تشخیص موارد غیرنرمال

پیشینه و اهداف: شناسایی ادعاهای مشکوک خسارت در بیمه کشاورزی با استفاده از روش های سنتی، با بهره گیری از کارشناسان در میان انبوه ادعاها بسیار دشوار و شاید غیرممکن باشد. در پژوهش حاضر، مدلی برای کشف ادعاهای مشکوک خسارت در بیمه کشاورزی با استفاده از تکنیک های داده کاوی ارائه شده است تا به صندوق بیمه کشاورزی در شناسایی این گونه ادعاها کمک نماید. روش شناسی: روش تحقیق در این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، توصیفی پس رویدادی است. یکی از کاربردهای داده کاوی، تشخیص ناهنجاری است. در مطالعه حاضر، روشی برای تشخیص ناهنجاری ها در داده ها با استفاده از مدل های ترکیبی یادگیری ماشین ارائه شده است. برای اجرای این روش، از داده های واقعی خسارت پرداختی به بیمه گندم (آبی و دیم) به مدت یک سال در استان خوزستان استفاده شده است. با توجه به تفاوت در روند تعیین خسارت بیمه نامه های گندم آبی و دیم، تحلیل ناهنجاری آنها به تفکیک انجام شده و برای هر کدام تعداد ادعاهای مشکوک به صورت جداگانه به دست آمد. یافته ها : تجزیه و تحلیل نتایج، 5 نوع رفتار مشکوک را در ادعای خسارت نشان داد. نسبت ادعاهای مشکوک به کل (درصد ناهنجاری ها) با استفاده از هیستوگرام نمرات ناهنجاری و نظر کارشناسان صندوق بیمه حدود 1.5 درصد برآورد شد. موارد مشکوک و غیرعادی توسط کارشناسان مورد بررسی قرار گرفت و دقت نهایی مدل در تشخیص صحیح موارد مشکوک برای بیمه نامه گندم آبی و دیم به ترتیب 72 و 68 درصد به دست آمد. نتیجه گیری: بر اساس نتایج به دست آمده، می توان از مدل ارائه شده برای شناسایی ادعاهای مشکوک خسارت در بیمه نامه های گندم آبی و دیم استفاده نمود. از آنجا که بیشتر موارد غیرعادی ناشی از عدم ارائه مستندات کافی می باشد، علت این موضوع می تواند به دلیل ارائه بیمه نامه های صوری یا وجود تبانی بین بیمه گذار، نماینده بیمه گر یا ارزیاب باشد. بنابراین، بایستی در روند پرداخت خسارت دقت و بررسی بیشتری صورت گیرد. مطالعه حاضر بر روی محصول گندم انجام شده و قابل استفاده برای سایر محصولات زراعی می باشد.