تحليل بيانات تأمين المركبات واستخلاص الرؤى لاتخاذ قرارات اكتوارية ذكية

في هذا المشروع، قمت بتحليل مجموعة بيانات ضخمة لشركة تأمين بهدف فهم العوامل التي تؤثر على قرارات العملاء وتوقع الفئات الأكثر عرضة للحوادث أو المطالبات. المراحل التقنية للمشروع: هيكلة وتنظيف البيانات (Python): استخدمت مكتبة Pandas لمعالجة بيانات العملاء (العمر، نوع المركبة، تاريخ الحوادث)، وقمت بتنظيف القيم المفقودة والتعامل مع البيانات غير المتسقة لضمان دقة التحليل. تحليل الخصائص (Feature Engineering): قمت بتحليل الارتباط بين متغيرات مثل (عمر السائق) و(قيمة التأمين) لاكتشاف الأنماط التي تؤدي لزيادة المطالبات. تصور البيانات (Data Visualization): صممت لوحة تحكم تفاعلية باستخدام Power BI / Matplotlib تعرض: معدل الاستجابة (Response Rate) للعروض التأمينية. توزيع العملاء حسب المناطق الجغرافية وفئات المخاطر. مؤشرات الأداء الرئيسية (KPIs) لمبيعات بوالص التأمين. النتائج المحققة: تمكنت من تحديد الفئات العمرية الأكثر ربحية للشركة، وتقديم توصيات لتقليل المخاطر بنسبة ملحوظة بناءً على البيانات التاريخية. الأدوات المستخدمة: Python: (Pandas, NumPy, Seaborn) للتحليل الإحصائي. Power BI: لبناء لوحات التحكم التفاعلية. Excel: لتنظيم البيانات الأولية والتقارير السريعة.