保險行業(yè)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的運用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了保險行業(yè)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的運用范文，希望能給你帶來靈感和參考，敬請閱讀。

隨著科學(xué)信息時代的發(fā)展，大數(shù)據(jù)方向的計算機應(yīng)用技術(shù)被越來越多的保險行業(yè)所熟知。近年保險市場的擴充發(fā)展加劇著各個保險公司之間的競爭，而今大數(shù)據(jù)技術(shù)的日趨成熟，正好使積累的數(shù)據(jù)信息得到有利開發(fā)并為未來發(fā)展提供數(shù)據(jù)支持。本文主要針對R保險公司續(xù)保產(chǎn)品銷售問題，運用SPSSModeler工具以及關(guān)聯(lián)規(guī)則算法對其續(xù)保的產(chǎn)品結(jié)構(gòu)進行關(guān)聯(lián)性分析，最終依據(jù)分析結(jié)果給予公司相關(guān)產(chǎn)品開發(fā)及產(chǎn)品營銷意見與建議與意見等。隨著新時代生活消費結(jié)構(gòu)及居民消費意識的晉級，財富家當?shù)牟粩嗬鄯e，消費者對保險的投保的意識已逐漸增強。保險行業(yè)作為國家增長速度最快的行業(yè)之一，是國民經(jīng)濟的重要組成部分，而如何在經(jīng)濟快速發(fā)展的市場替代中占的一席之位便成為了各個保險公司需作出的重要商業(yè)決策。在大數(shù)據(jù)挖掘當熱的分析環(huán)境中，保險行業(yè)由于歷史數(shù)據(jù)信息爆炸而有效的信息匱乏，未能為公司決策者提供有效的支持，而利用計算機技術(shù)對保險公司中的大量客戶信息數(shù)據(jù)進行分析，協(xié)助公司作出業(yè)務(wù)調(diào)整、做出企業(yè)戰(zhàn)略安排等正是數(shù)據(jù)挖掘技術(shù)所體現(xiàn)的作用。本文主要利用數(shù)據(jù)挖掘技術(shù)對R保險公司提供的續(xù)保客戶數(shù)據(jù)中的保險產(chǎn)品進行相關(guān)分析，使用關(guān)聯(lián)規(guī)則算法分析續(xù)?？蛻糍徺I的不同產(chǎn)品險種之間的關(guān)聯(lián)性，依據(jù)參數(shù)閥值推斷其購買A險種的客戶是否會購買B險種，達到滿足客戶的多層次需要；通過分析結(jié)論給予特定人群改變推銷戰(zhàn)略，配合公司做出業(yè)務(wù)性調(diào)整，達到提高銷售效率的目的，并對此提出該領(lǐng)域的數(shù)據(jù)挖掘研究流程。

1保險險種的關(guān)聯(lián)銷售分析

1.1保險產(chǎn)品關(guān)聯(lián)銷售的概念

關(guān)聯(lián)銷售實質(zhì)是指在通過特定的數(shù)據(jù)挖掘技術(shù)對客戶購買信息的篩選后，得到具有關(guān)聯(lián)性的產(chǎn)品組合和客戶特征，并借此為企業(yè)開展經(jīng)營活動提供相關(guān)信息指導(dǎo)。關(guān)聯(lián)銷售是保險公司利潤收入的重要來源之一。關(guān)聯(lián)銷售形式除了靠以往傳統(tǒng)人為銷售經(jīng)驗外，主要是通過對歷史保險銷售數(shù)據(jù)的挖掘，得到新的產(chǎn)品或產(chǎn)品銷售組合，再針對人群進行同進推薦，以此達到提高銷售效率降低企業(yè)銷售成本的目的。

1.2數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則方法應(yīng)用

本文主要采用關(guān)聯(lián)規(guī)則算法，其主要反應(yīng)事物之間的相互依賴關(guān)系或其各自間關(guān)聯(lián)性，采用的算法為著名的Apriori算法，處理速度快且對規(guī)則的數(shù)量沒有明確限制要求。其次，在算法中會給定兩個重要的參考閥值即評價指標，最小支持度和最小置信度。數(shù)據(jù)發(fā)掘目的就是從給定的數(shù)據(jù)庫中發(fā)掘出滿足兩者關(guān)聯(lián)規(guī)則。本次研究使用的數(shù)據(jù)挖掘軟件為SPSSModeler，方法關(guān)聯(lián)規(guī)則算法。整個數(shù)據(jù)挖掘流程如圖1所示：

