先進分類模式於保費數據分析之應用

Application of Advanced Classification Model for Insurance Fee Data Analysis

10.6285/MIC.202008/SP_02_9.0011

程湲晏(Yuan Yan Cheng)；陳祐祥(You Shyang Chen)；丁敏慧(Min Hui Ting)；曹慧華(Huei Hua Tsao)

續期保費 ； 資料探勘 ； 保險資料 ； 屬性選取 ； renewal premium ； data mining ； insurance data ； attribute selection

管理資訊計算

9卷特刊2（2020 / 08 / 01）

112 - 120

繁體中文

成熟自由的金融保險市場，琳琅滿目的儲蓄理財工具，「保險」逐漸成為國人解決風險帶走擔憂的重要規劃，始的近年投保率攀升。目前家庭收入爬升緩慢，國人生計憂心，出現了續期保費繳不出的窘境。保險公司重要營運來自於保費收入，客戶保費續繳問題為保險公司與業務員關注議題。本研究經發達的3C系統與電腦科技結合，採用保險業界客戶保險資料，透過資料探勘選出19個條件屬性1個決策屬性。屬性選取技術，運用K鄰近法、規則、貝氏分類與決策樹四種演算法，執行保費續繳問題之預測，並找出：繳費人、薪資結構、購買保單數與有效保單數，為影響續期保費繳納之重要因子。實驗證明屬性選取後準確率高，決策樹J48為較優的演算法，研究結果提供給業界參考，達到公司、客戶與業務員三贏最優局面，為本研究之貢獻。

The mature and free financial and insurance market, as well as a wealth of savings and wealth management tools, ＂insurance＂ has gradually become an important plan for Chinese people to solve risks and take away worries. The insurance rate has risen in recent years. At present, the family income has been climbing slowly, and the country is worried about its livelihood. The important operation of insurance companies comes from premium income, and the issue of customer premium renewal is a topic of concern for insurance companies and salesmen. In this study, the developed 3C system is combined with computer technology, using customer insurance data from the insurance industry, and 19 condition attributes and 1 decision attribute are selected through data exploration. Attribute selection technology, using K proximity method, rules, Bayesian classification and decision tree four algorithms to perform the prediction of premium renewal problem, and find out: payer, salary structure, number of purchased policies and effective number of policies, as the impact Important factor for renewal premium payment. Experiments prove that the accuracy of attribute selection is high, and the decision tree J48 is a better algorithm. The research results are provided to the industry for reference, to achieve the best situation of win-win for the company, customers and sales staff, and contribute to this research.

1. Chiang, W. C.,Lin, Y. L.,Yu, L. C.,Chang, Y. H.,Chen, Y. A.,Wang, F. C.,Lin, K. C.(2019).Application of text mining in the public perception analysis of global budget payment and National Health Insurance systems.Taiwan Gong Gong Wei Sheng Za Zhi,38(2),189-202.
   連結：
2. 李建然,湯麗芬(2019)。董監事責任保險對企業避稅決策之影響。經濟論文，47(3)，485-524。
   連結：
3. 陳則宏(2019)。中山大學資訊工程學系。
   連結：
4. 彭金隆,魏筱昀,陳彥志(2017)。壽險公司銀行保險通路策略會不會受到競爭者行為的影響：動態競爭觀點之探討。臺大管理論叢，27(2S)，149-176。
   連結：
5. 蔡明學,黃建翔(2019)。應用資料探勘技術探究我國高中生適性學習影響因素。當代教育研究季刊，27(2)，39-76。
   連結：
6. Braun, A.,Schreiber, F.(2017).The current InsurTech landscape: business models and disruptive potential.Institute of Insurance Economics I. VW-HSG, University of St. Gallen.
7. Chen, Y. S.,Tsao, H. H.,Huang, C. H.(2017).Performance Evaluation of Comprehensive Function Classifiers: Taking Growth Rate Data as an Example.Applied Science and Management Research,4(1),61-70.
8. Handayani, A.,Jamal, A.,Septiandri, A. A.(2017).Evaluasi Tiga Jenis Algoritme Berbasis Pembelajaran Mesin untuk Klasifikasi Jenis Tumor Payudara.Journal Nasional Teknik Elektro dan Teknologi Informasi,6(4),394-403.
9. Machmudi, M. A.(2017).Pemanfaatan Teknik Penambangan Data Pada Perguruan Tinggi.Journal Transformasi,13(2)
10. Shamsuddin, S. N. W.,Mat, N. S. F. N.,Makhtar, M.(2017).Relevant test set using feature selection algorithm for early detection of dyslexia.Journal of Fundamental and Applied Sciences,9(6S),886-899.
11. Wang, Y.,Kung, L.,Wang, W. Y. C.,Cegielski, C. G.(2018).An integrated big data analytics-enabled transformation model: Application to health care.Information & Management,55(1),64-79.
12. Zhang, X.,Hu, D.(2018).The Behavior Analysis of Stock Analysts Based on K-Prototypes Clustering Algorithm.Journal of Computer Science and Application,8(6),894-901.
13. 王海東(2019)。C5. 0 決策樹與 RBF 神經網絡模型用於急性缺血性腦粹中出血性轉化的風癬預測性能比较。中華疾病控制雜誌，2019(2)，21。
14. 石鈺齊(2019)。高雄醫學大學醫務管理暨醫療資訊學系。
15. 同桂杰(2019)。基於貝葉斯決策樹的小麥鎘風險識別規則提取。中國環境科學，39(3)，1336-1344。
16. 吳宛縈(2016)。淡江大學保險學系保險經營碩士班。
17. 李莎莎(2019)。基於數據優化的保險客户承保預測。Statistics and Application，8(05)，784。
18. 李勝會,張子璇,徐貝爾(2019)。大數據背景下基本醫療保險公平性評價——基於 boosting 算法的實證研究。華南理工大學學報（社會科學版），21(2)，46-57。
19. 林智婷(2016)。國立交通大學資訊管理學系。
20. 邱弘懿(2016)。交通大學科技管理學系。
21. 邱創鈞,曾柏健,張炳騰(2019)。應用資料探勘分類法於多屬性 ABC 存貨分類。創新與經營管理學刊，8(1)，46-60。
22. 姚靜姍(2018)。成功大學資訊管理研究所。
23. 段繼明(2018)。臺灣大學財務金融組。
24. 張元鳴(2017)。基於 MapReduce 的 Bagging 决策樹優化算法。計算機工程與科學，39(5)，841-848。
25. 陳佑任(2016)。臺灣大學資訊管理學研究所。
26. 陳鈺錡(2018)。國立中央大學資訊管理系。
27. 趙健宇,陸正飛(2018)。養老保險缴费比例會影響企業生產效率嗎？。經濟研究，10
28. 蔡孟峰(2017)。中興大學資訊科學與工程學系。
29. 鄭慧,賀婷婷,趙昕(2017)。基於保險賠付模型的財產險業海洋災害償付能力測算。統計與決策，2，148-151。
30. 穆懷中,杜芳雨(2018)。技術替代趨势下基礎養老保險“產出”缴費模式研究。中國人口科學，3
31. 鍾文豪(2018)。政治大學統計學系。
32. 蘇本躍,蔣京,湯慶豐,盛敏(2017)。基於函数型數據分析方法的人體動態行為識别。自動化學報，43(5)，866-876。