数据挖掘技术在保险业客户细分和购物篮分析的应用研究

摘要

近年来，随着我国保险行业的不断发展、快速壮大，保险企业已经积累了大量的销售数据，因此如何准确地识别目标客户和最大限度的开发现有客户的潜在价值成为企业的重要研究难题。此时，数据挖掘技术应运而生，其在银行、通讯业、零售业的初步应用受到了广泛关注，并开始快速发展，这为保险企业的研究提供了很好的途径。数据挖掘技术可以帮助保险公司识别出能够给企业带来利润的目标客户，帮助企业完成市场细分，制定决策，使得业务人员能更好地驾驭保险市场。
　　本文对保险企业在客户识别、客户开发和险种捆绑销售活动中应用数据挖掘技术的相关理论和实施进行探讨。首先简要介绍了本文研究所涉及到的数据挖掘相关理论知识。接着，对核心业务系统的相关数据进行分析探索，设计出客户细分和购物篮分析的数据挖掘模型，然后从现有大量的、模糊的数据中选择并抽取出与建模相关的信息，完成数据的理解、预处理、转换等数据准备工作，经过循环往复的数据探索和模型调优，成功建立了客户细分和购物篮分析的数据挖掘模型，最后完成了目标客户识别、客户开发和险种捆绑销售的挖掘任务，从实验上验证了保险行业应用数据挖掘技术的可行性。最后，总结了整个工作研究过程中所得出的主要结论和不足，指出了未来工作和研究的方向。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 论文的研究内容

1．4 论文的组织结构

第二章 数据挖掘相关技术

2．1 数据挖掘的定义

2．2 数据挖掘的对象

2．3 数据挖掘的功能

2．4 数据挖掘的过程

2．4．1 商业理解

2．4．2 数据理解

2．4．3 数据准备

2．4．4 建立模型

2．4．5 模型评估

2．4．6 结果部署

2．5 数据挖掘的算法

2．5．1 Apriori算法

2．5．2 K-means算法

2．6 数据挖掘的工具

2．7 本章小结

第三章 需求分析与模型设计

3．1 需求分析

3．1．1 现有系统功能分析

3．1．2 数据挖掘功能需求分析

3．2 可行性分析

3．2．1 数据可行性

3．2．2 技术可行性

3．3 数据挖掘对象的设计

3．3．1 客户细分模型

3．3．2 购物篮分析模型

3．4 数据挖掘过程设计

3．5 本章小结

第四章 数据挖掘模型的实现

4．1 客户细分模型的实现

4．1．1 数据准备

4．1．2 建立模型

4．1．3 模型解读

4．1．4 业务建议

4．2 购物篮分析模型的实现

4．2．1 数据准备

4．2．2 建立模型

4．2．3 模型解读

4．2．4 模型评估

4．2．5 业务建议

4．3 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