امیدی، انوش و پورسلیمی، مجتبی. (1398). طراحی مدل تعاملی هوش بازاریابی و اثربخشی عملکرد صنعت بیمه با بهرهگیری از تکنیک AHP فازی مطالعة موردی: بیمه پاسارگاد. تحقیقات بازاریابی نوین. 9(2)، 149-168.
امینی شیرکوهی,مرضیه؛ یمقانی,محمدرضا. (1402). ارائه یک الگوریتم برای گروه بندی انواع محصولات بیمه و کاربران در سیستم توصیه گر بیمه با خوشه بندی مبتنی بر فیلتر مشارکتی ارزیابی عملکرد آن براساس توصیه بیمه. سامانههای پردازشی و ارتباطی چندرسانهای هوشمند.3(4)، 13-28.
بابااکبری، امیر؛ قرهخانی، محسن؛ زینساز، علی. (1401). بررسی چالشها و راهکارهای صنعت بیمه در دورن پساتحریم. پژوهشکده بیمه، گروه پژوهشی عمومی بیمه. https://www.irc.ac.ir/fa-IR/Irc/4946/Articles/view/14643/1597/
پویا، علیرضا؛ فاضل ترشیزی، داود. (1399). بخش بندی مشتریان صنعت بیمه با استفاده از الگوریتم خوشه بندی دو مرحله ای مقیاس پذیر (نمونه موردی شرکت بیمه البرز). پژوهشنامه بیمه (صنعت بیمه)، 35(2 )، 31-65.
پیران، فاطمه؛ علیرضا؛ بنیهاشمی، سیدعلی. (1402). تأثیــر هــوش تجــاری و مؤلفههــای آن بــر ایجــاد و توســعه یــک ســازمان چابــک. دوماهنامههای بررسیهای بازرگانی. 21(119)، 119-134.
تارخ، محمدجعفر؛ اکبری، تورج. (1394). استفاده از خوشه بندی در مدیریت ارتباط با مشتریان صنعت بیمه. نخستین کنفرانس بینالمللی فناوری اطلاعات.
خلیلی دیلمی، سیدمرداویچ ؛آقاسیدمیرزا، سیده شهره. (1403). نقش هوش تجاری در شرکتهای بیمه. مطالعات آینده پژوهی و سیاستگذاری. 10(2)، 10-25.
رشیدی، محمدحافظ. (1402). بررسی سیستماتیک تاثیر و کاربردهای متنوع هوش تجاری در عملکرد سیستمها. ششمین کنفرانس بینالمللی مدیریت و صنعت (بین المللی). 123-132.
قاسمی، فهیمه سادات. (۱۳۹۷). شناسایی مشتریان مناسب از طریق جداول هوش تجاری توسط درخت تصمیم و نرمافزار رپید ماینر (مطالعه موردی بیمه پارسیان استان قم)، دوماهنامه پژوهشهای نوین علومانسانی، 2 (7)، 19-1.
سجودی شیجانی، امید؛ بوبه رژ، آتنا؛ و عبدالوند، ندا. (1393). اهمیت بندی مشخصههای RFM در صنعت بیمه. همایش بینالمللی بیمه و توسعه.
سلیمانی، محمدرضا؛ عاطفت دوست، علیرضا. (۱۳۹۸). بررسی تأثیر هوش تجاری بر تصمیمگیری سازمانی با درنظرگرفتن نقش میانجی متغیرهای کیفیت داده و زمینه هوش تجاری (موردمطالعه: کارکنان فروشگاه کوثر قم)، فصلنامه پژوهشهای معاصر در علوم مدیریت و حسابداری. 1(3)، 69-82.
محمدی، رضا. (1402)، هوش تجاری و انقلاب صنعتی چهارم: فرصتها و چالشها. نشریه تخصصی آرمان پردازش. 4(1)، 1-7.
محمد شریفی، محمد. (۱۳۹۸). ارزیابی ارزش مشتریان در حوزه بیمه بدنه اتومبیل با استفاده از روشهای دادهکاوی (مطالعه موردی)، (پایاننامه کارشناسیارشد مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان).
مشفق، مصطفی؛ پارسا، عرفان؛ جلیلی صالح، نعمت.(1403). مدل ارزیابی عملکرد سازمانی با استفاده از ابزارهای هوش تجاری (BI): مطالعه موردی بانک ها. مدیریت استراتژیک هوشمند. 3(2)، 73-92.