1.3保險數(shù)據(jù)準備

數(shù)據(jù)準備即為對初始數(shù)據(jù)進行一定的采集、篩選、預(yù)處理功能等，以此在一定程度上提高模型的準確性。整個準備過程包括；數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約。流程圖如圖2所示：依據(jù)數(shù)據(jù)準備的要求，將R公司續(xù)?？蛻舯ｋU數(shù)據(jù)中的脫敏數(shù)據(jù)，無關(guān)變量數(shù)據(jù)進行一定的篩選與剔除。①由于原始續(xù)保數(shù)據(jù)集中顯示：投保時間、教育程度、家庭人數(shù)三個類別數(shù)據(jù)各自的值都是脫敏數(shù)據(jù)，所以通過分析得出這三類數(shù)據(jù)為無效數(shù)據(jù)，將其剔除。②在續(xù)保數(shù)據(jù)中，由于有職業(yè)但過去三年平均年收入低于10RMB的人群無法確定其特殊性，視為臟數(shù)據(jù)，將其剔除；其次存在著有職業(yè)人士但平均年收入為0RMB，為了保證數(shù)據(jù)的有效和準確性，所以本次分析剔除出有職業(yè)但過去三年平均年收入為0的客戶保險數(shù)據(jù)。③通過EXCEL數(shù)據(jù)處理過程后，R保險公司給予的原始數(shù)據(jù)約為21萬，最終續(xù)保數(shù)據(jù)約為15萬條。

1.4關(guān)聯(lián)規(guī)則模型建立

本次數(shù)據(jù)挖掘采用關(guān)聯(lián)規(guī)則算法中的Apriori算法分析歷史保險數(shù)據(jù)中客戶續(xù)保險種與險種之間潛在的關(guān)聯(lián)性。第一步，通過EXCE得到對應(yīng)整理后的客戶續(xù)保數(shù)據(jù)，在SPSSModeler空白界面中創(chuàng)建流，導(dǎo)入選擇從EXCEL文件讀取輸入源；第二步，從字段選項中添加類型節(jié)點，讀取數(shù)據(jù)值并為其需要的指標設(shè)置所輸入字段的角色、類型和格式；第三步，添加設(shè)置標志節(jié)點，選取創(chuàng)建所有險種為標志字段并以客戶號為匯總關(guān)鍵字，為后續(xù)建模做好準備；第四步，建模之前可以通過設(shè)置添加圖形選項中的“網(wǎng)絡(luò)”節(jié)點使用戶直觀的感受各個險種之間的關(guān)聯(lián)程度；第五步，再次添加類型節(jié)點，為分析目標設(shè)置“兩者”角色，滿足建模要求；第六步，建立模型節(jié)點，選取關(guān)聯(lián)Apriori算法，其中最低條件支持度與最小規(guī)則置信度(%)一般選擇默認參數(shù)(最低條件支持度為10，最小規(guī)則置信度為80%,根據(jù)研究需求自行改變設(shè)置)，建立模型。模型建立還可根據(jù)需求選擇專家模式，自行設(shè)置相關(guān)參數(shù)，最終輸出匯總并依據(jù)模型結(jié)果進行分析。

1.5模型結(jié)果分析

由圖4可以了解到(此時調(diào)節(jié)桿顯示范圍為900-1900)網(wǎng)絡(luò)的線條粗細能直接顯示不同險種之間的潛在聯(lián)系，比如可以直觀的分析出險種S42與險種S77關(guān)聯(lián)強度最高，但與險種S56程度較低；同時，險種S43與險種S50、險種B01關(guān)聯(lián)程度也較好；其余險種關(guān)聯(lián)性不強。通過分析結(jié)果可以看出，輸出的規(guī)則主要包括五個內(nèi)容：支持度、置信度、規(guī)則前項與后項以及實例記錄數(shù)。本次關(guān)聯(lián)規(guī)則模型總共挖掘出了16條規(guī)則，有效的事務(wù)數(shù)為1萬多條，最大置信度可到達98.98%，最大支持度達到53.694%。例如圖5中規(guī)則ID為16顯示，此規(guī)則中的實例記錄有1373條，由購買前項險種S40、S43、S49的客戶可以給他推薦后項險種S42這類保險，該推薦可達到的置信度為98.98%，達到的支持度為12.744%，提升度為1.144，大于1且有意義，表示在此規(guī)則信息下的關(guān)聯(lián)程度是較強的，其他閥值參考類似。由此通過該規(guī)則信息得出向客戶推銷此類險種的成功率較高，客戶容易接受，其他規(guī)則分析同理。因此，根據(jù)分析結(jié)果可知，續(xù)?？蛻羲徺I的不同險種之間的確存在關(guān)聯(lián)性，并且可以通過客戶歷史購買的險種數(shù)據(jù)推出關(guān)聯(lián)程度較強的險種進行針對性關(guān)聯(lián)銷售，以滿足客戶的多方面需要。因此，通過上述對續(xù)保險種之間的關(guān)聯(lián)規(guī)則分析結(jié)果得知，保險險種的關(guān)聯(lián)交叉銷售是有利于效提高企業(yè)的銷售率，提高保險企業(yè)的利潤率，并且有利于提升客戶的忠誠度，降低企業(yè)的銷售成本，實現(xiàn)資源的合理分配。

