基于数据挖掘的人寿保险客户细分研究_开题报告

一、文献综述

（一）国内研究现状

   改革开放以来，随着社会信息化进程的迅猛发展，数据作为一种资源已经渗透到每一个行业和业务领域。“互联网+”、大数据时代的到来，使金融业正在经历一场革命性的变化，而保险业正在这场变革中酝酿新的变化。保险公司每天在与客户交互中都会产生大量数据流，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，这是对保险与驾驭数据能力的挑战。客户的数据信息首先由事务处理系统捕获，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。保险公司现在有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，还发具有竞争力的业务，成为各保险公司争相研究的课题。大数据时代的来临，为我国保险业发展提供了新的契机。越来越多的传统行业借助“互联网+”实现快速发展的同时，以“大数法则”为宗旨的保险公司也看到了大数据时代带来的新机遇。一系列新技术、新手段的应用给这个庞大的金融行业带来巨大变革，正如移动互联和大数据技术可以帮助保险企业实现对原有客户资源的进一步挖掘，使其可以向不同地域、不同行业的客户提供传统规模下所不能提供的产品和服务。

    就义乌某寿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尝试，并取得有价值的成果: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C5.0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。

（二）国外寿险市场营销渠道研究现状

    金融危机以来，全球寿险市场度过最艰难的2011年，此后面对动荡的金融市场和各项金融管制，寿险市场的复苏之路仍然存在诸多挑战。借鉴各国成功寿险企业的发展经验尤为重要，可为我国寿险企业少走弯路。近些年随着大数据和互联网时代的到来，客户的需求变得多样化，营销渠道也发生了巨大变化，由单一的代理形式转变为多元渠道协同发展。然而美国拥有成熟的寿险市场，并拥有最大规模的寿险客户数据库。目前国际上较为流行的数据挖掘工具有以下几种：IBM、SAS、SPSS、Oracle等，它们都能够提供常规的挖掘过程和挖掘模式，完成一般意义上的统计功能。

二、范文提纲

摘要

目录

一、绪论

（一）保险业目前大数据现状

1.1.1 大数据来临下的数据资源竞争

1.1.2保险业大数据现状与影响展望

1.1.3保险业数据挖掘技术应用情况

••••

（二）数据挖掘技术对保险业的重要意义

1.2.1大数据时代促进金融业数据挖掘技术应用

1.2.2保险业强大的用户信息资源是数据挖掘的基础

1.2.3数据挖掘是促进保险业未来发展的必备手段

••••

（三）客户关系管理中的客户细分

1.3.1基于数据仓库的客户关系管理系统设计

1.3.2数据挖掘在客户关系管理中的应用

1.3.3保险业的客户细分需求

•••••

 二 数据挖掘在保险行业客户分析中的应用

（一）数据挖掘概述

2.1.1数据挖掘的概念

2.1.2数据挖掘的一般步骤

2.1.3数据挖掘的过程模型

（二）数据挖掘工具

2.2.1数据挖掘工具的现状

2.2.2数据挖掘工具的选择

（三）数据挖掘在数据分析中所运用的方法

2.3.1分类和预测

2.3.2回归分析

2.3.3聚类分析

2.3.4关联规则

•••••（四）数据挖掘在保险行业客户分析中的典型应用

2.4.1数据挖掘技术在保险客户分析中的作用

2.4.2数据挖掘技术在保险客户分析中的典型应用

三 应用数据挖掘工具对寿险客户进行细分

3.1数据预处理

3.2数据挖掘过程

3.3根据决策树算法对客户细分进行建模

  3.3.1算法概述

  3.3.2运用决策树算法对样本进行分析

3.4根据聚类分析的算法对客户细分进行建模

  3.4.1算法的概述

  3.4.2运用算法对样本进行聚类分析

3.5根据回归性分析对客户细分进行建模

  3.5.1回归性分析概述

  3.5.2运用二项回归分析对样本进行分析

3.6利用关联规则对客户进行细分

  3.6.1关联规则概述

  3.6.2运用算法对样本进行分析

3.7对四中模型的综合评价

四 总结

4.1本次研究的主要工作

  4.1.1寻找目标客户群体

  4.1.2 从客户角度实现产品组合预测性挖掘

  4.1.3为决策者的决策提供支持

4.2课题研究的局限性

  4.2.1本课题建模客户数据来源单一

  4.2.2本课题采集客户数据质量有待提高

  4.2.3本课题尚缺乏技术上的统一指标及建模标准

4.3后续工作

  4.3.1加强理论研究，追踪数据挖掘的发展方向

  4.3.2利用数据挖掘技术，进一步做好客户细分研究

  4. 3.3逐步构造智能型数据挖掘，实现全面数据管理

  4. 3.4 加强系统技术控制，提高数据源的质量

••••

三、参考文献

 [1]中国人民共和国国务院新闻办公室，《中国互联网状况》，人民出版社，2010年6月

[2]国务院，《“宽带中国”战略及实施方案》，2013年8月 

[3]中国保监会普及保险知识编写组，《保险知识学习读本》，中国金融出版社，2006年8月 

[4]中国保监会，《人身保险产品审批和备案管理办法》，第六条，2004年6月 

[5]义乌人寿天猫旗舰店， ://jha.renshou.tmall.com/

[6]黄成明.数据化管理[M].北京：电子工业出版社，2014年

[7]王春山.计算机审计研究与实践.上海.复旦大学，2006

 [8]张海，保险数据挖掘技术应用研究报告，义乌人民日报，2007，第4版

 [9]中国保险行业协会，《互联网保险行业发展报告》，中国时政经济出版社，2014年2月，第二部分第三节，第90页

 [10]项俊波，《保险基础知识》，中国财政经济出版社，2014年2月，第五章第一节