مهدوی، غدیر؛ نصیری، فاطمه. (۱۳۹۷). اصول و مبانی نظری بیمه، پژوهشکده بیمه.
Aggarwal, A. G., & Yadav, S. (2020, June). Customer segmentation using fuzzy-AHP and RFM model. In 2020 8th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO) (pp. 77-80). IEEE.
Aggarwal, C. C., & Reddy, C. K. (Eds.). (2014). Data clustering: Algorithms and applications. CRC Press.
Anitha, P., & Patil, M. M. (2022). RFM model for customer purchase behavior using K-Means algorithm. Journal of King Saud University-Computer and Information Sciences, 34(5), 1785-1792.
Caliński, T., & Harabasz, J. (1974). A dendrite method for cluster analysis. Communications in Statistics-theory and Methods, 3(1), 1-27.
Baudry, M., & Robert, C. Y. (2019). A machine learning approach for individual claims reserving in insurance. Applied Stochastic Models in Business and Industry, 35(5), 1127-1155.
Christy, A. J., Umamakeswari, A., Priyatharsini, L., & Neyaa, A. (2021). RFM ranking–An effective approach to customer segmentation. Journal of King Saud University-Computer and Information Sciences, 33(10), 1251-1257.
Das, S. (2024). Enhancing Agent Interactions and Decision-Making in Insurance with Intelligent Technologies. Journal of Computational Analysis & Applications, 33(8).
Davies, D. L., & Bouldin, D. W. (2009). A cluster separation measure. IEEE transactions on pattern analysis and machine intelligence, (2), 224-227.
Dehghanpour, S., & Esfahanipour, A. (2018). Dynamic portfolio insurance strategy: a robust machine learning approach. Journal of Information and Telecommunication, 2(4), 392-410.
Dogan, O., Seymen, O. F., & Hiziroglu, A. (2022). Customer behavior analysis by intuitionistic fuzzy segmentation: comparison of two major cities in Turkey. International Journal of Information Technology & Decision Making, 21(02), 707-727.
Ernawati, E., Baharin, S. S. K., & Kasmin, F. (2021, April). A review of data mining methods in RFM-based customer segmentation. In Journal of Physics: Conference Series (Vol. 1869, No. 1, p. 012085). IOP Publishing.
Ernst, C. P., & Geiger, F. (2021). Business Intelligence in the Database Marketing–A Case Study of a German Insurance Company
Gaikwad, D. D. (2020). Current Scenario of Different Type of Services Marketing and Delivery in Customer Relationship Management. International Journal of Engineering and Management Research,10.
Geetha, K. (2020). Param (2020). Data Analysis and ETL Tools in Business Intelligence. International Research Journal of Computer Science (IRJCS), 7, 127-131.
He, W., Wang, F. K., & Akula, V. (2017). Managing extracted knowledge from big social media data for business decision making. Journal of knowledge management, 21(2), 275-294.
Hosseini, S. M. S., Maleki, A., & Gholamian, M. R. (2010). Cluster analysis using data mining approach to develop CRM methodology to assess the customer loyalty. Expert Systems with Applications, 37(7),5259-5264.
Jamjoom, A. A. (2021). The use of knowledge extraction in predicting customer churn in B2B. Journal of Big Data, 8(1), 110.
John, J. M., Shobayo, O., & Ogunleye, B. (2023). An exploration of clustering algorithms for customer segmentation in the UK retail market. Analytics, 2(4), 809-823.
Kaur, R., & Gabrijelčič, D. (2022). Behavior segmentation of electricity consumption patterns: A cluster analytical approach. Knowledge-based systems, 251, 109236.
Khayatbashi, S., Sjölind, V., Granåker, A., & Jalali, A. (2025, June). AI-enhanced business process automation: a case study in the insurance domain using object-centric process mining. In International Conference on Business Process Modeling, Development and Support (pp. 3-18). Cham: Springer Nature Switzerland.
Khajvand, M., Zolfaghar, K., Ashoori, S., & Alizadeh, S. (2011). Estimating customer lifetime value based on RFM analysis of customer purchase behavior: Case study. Procedia computer science, 3, 57-63.
