선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 논문에서 개발된 금융 프로세스의 보험부문에 대한 고객 맞춤형 보험 상품 추천 및 설계 시스템은〈그림 2〉와 같다. 개발된 시스템을 통해 보험가입자의 개인정보를 이용하여 보험 상품을 추천하고 그와 관련된 부가항목들(보장금액, 납입기간, 보장기간)을 결정하고 아울러, 특약상품을 추천하고 관련된 부가정보들을 프로세스에 대한 규칙 적용을 통한 해결방안을 모색하고자 한다.
- 위의 상품추천을 위한 퍼지추론 과정을 예제를 들어 살펴보자. 상품 추천을 위한 고객의 정보가 나이가 32세' , 직업 등급은 'A등급', 라이프싸이 클은 '가족형성기', 관심분야는 재테크', 투자성향은 상이 라고 가정 한다.
- 이 논문에서는 웹기반 보험상품 추천 및 설계 시스템을 설계하고자 한다. 개발된 시스템은 퍼지추론 과정을 통해 고객의 개 인정보와 기존 가입고객의 가입정보를 이용하여 보험상품 설계를 원하는 고객에게 맞춤형 보험 상품을 추천하고 설계하고자 한다.
- 벤치마킹모듈은 기존 가입 고객에 대한 정보를 검색하여 유사한 정보 （나이, 직업, 소득, 관심분야） 등의 다양한 조건을 결정하게 함으로써 보험을 가입하려는 고객에게 다양한 의사결정을 할 수 있도록 구성되어 있다. 이 논문에서는 해당 상품의 동일한 연령대의 고객 중 가장 최근에 가입한 순서대로 고객 5명의 보험계약 정보를 보여줌으로써, 고객에게 자신이 선택한 상품 중 가장 많이 선택한 내용을 볼 수 있고 기존 가입고객의 보험금액, 납입기간, 납부보험료 등의 설계 내용을 통해 자신의 상품을 설계함에 도움을 얻을 수 있다. 또한, 벤치마킹모듈에서 산출한 기존 가입 고객의 벤치마킹 자료 중 나이, 소득, 직업 등 의 정보를 추출하여 이를 상품추천모듈에서활용하여 고객에 맞는 상품설계를 제공한다.
- 이에 이 논문에서는 보험상품을 추천하고 설계하는데 필요한 의사결정방법으로 퍼지추론 방법을 이용하고자 한다. 기존에 상품을 추천하고 설계하는 추론 방법에는 불확실성 또는 리스크의 유무에 따라 확실성 기반 추론, 리스크 기반 추로 불확실성 기반 추론, 부분정보 기반 추론, 상충 기반 추론 등 다양한 종류들이 개발되어 활용되고 있으며, 퍼지 추론 방법은 애매함과 불확실성에 대한 보다 개량적인 접근 방법을 통해서 객관적이고 합리적인 의사결정을 함에 있어서 보다 효과적 이라고 할 수 있다.
- 규칙 기반 시스템은 고객 및 기업의 정보를 바탕으로 다양한 의사결정을 하는데 있어 매우 효율적인 방법으로 대두되고 있다. 이에 이 논문은은 보험 분야에서 고객의 정보를 이용하여 다양한 의사결정이 가능한 상품 추천 및 설계 시스템 설계에 대한 연구를 진행하였다.
가설 설정
- 상품 설계 중 특약상품의 납입기간 설계를 위해 특약상품명은 '일반특약상품', 고객의 정보가 나이가 32세', 직업은 'A등급', 소득은 '3500만원' 이라고 가정한다.
- 위의 상품추천을 위한 퍼지추론 과정을 예제를 들어 살펴보자. 상품 추천을 위한 고객의 정보가 나이가 32세' , 직업 등급은 'A등급', 라이프싸이 클은 '가족형성기', 관심분야는 재테크', 투자성향은 상이 라고 가정 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.