Makine öğrenmesiyle sağlık sigortalarında kümeleme ve sınıflandırma
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: ÖMER GÜL
Danışman: Mustafa Cem Kasapbaşı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Birçok sektörde olduğu gibi, sigortada da en büyük hedef şirketin karlılığını maksimize etmektir. Bu hedefe ulaşmanın temel unsurlarından biri, karlı olabilecek yeni müşteriler çekmektir. Sigorta sektöründe sağlık branşı, bir sigorta şirketine hem kar hem de zarar getirebilen bir branştır. Bu nedenle, hedeflenen müşteriler için doğru fiyatları sunarak şirketin taleplerini minimize etmek gereklidir. Sağlık branşında, müşteri bir poliçe satın alabilir ve o poliçe kapsamında birden fazla kişi sigortalı olabilir. Bu alandaki önceki akademik çalışmalar, sigorta şirketlerinin genellikle karlılıklarını poliçe düzeyinde hesapladıklarını göstermektedir. Bu nedenle, bir müşterinin sigortalı grubunda ne kadar karlı olduğu belirsiz kalmaktadır. Ayrıca, faydalı bir müşteriye doğru fiyatın verilmediği tespit edilmiştir ve bu da müşterinin kaybedilmesine neden olmaktadır. Fiyatlandırma ve satış süreçlerindeki kilit değer doğru fiyatın yani sigorta şirketi için toplamda kar edebileceği satış tutarının belirlenmesidir. Ancak bu nokta çok kolay hesaplanamamakla birlikte gelir gider dengesini kurgulamak da çok meşakatlidir. Bu durumun zorluğundan kaynaklı olarak, düşük fiyattan yapılan bir poliçeden zarar edilebileceği gibi yüksek kar elde edilebilecek bir müşteriye de yüksek fiyat verilerek müşteri kaybedilebilir. Bu çalışma kapsamında, karlılık hesabı sigortalı düzeyine indirgenmiştir. Sigorta şirketinin portföyündeki müşterilerin karlılığı, K-ortalama algoritması ile kümelenmelere ayrılmıştır. Sigortalı müşterinin demografik bilgilerini, doktorlar tarafından girilen teşhis bilgilerini, ödenen primleri, talep edilen tutarı ve karlılık miktarlarını içeren yaklaşık 480.000 poliçe sahibinin verileri kümelenmelerde kullanılmıştır. Yeni gelen müşteriler, makine öğrenimi algoritmasıyla işlem görür ve benzer özelliklere sahip müşterilerin kümesine düşer. Bu şekilde, müşterinin şirket için karlı olup olmayacağı öngörülür. Müşterinin karlılığına göre, şirketin kaybını minimize etmek için fiyatlandırmada indirim veya fazlalık tanımlanabilir. Yapılan araştırmalara neticesinde ulusal yada uluslar arası sigortacılık alanında bu çalışmaya benzer bir çalışmaya rastlanmamıştır. Dolayısıyla yapılan çalışma sektör düzeyinde önem kazanmaktadır.