数据挖掘在保险业务分析中的应用

数据挖掘是从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。关联规则挖掘是数据挖掘中重要的研究方法之一。它主要用于发现大量数据中间有趣的关联或相关联系。关联规则挖掘的一个典型例子是产品销售分析：研究发现产品销售中不同商品之间的联系，找出顾客购买行为模式。

　　分析目标和分析思路

　　通过对历史保险产品销售情况分析，可以发现两个方面的规律性：

　　一是，客户的特征与他们购买产品之间的规律性。

　　探询客户不同特征，例如：性别、年龄、婚姻状况、职业等方面，对其购买产品的影响。最终发现具有哪些特征的客户倾向于购买哪些产品。这不论是对一次销售还是二次销售，都具有很好的指导意义。

　　二是，哪些产品之间具有组合销售的可能性，如何开拓客户的二次购买行为。

　　因为在目前保险产品销售中，促成客户的首次购买，换句话说也就是开拓一个新的客户，它所付出的成本是比较高的。保持一个老客户，并使他们继续购买更多的保障，相对成本比较低。但是在对老客户进行二次销售的时候，不能盲目进行。如果能够根据产品间的关联性，有针对性地销售，将能够大大提高销售的成功率。

　　此外，在使用关联规则分析保险产品销售的时候，我们必须意识到保险产品的一些特点：保险产品有效期限一般较长，因此购买行为的频率相对较低。同时，保险公司的产品不断推陈出新，老的产品不断停售，新的产品在原来的基础上略加改动就可取代老的产品，即便在同一时期销售的产品，也有不少是属于同一类的产品。因此，笔者将在相对较长的时间内进行分析，同时，将针对保险产品类型进行分析，而不是针对具体产品进行分析。

　　基于以上考虑，初步划定的产品类型包括：两全保险、终身保障、终身寿险、终身重疾、定期寿险、定期重疾、教育年金、养老金、医疗、意外伤害、住院补贴、投资型等。对于客户特征，主要关注：性别、年龄、婚姻状况、职业。

　　数据准备

　　本实例分析数据来自某保险公司某地区2005年销售情况，出于商业和客户隐私保密的考虑，不展示真实数据。