بیمه نامة شخص ثالث بیشترین سهم از بازار بیمة کشور را دارا می باشد و فرصت مناسبی برای کاوش اطلاعات و استخراج الگوهای ناشناخته جهت تصمیمات کلان در صنعت بیمه را فراهم می نماید. در حال حاضر حق بیمه با کمترین توجه به عوامل ریسک بیمه گذاران محاسبه می گردد، که موجب زیانده شدن بیمه نامة شخص ثالث برای شرکت های بیمه و نارضایتی بیمه گذاران از خدمات شرکت های بیمه گردیده است. بدین منظور در این پژوهش، اطلاعات خودرویی، سوابق بیمه ای و ویژگی های بیمه گذاران در بیش از 30 میلیون بیمه نامه و ۷/۲ میلیون خسارت جمع آوری و استانداردسازی شده و در داده انبار ذخیره گردید. برای استانداردسازی داده های خودرویی با بانک اطلاعاتی نیروی انتظامی و اطلاعات هویتی بیمه گذاران با استفاده از داده های سازمان ثبت احوال کشور، اعتبارسنجی و تکمیل گردیده است. سپس ساختار کاوشی طراحی و با استفاده از سه الگوریتم خوشه بندی، شبکة عصبی و درخت تصمیم و داده های آموزشی مورد آموزش قرار گرفت. در نهایت مدل ها با استفاده از داده های آزمایشی مورد بررسی قرار گرفته و نتایج به دست آمده از مدل ها با استفاده از ماتریس آشفتگی و نسبت خسارت، مورد اعتبارسنجی قرار گرفتند، که نتایج به دست آمده نشان دهندة امکان استفاده از روش ارائه شده در تعرفه گذاری پویا در خصوص بیمة شخص ثالث به صورتی کارآمد را نشان می دهد، به نحوی که نسبت خسارت، کاهش می یابد و ماتریس آشفتگی، صحت ارزیابی را نشان می دهد.
