluğundan kaynaklı olarak, düşük fiyattan yapılan bir poliçeden zarar edilebileceği gibi yüksek kar elde edilebilecek bir müşteriye de yüksek fiyat verilerek müşteri kaybedilebilir. Bu çalışma kapsamında, karlılık hesabı sigortalı düzeyine indirgenmiştir. Sigorta şirketinin portföyündeki müşterilerin karlılığı, K-ortalama algoritması ile kümelenmelere ayrılmıştır. Sigortalı müşterinin demografik bilgilerini, doktorlar tarafından girilen teşhis bilgilerini, ödenen primleri, talep edilen tutarı ve karlılık miktarlarını içeren yaklaşık 480.000 poliçe sahibinin verileri kümelenmelerde kullanılmıştır. Yeni gelen müşteriler, makine öğrenimi algoritmasıyla işlem görür ve benzer özelliklere sahip müşterilerin kümesine düşer. Bu şekilde, müşterinin şirket için karlı olup olmayacağı öngörülür. Müşterinin karlılığına göre, şirketin kaybını minimize etmek için fiyatlandırmada indirim veya fazlalık tanımlanabilir. Yapılan araştırmalara neticesinde ulusal yada uluslar arası sigortacılık alanında bu çalışmaya benzer bir çalışmaya rastlanmamıştır. Dolayısıyla yapılan çalışma sektör düzeyinde önem kazanmaktadır.
As in many sectors, the biggest target in insurance is to maximize the company's profitability. One of the essential elements of achieving this goal is to attract new customers that can be profitable. In the insurance sector, the health branch is a branch that can bring profit as well as loss to an insurance company. For this reason, minimizing the company's claim is necessary by offering the right prices for the targeted customers. In the health branch, the customer can purchase a policy and have more than one person covered by that policy. Past academic studies in this field show that insurance companies usually calculate their profitability at the policy level. Therefore, it stays unclear how profitable a customer is at the insured group. Also, it has been determined that the correct price is not given to a beneficial customer, resulting in the loss of the customer. The key value in pricing and sales processes is determining the correct price, which is the total sales amount that the insurance company can make a profit from. However, this point is not easy to calculate, and building a balance between income and expenses is also very challenging. Due to the difficulty of this situation, it is possible to incur losses from a policy sold at a low price, and a customer who can provide high profits can also be lost by offering a high price Within the scope of this study, the profitability account is reduced to the insured level. The customers' profitability in the insurance company's portfolio is divided into Sınıfs with the K-means algorithm. The data of approximately 480.000 policyholders, which include the features demographic information of the insured customer, the diagnosis information entered by the doctors, the premiums paid, the amount of claim and the profitability amounts, have been used in Sınıfing. New incoming customers pass through the machine learning algorithm and fall into the Sınıf of customers with similar characteristics. In this way, it is predicted whether the customer will be profitable for the company. According to the customer's profitability, a dis
As in many sectors, the biggest target in insurance is to maximize the company's profitability. One of the essential elements of achieving this goal is to attract new customers that can be profitable. In the insurance sector, the health branch is a branch that can bring profit as well as loss to an insurance company. For this reason, minimizing the company's claim is necessary by offering the right prices for the targeted customers. In the health branch, the customer can purchase a policy and have more than one person covered by that policy. Past academic studies in this field show that insurance companies usually calculate their profitability at the policy level. Therefore, it stays unclear how profitable a customer is at the insured group. Also, it has been determined that the correct price is not given to a beneficial customer, resulting in the loss of the customer. The key value in pricing and sales processes is determining the correct price, which is the total sales amount that the insurance company can make a profit from. However, this point is not easy to calculate, and building a balance between income and expenses is also very challenging. Due to the difficulty of this situation, it is possible to incur losses from a policy sold at a low price, and a customer who can provide high profits can also be lost by offering a high price Within the scope of this study, the profitability account is reduced to the insured level. The customers' profitability in the insurance company's portfolio is divided into Sınıfs with the K-means algorithm. The data of approximately 480.000 policyholders, which include the features demographic information of the insured customer, the diagnosis information entered by the doctors, the premiums paid, the amount of claim and the profitability amounts, have been used in Sınıfing. New incoming customers pass through the machine learning algorithm and fall into the Sınıf of customers with similar characteristics. In this way, it is predicted whether the customer will be profitable for the company. According to the customer's profitability, a dis
Açıklama
Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Bilgisayar Mühendisliği Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control, Bilim ve Teknoloji
