Data mining

Análisis de retención del consumidor y patrones de cobranza de seguros mediante Data Mining
Abstracto: la industria aseguradora presenta un caso de estudio presentando 2 problemas, el entendimiento de los patrones de retención de cliente al clasificar a los poseedores de seguros y saber si estos terminaran o renovaran sus pólizas. El segundo es mejorar el entendimiento de los patrones decobranzas de seguros e identificar los tipos de clientes que presentan un mayor riesgo. Estos problemas tienen impacto en las decisiones relacionadas con los precios de las primas los cuales afectan directamente a la rentabilidad.
Introducción
La naturaleza altamente competitiva de la industria aseguradora imposibilita la difusión pública de los resultados de aplicaciones más exitosas aplicados en laindustria. Existen algunos reportes de proyectos exitosos aplicando data Mining y Red Neural (sistema compuesto de programas y bases de datos que incluye un número de procesadores paralelos e imita en sus actividades la base de la mente humana) hacia problemas como detección de fraudes, predicción de insolvencia y segmentación de clientes, sin embargo pocos de estos estudios tienen una metodologíacapaz de proveer soluciones hacia una variada e interrelacionada gama de problemas de la industria. Esta industria se caracteriza por una rentabilidad descrita por un aumento de mercado y rentabilidad las cuales son imperativas para su éxito.
Campañas exitosa de marketing, alianzas estratégicas, fusiones etc. pueden asegurar que se obtiene un crecimiento de mercado, pero si no hay unentendimiento de este crecimiento la rentabilidad está en riesgo.
Técnicas como la data Mining pueden ser de alto beneficio en términos de identificar patrones escondidos en la información así como predecir comportamientos futuros de los clientes.
El crecimiento de mercado y la rentabilidad son el resultado de tomar decisiones acertadas de precio relativo a los cobros de de las pólizas. Entoncesnecesitamos poder predecir el promedio de cobranza y la frecuencia de cobranza, y examinar el efecto de la fijación de precios en la rentabilidad. También debemos estar atentos al efecto que tiene la fijación de precios en la retención de clientes así como en la posibilidad de crecimiento de mercado.
El problema central de la fijación de precios para lograr el costo de cobranza, la retención de clientes yla obtención de nuevos clientes.
Para el problema altamente estructurado de retención de clientes se usa modelamiento, regresiones, red neural y arboles de decisión, mientras que para el problema menos estructurado de cobranza de pólizas usaremos clustering (agrupación).
Metodología del Data Mining
La metodología de data Mining usada en este caso es un proceso de 4 partes, el problema denegocios tiene que ser identificado, la información (data) tiene que ser analizada, acciones pueden ser tomadas basadas en los resultados y el resultado de la acción puede ser medido. La primera y tercera parte del proceso es relacionado al negocio.
El propósito de este acercamiento integral a data Mining es para asegurar una integración absoluta del conocimiento del negocio y sus procesos.
Lasestadísticas descriptivas iniciales nos permiten la oportunidad de familiarizarse con la información y darnos cuenta de valores faltantes. Al integrar la información obtenida mediante los variados pasos que incluye el data Mining se pueden prevenir errores del data Mining previstos por Smalls (ocupar tecnología para innovación ignorando la capacidad verdadera de esta).
Análisis de retención delconsumidor
Es importante entender que clientes se están retirando y porque para que las iniciativas para retención del cliente estén mejor enfocadas. Se desarrollara una herramienta para predecir la posibilidad que un cliente terminara su póliza, esta puede ser usada para evaluar cambios a los detalles de las pólizas incluyendo costos de primas y estimaciones más acertadas de rangos de terminación...