Kumar, N. (2025). Intelligent customer segmentation: unveiling consumer patterns with machine learning. Journal of Umm Al-Qura University for Engineering and Architecture, 1-10.
Lang, L., Zhou, S., Zhong, M., Sun, G., Pan, B., & Guo, P. (2023). A Big Data Based Dynamic Weight Approach for RFM Segmentation. Computers, Materials & Continua, 74(2).
Massaro, A., Vitti, V., Galiano, A., & Morelli, A. (2019). Business intelligence improved by data mining algorithms and big data systems: an overview of different tools applied in industrial research. Computer Science and Information Technology, 7(1), 1-21.
Miah, S. J., & Yeoh, W. (Eds.). (2018). Applying business intelligence initiatives in healthcare and organizational settings. IGI Global.
Moscoso-Zea, O., Castro, J., Paredes-Gualtor, J., & Luján-Mora, S. (2019). A hybrid infrastructure of enterprise architecture and business intelligence & analytics for knowledge management in education. IEEE access, 7, 38778-38788.
Muradkhanli, L. G., & Karimov, Z. M. (2023). Customer behavior analysis using big data analytics and machine learning. Problems of Information Society, 61-67.
Nandapala, E. Y. L., Jayasena, K. P. N., & Rathnayaka, R. M. K. T. (2020, December). Behavior segmentation based micro-segmentation approach for health insurance industry. In 2020 2nd International Conference on Advancements in Computing (ICAC) (Vol. 1, pp. 333-338). IEEE.
Panigrahi, S., & Palkar, B. (2018). Comparative analysis on classification algorithms of auto-insurance fraud detection based on feature selection algorithms. Int. J. Comput. Sci. Eng, 6(9), 72-77.
Patil, K. S., & Godbole, A. (2018). A survey on machine learning techniques for insurance fraud prediction. Helix, 8(6), 4358-4363.
Pomffyová, M., & Bartková, L. (2016). Take advantage of information systems to increase competitiveness in SMEs. Procedia-Social and Behavioral Sciences, 220, 346-354.
Press, W. H. (2007). Numerical recipes 3rd edition: The art of scientific computing. Cambridge university press.
Rahmah, N., & Sitanggang, I. S. (2016). Determination of optimal epsilon (eps) value on dbscan algorithm to clustering data on peatland hotspots in sumatra. In IOP conference series: earth and environmental science (Vol. 31, No. 1, p. 012012). IoP Publishing.
Ramachandaran, S., Mahalley, Z., Nuraini, R., & Dhar, B. K. (2025). Exploring the challenges of AI-driven business intelligence systems in the Malaysian insurance industry. F1000Research, 14, 452.
Rousseeuw, P. J. (1987). Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of computational and applied mathematics, 20, 53-65.
Sawadogo, P., & Darmont, J. (2021). On data lake architectures and metadata management. Journal of Intelligent Information Systems, 56(1), 97-120.
Sun, Z. H., Zuo, T. Y., Liang, D., Ming, X., Chen, Z., & Qiu, S. (2021). GPHC: A heuristic clustering method to customer segmentation. Applied Soft Computing, 111, 107677.
Turban, E., Sharda, R., Aronson, J. E., & King, D. (2008). Business intelligence: A managerial approach (pp. 58-59). Upper Saddle River, NJ: Pearson Prentice Hall.
Turban, E., Sharda, R., Aronson, J. E., & King, D. (2017). Business intelligence: A managerial approach (pp. 58-59). Upper Saddle River, NJ: Pearson Prentice Hall.
Wang, C. (2022). Efficient customer segmentation in digital marketing using deep learning with swarm intelligence approach. Information Processing & Management, 59(6), 103085.
Wit, E., Heuvel, E. V. D., & Romeijn, J. W. (2012). ‘All models are wrong... ’: an introduction to model uncertainty. Statistica Neerlandica, 66(3), 217-236.
Yuan, C., & Yang, H. (2019). Research on K-value selection method of K-means clustering algorithm. J, 2(2), 226-235.
Zhang, C., Wang, X., Cui, A. P., & Han, S. (2020). Linking big data analytical intelligence to customer relationship management performance. Industrial Marketing Management, 91, 483-494.
Zou, H. (2020). Clustering algorithm and its application in data mining. Wireless Personal Communications, 110(1), 21-30.
