ВСТУП
1.ВИХІДНІ ДАНІ ДЛЯ АНАЛІЗУ
2.ФОРМУЛЮВАННЯ ЗАДАЧІ
3.РОЗВ’ЯЗОК ЗАДАЧІ ТЕХНОЛОГІЯМИ DATA MINING
4.ПІДЗАДАЧА 1. ОЦІНКА РИЗИКУ НАСТАННЯ СТРАХОВОГО ВИПАДКУ
4.1. Технологія аналізу побудовою SOM-карт Кохонена
4.2. Технологія аналізу побудовою “дерева рішень”
5.ПІДЗАДАЧА 2. ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО РОЗМІРУ СТРАХОВОГО
ТАРИФУ І ФРАНШИЗИ
ВИСНОВКИ
1.    В результаті проведеного дослідження на конкретному прикладі страхування  автоКАСКО продемонстровано переваги від впровадження інтелектуальних технологій аналізу даних в діяльність вітчизняних страхових компаній. На даних, усереднених по 17-ти компаніях, отримано механізм швидкої і надійної апріорної оцінки ризику настання страхового випадку і незалежним чином підтверджена його працездатність.
2.    Інтелектуальними технологіями Data Mining реалізовано алгоритм прогнозування оптимальних значень страхового платежу і розміру франшизи при укладанні страхової угоди. Приведено приклад реалізації алгоритму для реальної вибірки настання страхових випадків і обчислено його економічний ефект.
3.    На базі аналітичного пакету Deductor 4  вперше для вітчизняних страхових компаній показана можливість створення нового типу робочого місця актуарного математика, обладнаного сучасними інтелектуальними технологіями аналізу даних, яке відповідає міжнародним стандартам і рівню аналізу, прийнятому в західних страхових компаніях.  
Основний підсумок проведеного дослідження полягає в успішній апробації нового підходу у актуарних розрахунках, який у порівнянні з традиційними статистичними методами має беззаперечні переваги:
•    універсальність, підвищена точність і надійність результатів, їх доказовість і можливість незалежної перевірки, їх зрозумілість і зручне графічне відображення;
•    простота і доступність нової технології аналізу, яка не вимагає від користувача спеціальних математичних знань;
•    можливість ставити і вирішувати задачі, які важко піддаються формалізації – нові технології дозволяють аналізувати інформацію не тільки в числовій, а також і в символьній формі;
•    можливість швидко і ефективно організувати роботу по аналізу даних на базі готових потужних програмних рішень (у даному випадку – на базі аналітичної платформи Deductor).
ДЖЕРЕЛА ДАНИХ ПО ТЕМІ ПРОЕКТУ