بیمه زندگی یک محصول مهم بیمه‌ای و برنامه‌ریزی مالی است اما متأسفانه نفوذ کمی در بازار و در میان افراد جامعه به ویژه در ایران دارد. یکی از دلایل ضریب نفوذ پایین نیز بازخرید بیمه‌نامه‌ها است که به دلایل متعددی می‌تواند اتفاق افتد. اما در این طرح تمرکز اصلی بر بررسی تأثیر مؤلفه‌های اجتماعی است. مؤلفه‌های اجتماعی خود طیف وسیعی از عوامل را در بر می‌گیرد که به دلایل محدودیت داده‌ها و اطلاعات تنها برخی از این عوامل مورد بررسی قرار می‌گیرند.
در این طرح پژوهشی که توسط دکتر عباس خندان عضو هیئت علمی دانشگاه خوارزمی و در 5 بخش کلی شامل «کلیات پژوهش و بیان مسئله»، «ادبیات موضوع و پیشینه پژوهش»، «روش‌شناسی و داده‌های پژوهشی»، «یافته‌های پژوهش» و «جمع‌بندی و نتیجه‌گیری» تهیه و تنظیم شده است، برای پاسخ به سؤالات، از داده‌های آماری و اطلاعات ثبتی 37269 نفر از خریداران بیمه‌نامه‌های عمر و مستمری شرکت بیمه پایلوت در مقطع سال 1400 استفاده شده است. این افراد کسانی هستند که از فروردین 1395 این بیمه‌نامه را خریداری کرده و تا سال 1400 همچنان مشتری این بیمه‌نامه شرکت باقی مانده‌اند. با نگاه به آمار بیمه نامه‌ها می‌توان دید که متغیر هدف یا وابسته یعنی بیمه‌نامه‌های بازخریدی، حدود 25/2 درصد از بیمه‌نامه‌ها را تشکیل می‌دهند که این طرح به دنبال پیش‌بینی و توضیح آن است.
به پشتوانه حجم عظیم داده ها و اطلاعات جمع آوری شده، و بررسی رفتار افراد در بازخرید بیمه نامه زندگی و شناخت ویژگی‌ها و مشخصه‌های آنان، از داده‌کاوی استفاده شده است. فرآیند داده‌کاوی شش مرحله دارد که مرحله اول و دوم آن یعنی درک کسب وکار و درک داده‌ها در فصول اول تا سوم انجام گرفته است. در فصل سوم، برای درک داده ها یک سری آمار توصیفی از متغیرها و مشخصه‌های بیمه شدگان ارائه شده و سپس به مرحله سوم از داده‌کاوی یعنی آماده‌سازی داده‌ها پرداخته شده است.
مرحله چهارم از داده کاوی مدلسازی است که در این پژوهش از یادگیری عمیق با شبکه‌های عصبی استفاده گردیده است. مزیت اصلی استفاده از شیوه های جدید یادگیری ماشینی دقت بالاتر آن‌ها در پیش بینی است که به واسطه رویکرد سیستمی و غیرخطیِ این روش‌ها حاصل می‌شود.
مرحله پنجم از داده کاوی، اعتبارسنجی مدل است. الگوی نهایی با داده‌های آموزش (70 درصد مجموعه داده ها) فرآیند یادگیری را طی کرد و سپس با داده های تست به آزمون گذاشته شد. نتایج بدست آمده با وجود مشکل نامتوازن بودن داده ها مطلوب است. شاخص پوشش 59 درصدی بدست آمده نشان داد که از مجموع 244 بیمه نامه بازخرید شده در مجموعه داده تست، شبکه توانسته اغلب آنان یعنی 145 مورد را به درستی در طبقه بیمه نامه های بازخریدی پیش بینی و طبقه بندی کند. در پایان نیز با نگاه به درون این شبکه پیچیده که به «جعبه سیاه» شهرت دارد، تلاش شد تاحدی به تأثیر عوامل و مشخصه های مختلف در بازخرید بیمه نامه ها پرداخته شود.
نتایج حاصل از پژوهش حاضر حاکی از آن است که از مجموع مشخصه‌های جمعیت شناختی متغیرهای سن، جنسیت زن، اضافه نرخ پزشکی (نشانگر سلامت فرد)، نرخ خطر حادثی (نشانگر حوادث شغلی فرد) با بازخرید بیمه نامه به‎صورت عکس مرتبط هستند. نسبت بیمه‌گذار و بیمه‌شده نیز یکی از عوامل اجتماعی تأثیرگذار است و نتایج نشان دادند احتمال بازخرید وقتی بیمه گذار بیمه نامه زندگی را برای خود بخرد در حدأقل است. اما با دور شدن نسبت خویشاوندی احتمال بازخرید افزایش می‌یابد. از میان مشخصه‌های قراردادی نیز مدت بیمه‌نامه، مدت زمان سپری شده از شروع بیمه‌نامه، شیوه پرداخت حق‌بیمه با اقساط بلندمدت‌تر، بالاتر بودن ضرایب افزایش سالانه سرمایه و حق‌بیمه (تعدیل مناسب با تورم) و کمتر بودن تعداد موارد پوشش و سرمایه فوت (و در نتیجه حق بیمه کمتر) با احتمال بازخرید اثر عکس داشته و آن را کاهش می دهند.
برای مشاهده و دیافت متن کامل طرح پژوهشی «پیش‌بینی و بررسی تأثیر عوامل مختلف بر بازخرید بیمه زندگی» به وب‌سایت پژوهشکده بیمه و یا به نشانی http://www.irc.ac.ir/fa-IR/Irc/4944/Articles/view/16040/1616/ مراجعه فرمایید.