面向人寿保险销售的商务智能软件研究与应用

摘要

如今信息系统与数据库的应用日益广泛,数据信息已成为众多企业的重要资源。现代信息技术的发展创造了当今的信息经济,在这一新型的经济形态中,信息的爆炸式激增产生了对信息处理技术的强烈需求。商务智能正是新型的信息技术在商务中的有效利用。数据是静态的,数据不具有行动力。如何更合理有效地利用企业数据,是当今企业面临的重要问题之一。随着信息系统在金融业的运用日益广泛,金融企业都拥有大量的数据信息。此外,根据商务智能的基本特性:面向主题、相对稳定、集成、体现历史变化,这些特性正是人寿保险业所需要的,其在人寿保险业必将大有用武之地。
　　通过对人寿保险公司的运作方式进行分析,发现如何有效定位客户,将品种繁多的人寿保险产品有针对性的推销给不同类型的客户,是人寿保险公司销售部门面临的重要问题。此外,在承保过程中,如何有效识别高风险被保人群,降低公司理赔风险,是核保部门所关注的重要问题。
　　本文就上述两个实际问题出发,通过对现有商务智能的基本算法进行研究分析,组合改进,选取KNN算法、神经网络算法和粗糙集算法,发挥各自优势,为人寿保险公司制定决策支持算法,并提供实际有效的解决方案。
　　在销售决策算法分析过程中,主体采用K最邻近结点算法(K-Nearest Neighbor algorithm)(简称 KNN)算法。其中加入了双向决策分析的理念,进一步提高决策结果的置信度和实用价值。并结合粗糙集算法,对客户信息、保单信息的海量数据进行分类,降低算法的时间复杂度。最终获得可靠、高效的销售决策算法。
　　在核保决策算法分析过程中,主体采用神经网络算法(S形激活函数)。通过反复比对实际理赔率、平均理赔率等数据,对原函数进行多次修正后,确定决策算法。这样可以在决策算法的制定过程中,完成部分的训练步骤,提高了决策算法的运行效率;缺点是由此得出的算法,其应变性和灵活性有所降低。此外,在决策过程中使用KNN算法获取样本数据,并结合粗糙集算法,降低算法的时间复杂度。最终获得可靠、便利、高效的核保决策算法。
　　在确定使用的决策算法之后,通过实际数据进行测试,确保其整体具有较高的置信度。在测试过程中分别找出其高置信度区域和低置信度区域,并给出可改进的建议方案。以及对函数整体特性进行分析阐述。
　　在算法制定的基础上,对目前主流的各软件开发技术与数据库技术的特性进行比对分析,选取适合的开发技术(C#.Net2010+ SQL2005),进行系统设计和开发。在开发完成对运行效率进行测试,添加相应的索引,提高效率,满足使用需求,最终实现系统。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1商务智能的发展简介

1.2论文结构

2 人寿保险及商务智能相关概述

2.1人寿保险简介

2.2商务智能简介

2.3本章小结

3 系统需求描述及分析

3.1人寿保险产品特性分析

3.2系统功能性需求

3.3非功能性需求描述及分析

3.4 本章小结

4 系统设计

4.1系统设计概述

4.2系统架构设计

4.3数据库设计

4.4核心功能设计

4.5 各功能模块系统设计

4.6 本章小结

5 系统实现与决策结果测试

5.1系统实现技术

5.2属性分类表（数据训练表）初始化

5.3实体信息导入、训练与分析

5.4本章小结

6 总结与展望

6.1 本文工作小结

6.2 展望

参考文献

附录

致谢

攻读学位期间发表的学术论文目录