Proces pozyskiwania wiedzy i eksploatacji danych w zastosowaniach biznesowych na przykladzie ubezpieczeń

• Autorzy: Rostek K.
• Języki publikacji: PL

Abstrakty

PL

Zebrane w bazach danych zapisy dotyczące historii polis, cech klientów oraz poziomu i struktury sprzedaży mogą być wykorzystywane do pozyskania cennej wiedzy, umożliwiającej podniesienie efektywności kampanii reklamowych, powstrzymania odchodzenia klientów do konkurencji czy wykrywania oszustw i nadużyć. W takiej sytuacji wdrożenie procesów pozyskiwania wiedzy i eksploracji danych staje się normą dla wszystkich nowoczesnych firm ubezpieczeniowych. Aby jednak umożliwić poprawną i efektywną realizację procesu pozyskiwania wiedzy z danych, należy przestrzegać metodyki realizacji procesu i ściśle wypełniać warunki narzucane przez poszczególne jego etapy. Artykuł prezentuje skomplikowaną materię doboru metod i technik, które gwarantują uzyskiwanie wyników o najwyższej jakości.

EN

The records accumulated in databases relating to policy history, customer characteristics and sales level and structure may be used to acquire valuable knowledge, enabling increased effectiveness of advertising campaigns, preventing the loss of customers to competitors, and detecting fraud and abuse. Therefore, it seems that the implementation of knowledge derivation and data mining processes will soon become standard for any modem insurance company which is interested in strengthening its position in the market. However, in order to enable correct and effective completion of knowledge derivation and data mining processes, the methodology of the process completion has to be adhered to and the terms and conditions for each of the stages of the process have to be met. This article presents the complicated method of selection of those analytical methods and techniques that have to be used, which offer the capacity to achieve research results of the highest quality and business usefulness.

Słowa kluczowe

PL

ubezpieczenia; źródła energii; ekstrakty wiedzy; rozkład gęstości; statystyka opisowa; klasteryzacja zbioru danych; drzewo decyzyjne

EN

data sources; knowledge extract; density distribution; descriptive statistics; decision tree; range of reference

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Organizacja i Zarządzanie Przemysłem
• Rocznik: 2004
• Tom: z. 16
• Strony: 41--68
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wykr.

Twórcy

autor

Rostek K.

• Zakład Systemów Informatycznych Politechniki Warszawskiej

Bibliografia

• [1] Garczarczyk J.: Determinanty jakości usług ubezpieczeniowych. Konferencja „Finanse, Banki i Ubezpieczenia w Polsce”, Poznań 2000.
• [2] Piatetsky-Shapiro G., Frawley W.J.: Knowledge Discovery in Databases. AAAI Press/MIT Press, Menlo Park, 1991.
• [3] SPSS, CR, DaimlerChrysler - CRISP-DM 1.0 Data Mining Guide. SPSS Inc., USA 2000.
• [4] Wielenga D., Lucas B., Georges J.: Enterprise Miner: Applying Data Mining Techniques Course Notes. SAS Institute Inc., Cary USA 1999.
• [5] Materiały konferencyjne - Hurtownie danych na przykładzie metodologii firmy SAS Institute. V Konferencja Użytkowników Systemu SAS w Polsce, SAS Forum'98, Warszawa 1998.
• [6] Morzy T.: Eksploracja danych: problemy i rozwiązania. Materiały konferencyjne V Konferencji PLOUG, Zakopane 1999.
• [7] SAS Course Notes - Survival Analysis Using the Proportional Hazards Model. SAS Inc., Cary USA 2000.
• [8] Cox D.R.: Regression Models and Life-Tables (with Discussion), Journal of the Royal Statistical Society, 34/1972.