TCNICAS DE MINERA DE DATOS

PARA LA RETENCIN DE CLIENTES

EN EL SECTOR ASEGURADOR
Por : Estefana Cano Martnez
POR QUE EL PROBLEMA?
Por el alto porcentaje en la cancelacin de plizas,
alcanzando en algunos productos niveles de
cancelacin del 80% con respecto al total emitido.
Al mismo tiempo, cerca del 70% de las
cancelaciones se realizan durante el primer ao de
vigencia del seguro, lo cual significa un alto costo
para las empresas.
FASES DEL KDD
Seleccin del objetivo: En este paso se observo
el problema el cual era las altas cancelaciones de
plizas que se presentan en una de las principales
empresas de seguros, una vez definido el
problema, se identificaron fuentes de datos y
posteriormente, se seleccionaron un subconjunto
que sea til para la aplicacin de un algoritmo de
minera de datos.
Preproceso de datos: el preproceso consisti
bsicamente en la estandarizacin y el
agrupamiento de datos, ya que, como se mencion
anteriormente, dicha muestra fue proporcionada
por la empresa en estudio.

Minado de datos: se ha elegido al algoritmo J4.8
de WEKA para la construccin de un modelo de
minera de datos. El algoritmo J4.8 genera rboles
de decisin los cuales clasifican los datos en clases
o categoras. Esta clasificacin sirve adems para
predecir la clase de instancias que an no han sido
clasificadas.
Interpretacin de resultados: Como resultado de
la induccin, WEKA obtuvo un rbol de decisin
QU TIPO DE TAREA SE CONCENTRO EN ATENDER LA
MINERA? CMO LO HIZO?

Construir modelos predictivos que clasifiquen a los
clientes de una institucin Seguros de acuerdo a su
grado de lealtad.
Todo ello fue realizado mediante arboles de
prediccin donde dada una base de datos se
construyen diagramas de construcciones lgicas y
que en base a caracteristicas dadas se llega a las
soluciones.
RESULTADOS OBTENIDOS
Como resultado de la induccin, WEKA obtuvo un
rbol de decisin de tamao 6,421 (suma de nodos
internos y nodos hoja), con 4,318 salidas o
nodos hoja.