2研究結(jié)論與建議

2.1研究結(jié)論

綜上，保險公司在日常經(jīng)營活動中，不僅要關(guān)注分析客戶的購買特征和消費習(xí)慣等，做好未來客戶預(yù)警流失，還需從客戶以往購買產(chǎn)品的記錄中挖掘出客戶新的購買欲望，并針對客戶群體推出新型產(chǎn)品或產(chǎn)品組合?？傊?，數(shù)據(jù)挖掘的目的是為了更好的為企業(yè)經(jīng)營者提供良好信息支持，做出最好的相關(guān)性業(yè)務(wù)調(diào)整和營銷戰(zhàn)略決定，實現(xiàn)公司的可持續(xù)發(fā)展和更多的經(jīng)濟利益目標。本文利用數(shù)據(jù)挖掘技術(shù)只探討了R公司同一客戶群體不同險種之間的關(guān)聯(lián)規(guī)則，是基于關(guān)聯(lián)規(guī)則的關(guān)聯(lián)銷售，且是從產(chǎn)品的角度出發(fā)發(fā)現(xiàn)各類產(chǎn)品之間的關(guān)聯(lián)關(guān)系和客戶同時購買產(chǎn)品的習(xí)慣和特性，同時只運用了著名的Aproti算法，還有Carma、序列算法可以實現(xiàn)等，所以本文具有一定的局限性，但不影響研究方法的應(yīng)用。

2.2建議

無論是基于哪種模型分析方法，都需要加強自身保險公司高效的數(shù)據(jù)庫信息內(nèi)部建設(shè)，以致未來更好的利用客戶信息數(shù)據(jù)建立模型。其次，大數(shù)據(jù)挖掘技術(shù)帶來的可靠性與可實現(xiàn)性可以將大量信息數(shù)據(jù)從多種、多維角度去提煉和壓縮出有效并且有價值的信息為公司所用。并且，利用數(shù)據(jù)挖掘技術(shù)的手段在各行各業(yè)都可實現(xiàn)精確定位客戶需求特征、客戶的預(yù)警流失、管控風(fēng)險預(yù)測及評估、分析預(yù)測客戶未來需求，為其客戶制定個性化定制方案等大大的提高了各公司的運行效率，達到“用正確的方法做事”以及“做正確的事”的公司組織目標。所以，積極的借鑒與合理的引用先進科學(xué)技術(shù)可以是公司創(chuàng)新發(fā)展的一大動力源泉。另外，現(xiàn)在正是以“客戶為中心”的時代，要從客戶端分析為著手點和目標，精準服務(wù)于客戶群體、提高客戶的滿意度、可接受程度等，通過與其他分析方法的結(jié)合，構(gòu)建客戶分析系統(tǒng)，并通過實驗有效的運用到實踐當中，為保險營銷人員提供一定的指導(dǎo)作用，為自身公司的長久立足逐步打下堅實基礎(chǔ)。

3結(jié)語

大數(shù)據(jù)時代的信息泛濫更真實的體現(xiàn)了建立客戶端數(shù)據(jù)庫是非常必要的，引用科學(xué)技術(shù)也是必不可少的，并且合理利用數(shù)據(jù)挖掘技術(shù)最大限度發(fā)揮其對信息的篩選作用是目前各保險公司刻不容緩需要做的事情。不僅在保險業(yè)務(wù)領(lǐng)域，各行各業(yè)幾乎都已與大數(shù)據(jù)環(huán)境下的各種數(shù)據(jù)挖掘技術(shù)相接觸。大數(shù)據(jù)數(shù)據(jù)挖掘技術(shù)作為企業(yè)客戶經(jīng)營的一項重要工具，作為一種有效的手段，是企業(yè)更好的了解與掌握客戶需求的一個渠道，是企業(yè)改善自身發(fā)展提高競爭力的快速手段，是企業(yè)實現(xiàn)組織目標的必要途徑。

作者：袁楊欽 楊杉 單位：四川大學(xué)錦城學(xué)院