دانلود مقاله هدف قرار دادن مشتریان از طریق کشف دانش در صنعت بیمه
تعداد کلمات فایل انگلیسی:6600 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:43 صفحه word فونت 14 B Nazanin
هدف قرار دادن مشتریان از طریق کشف دانش در صنعت بیمه
چكيده
در این مقاله، کشف دانش در پایگاه داده‌ها و داده‌کاوی(KDD/DM)، که یکی از فن‌آوری‌های پشتیبانی تصمیم‌گیری مبتنی بر داده است، به منظور هدف قرار دادن مشتریان برای صنعت بیمه مورد استفاده قرار گرفته است. در اغلب موارد کاربرد KDD/DM، اقداماتی مهمی باید انجام شوند، از جمله آماده سازی داده‌ها، پیش‌پردازش داده‌ها، داده‌کاوی، تفسیر، کاربرد و ارزیابی. یک مطالعه موردی ارائه‌شده است كه در آن از KDD/DM به منظور تحقيق در مورد قوانین تصمیم‌گیری یک شرکت بیمه پیشرو استفاده شده است. از قوانین تصمیم‌گیری می‌توان به منظور تحقیق درباره مشتریان بالقوه محصولات بیمه‌ای موجود یا جدید استفاده کرد. در این تحقیق در وهله اول یک چارچوب برنامه ایجاد شد، سپس وظایف مورد نیاز تعریف و اجرا شد، و در نهایت بازخورد شرکت مورد مطالعه به دست آمد. بحث‌ها و پیامدهاي مربوط به این تحقیق نیز ارائه شده‌اند.
کلمات کلیدی: كشف دانش در پایگاه داده‌ها، داده كاوي، بیمه، حمايت از تصمیم‌گیری.
Analysing factors related to slipping, stumbling, and falling accidents at work: Application of data mining methods to Finnish occupational accidents and diseases statistics database
ABSTRACT
The utilisation of data mining methods has become common in many fields. In occupational accident analysis, however, these methods are still rarely exploited. This study applies methods of data mining (decision tree and association rules) to the Finnish national occupational accidents and diseases statistics database to analyse factors related to slipping, stumbling, and falling (SSF) accidents at work from 2006 to 2007. SSF accidents at work constitute a large proportion (22%) of all accidents at work in Finland. In addition, they are more likely to result in longer periods of incapacity for work than other workplace accidents. The most important factor influencing whether or not an accident at work is related to SSF is the specific physical activity of movement. In addition, the risk of SSF accidents at work seems to depend on the occupation and the age of the worker. The results were in line with previous research. Hence the application of data mining methods was considered successful. The results did not reveal anything unexpected though. Nevertheless, because of the capability to illustrate a large dataset and relationships between variables easily, data mining methods were seen as a useful supplementary method in analysing occupational accident data
Keywords:
Occupational accident
Data mining
Slip
Trip
Fall
کد:mb20
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله هدف قرار دادن مشتریان از طریق کشف دانش در صنعت بیمه
تعداد کلمات فایل انگلیسی:6600 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:43 صفحه word فونت 14 B Nazanin
هدف قرار دادن مشتریان از طریق کشف دانش در صنعت بیمه
چكيده
در این مقاله، کشف دانش در پایگاه داده‌ها و داده‌کاوی(KDD/DM)، که یکی از فن‌آوری‌های پشتیبانی تصمیم‌گیری مبتنی بر داده است، به منظور هدف قرار دادن مشتریان برای صنعت بیمه مورد استفاده قرار گرفته است. در اغلب موارد کاربرد KDD/DM، اقداماتی مهمی باید انجام شوند، از جمله آماده سازی داده‌ها، پیش‌پردازش داده‌ها، داده‌کاوی، تفسیر، کاربرد و ارزیابی. یک مطالعه موردی ارائه‌شده است كه در آن از KDD/DM به منظور تحقيق در مورد قوانین تصمیم‌گیری یک شرکت بیمه پیشرو استفاده شده است. از قوانین تصمیم‌گیری می‌توان به منظور تحقیق درباره مشتریان بالقوه محصولات بیمه‌ای موجود یا جدید استفاده کرد. در این تحقیق در وهله اول یک چارچوب برنامه ایجاد شد، سپس وظایف مورد نیاز تعریف و اجرا شد، و در نهایت بازخورد شرکت مورد مطالعه به دست آمد. بحث‌ها و پیامدهاي مربوط به این تحقیق نیز ارائه شده‌اند.
کلمات کلیدی: كشف دانش در پایگاه داده‌ها، داده كاوي، بیمه، حمايت از تصمیم‌گیری.
Analysing factors related to slipping, stumbling, and falling accidents at work: Application of data mining methods to Finnish occupational accidents and diseases statistics database
ABSTRACT
The utilisation of data mining methods has become common in many fields. In occupational accident analysis, however, these methods are still rarely exploited. This study applies methods of data mining (decision tree and association rules) to the Finnish national occupational accidents and diseases statistics database to analyse factors related to slipping, stumbling, and falling (SSF) accidents at work from 2006 to 2007. SSF accidents at work constitute a large proportion (22%) of all accidents at work in Finland. In addition, they are more likely to result in longer periods of incapacity for work than other workplace accidents. The most important factor influencing whether or not an accident at work is related to SSF is the specific physical activity of movement. In addition, the risk of SSF accidents at work seems to depend on the occupation and the age of the worker. The results were in line with previous research. Hence the application of data mining methods was considered successful. The results did not reveal anything unexpected though. Nevertheless, because of the capability to illustrate a large dataset and relationships between variables easily, data mining methods were seen as a useful supplementary method in analysing occupational accident data
Keywords:
Occupational accident
Data mining
Slip
Trip
Fall
کد:mb20
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com