基于数据挖掘的人寿保险客户细分研究

摘 要

保险是一种态度，在这个处处有商机，处处有危机的社会里，保险已经走进里千家万户，不管你是富有还是平穷，因为保险是一种人生态度。现如今，涌现出了一大批保险公司和一些保险公司从业人员，怎样在这个行业立足就成了他们的一个大问题，虽然人们对保险已普遍认知，但是对保险公司的选择还是犹豫不决。这时候，保险公司就会发现，数据这个资源在其中起着很大的作用，保险公司每天与客户交互中会产生大量的数据流 ，如何充分利用这些信息为决策者提供决策支持 ，为企业发展提供升值空间 ，这是对保险业驾驭数据能力的挑战。

客户的数据信息首先由事务处系统捕获，经系统程序对这些数据进行整理、甄别，并通过收集、归类汇总，存放至客户数据仓库中。保险公司现有的数据库系统已经具备存储海量信息的数据仓库功能，并且数据库系统本身也具备一些基本的数据统计功能。但如何利用自己数据仓库中的信息，实现客户需求超前预测，扩大客户营销广度深度，找到对自己最有效的营销客户对象，开发具有竞争力的业务，成为各家公司争相研究的课程。

在对保险业乃至整个销售业的客户信息研究过程中，我们发现客户群体细分是一个重要的基础工程，如果仿照过去利用传统的数据分析方法对客户进行细分，会发现是无法解决当下代理人在营销中遇到的问题，而此时如何利用数据挖掘技术建立完善的客户细分方案就显得尤为重要。

本文结合人寿保险公司客户信息情况，通过采用数据挖掘技术对客户群体细分进行了尝试，并取得有价值的成果。主要工作内容有以下几方面：

1、根据寿险公司的客户数据信息以及业务需求建立起基本的数据结构，并利用数据挖掘中的预处理技术对实际数据进行分析和转化，使得数据质量得到提高，以便为数据建模提供良好的基础。

2、利用数据挖掘工具CLEMENTINE,建立起决策树C5.O模型、K-Means聚类分析模型、Logistic二项回归模型、关联规则Apriori模型，来对公司客户数据信息进行分析。

3、经过样本数据的分析，检验数据分析模型的处理效果，得出各分类客户样本及群体特征，并以此为基础对未来客户市场进行了预测。

本文所研究方法为公司营销策略提供了帮助，为更好的发现新客户和保留老客户，提高市场竞争力，做出了一定的贡献。

关键词：保险；客户分析；数据挖掘；Clementine

目  录

摘  要 ii

ABSTRACT ii

目  录............................................................II

第一章 绪论 2

1.1保险业务目前大数据现状 2

1.1.1大数据来临下的数据资源竞争 2

1.1.2保险业大数据现状与影响展望 3

1.1.3保险业数据挖掘技术应用情况 3

1.2数据挖掘技术对保险业的重要意义 4

1.2.1大数据时代促进金融业数据挖掘技术应用 4

1.2.2保险业强大的用户信息资源是数据挖掘的基础 5

1.2.3数据挖掘是促进保险未来发展的必备手段 6

1.3客户关系管理中的客户细分 6

1.3.1基于数据仓库的客户关系管理系统设计 7

1.3.2数据挖掘在客户关系管理中的应用 7

1.3.2保险业的客户细分需求 9

第二章 数据挖掘在保险行业客户分析中的应用 10

2.1数据挖掘概述 10

2.1.1数据挖掘的概念 10

2.1.2数据挖掘的一般步骤 10

2.1.3数据挖掘的过程模拟 11

2.2数据挖掘工具 11

2.2.1数据挖掘工具的现状 12

2.2.2数据挖掘的工具的选择 12

2.3数据挖掘在数据分析中所运用的方法 13

2.3.1分类和预测 13

2.3.2回归分析 14

2.3.3聚类分析 14

2.3.4关联规则 15

2.4数据挖掘在保险行业客户分析中的典型应用 16

2.4.1数据挖掘技术在保险客户分析中的应用 16

2.4.2数据挖掘技术在保险客户分析中的典型应用 17

第三章 应用数据挖掘工具对寿险客户进行细分 19

3.1数据预处理....................................................19

3.2数据挖掘过程...................................................19

3.3根据决策树算法C5.0对客户细分进行建模..........................20

3.3.1C5.0算法概述 20

3.3.2运用决策树C5.0算法对样本进行分析.........................20 

3.4根据聚类分析的算法K-Means对客户细分进行建模...................23

3.4.1K-Means算法的概述........................................24

3.4.2运用K-Means算法对样本进行聚类分析........................24

3.5根据回归性分析对客户细分进行建模...............................26

 3.5.1回归性分析概述..........................................26

 3.5.2运用二项回归分析对样本进行分析..........................26

3.6利用关联规则对客户进行细分....................................29

3.6.1关联规则概述............................................29

3.6.2运用Apriori算法对样本进行分析............................29

3.7对四中模型的综合评价...........................................31

第四章 总结.......................................................32

4.1本次研究的主要工作.............................................32

 4.1.1寻找目标客户群体........................................33

 4.1.2从客户角度实现产品组合预测性挖掘........................33

 4.1.3为决策者的决策提供支持..................................33

4.2课题研究的局限性..............................................33

 4.2.1本课题建模客户数据来源单一..............................34

 4.2.2本课题采集客户数据质量有待提高..........................35

 4.2.3本课题尚缺乏技术上的统一指标及建模标准掘................35

4.3后续工作.......................................................35

 4.3.1加强理论研究，追踪数据挖掘的发展方向高...................36

 4.3.2利用数据挖掘技术，进一步做好客户细分研究高...............36

 4.3.3逐步构造智能型数据挖掘，实现全面数据管理高...............36

 4.3.4加强系统技术控制，提高数据源质量高......................36

参考文献 38