保險(xiǎn)行業(yè)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的運(yùn)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(xiǎn)行業(yè)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的運(yùn)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(shí)代的發(fā)展，大數(shù)據(jù)方向的計(jì)算機(jī)應(yīng)用技術(shù)被越來越多的保險(xiǎn)行業(yè)所熟知。近年保險(xiǎn)市場的擴(kuò)充發(fā)展加劇著各個(gè)保險(xiǎn)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(xiǎn)公司續(xù)保產(chǎn)品銷售問題，運(yùn)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(jìn)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(shí)代生活消費(fèi)結(jié)構(gòu)及居民消費(fèi)意識的晉級，財(cái)富家當(dāng)?shù)牟粩嗬鄯e，消費(fèi)者對保險(xiǎn)的投保的意識已逐漸增強(qiáng)。保險(xiǎn)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(jì)的重要組成部分，而如何在經(jīng)濟(jì)快速發(fā)展的市場替代中占的一席之位便成為了各個(gè)保險(xiǎn)公司需作出的重要商業(yè)決策。在大數(shù)據(jù)挖掘當(dāng)熱的分析環(huán)境中，保險(xiǎn)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(jì)算機(jī)技術(shù)對保險(xiǎn)公司中的大量客戶信息數(shù)據(jù)進(jìn)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(xiǎn)公司提供的續(xù)保客戶數(shù)據(jù)中的保險(xiǎn)產(chǎn)品進(jìn)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(xiǎn)種之間的關(guān)聯(lián)性，依據(jù)參數(shù)閥值推斷其購買A險(xiǎn)種的客戶是否會購買B險(xiǎn)種，達(dá)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(dá)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(xiǎn)險(xiǎn)種的關(guān)聯(lián)銷售分析

1.1保險(xiǎn)產(chǎn)品關(guān)聯(lián)銷售的概念

關(guān)聯(lián)銷售實(shí)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(xiǎn)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(yàn)外，主要是通過對歷史保險(xiǎn)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(jìn)行同進(jìn)推薦，以此達(dá)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(gè)重要的參考閥值即評價(jià)指標(biāo)，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(gè)數(shù)據(jù)挖掘流程如圖1所示：

1.3保險(xiǎn)數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備即為對初始數(shù)據(jù)進(jìn)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(zhǔn)確性。整個(gè)準(zhǔn)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(zhǔn)備的要求，將R公司續(xù)?？蛻舯ｋU(xiǎn)數(shù)據(jù)中的脫敏數(shù)據(jù)，無關(guān)變量數(shù)據(jù)進(jìn)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(shí)間、教育程度、家庭人數(shù)三個(gè)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(zhǔn)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(xiǎn)數(shù)據(jù)。③通過EXCEL數(shù)據(jù)處理過程后，R保險(xiǎn)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(xiǎn)數(shù)據(jù)中客戶續(xù)保險(xiǎn)種與險(xiǎn)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(xiàng)中添加類型節(jié)點(diǎn)，讀取數(shù)據(jù)值并為其需要的指標(biāo)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(biāo)志節(jié)點(diǎn)，選取創(chuàng)建所有險(xiǎn)種為標(biāo)志字段并以客戶號為匯總關(guān)鍵字，為后續(xù)建模做好準(zhǔn)備；第四步，建模之前可以通過設(shè)置添加圖形選項(xiàng)中的“網(wǎng)絡(luò)”節(jié)點(diǎn)使用戶直觀的感受各個(gè)險(xiǎn)種之間的關(guān)聯(lián)程度；第五步，再次添加類型節(jié)點(diǎn)，為分析目標(biāo)設(shè)置“兩者”角色，滿足建模要求；第六步，建立模型節(jié)點(diǎn)，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(rèn)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(jìn)行分析。

1.5模型結(jié)果分析

由圖4可以了解到(此時(shí)調(diào)節(jié)桿顯示范圍為900-1900)網(wǎng)絡(luò)的線條粗細(xì)能直接顯示不同險(xiǎn)種之間的潛在聯(lián)系，比如可以直觀的分析出險(xiǎn)種S42與險(xiǎn)種S77關(guān)聯(lián)強(qiáng)度最高，但與險(xiǎn)種S56程度較低；同時(shí)，險(xiǎn)種S43與險(xiǎn)種S50、險(xiǎn)種B01關(guān)聯(lián)程度也較好；其余險(xiǎn)種關(guān)聯(lián)性不強(qiáng)。通過分析結(jié)果可以看出，輸出的規(guī)則主要包括五個(gè)內(nèi)容：支持度、置信度、規(guī)則前項(xiàng)與后項(xiàng)以及實(shí)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(dá)98.98%，最大支持度達(dá)到53.694%。例如圖5中規(guī)則ID為16顯示，此規(guī)則中的實(shí)例記錄有1373條，由購買前項(xiàng)險(xiǎn)種S40、S43、S49的客戶可以給他推薦后項(xiàng)險(xiǎn)種S42這類保險(xiǎn)，該推薦可達(dá)到的置信度為98.98%，達(dá)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(qiáng)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(xiǎn)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)保客戶所購買的不同險(xiǎn)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(xiǎn)種數(shù)據(jù)推出關(guān)聯(lián)程度較強(qiáng)的險(xiǎn)種進(jìn)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(xiǎn)種之間的關(guān)聯(lián)規(guī)則分析結(jié)果得知，保險(xiǎn)險(xiǎn)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(xiǎn)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(shí)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(xiǎn)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(fèi)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。總之，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(shí)現(xiàn)公司的可持續(xù)發(fā)展和更多的經(jīng)濟(jì)利益目標(biāo)。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(xiǎn)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(shí)購買產(chǎn)品的習(xí)慣和特性，同時(shí)只運(yùn)用了著名的Aproti算法，還有Carma、序列算法可以實(shí)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(qiáng)自身保險(xiǎn)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(shí)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(jià)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(shí)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(xiǎn)預(yù)測及評估、分析預(yù)測客戶未來需求，為其客戶制定個(gè)性化定制方案等大大的提高了各公司的運(yùn)行效率，達(dá)到“用正確的方法做事”以及“做正確的事”的公司組織目標(biāo)。所以，積極的借鑒與合理的引用先進(jìn)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(shí)代，要從客戶端分析為著手點(diǎn)和目標(biāo)，精準(zhǔn)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(shí)驗(yàn)有效的運(yùn)用到實(shí)踐當(dāng)中，為保險(xiǎn)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(jiān)實(shí)基礎(chǔ)。

3結(jié)語

大數(shù)據(jù)時(shí)代的信息泛濫更真實(shí)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(xiǎn)公司刻不容緩需要做的事情。不僅在保險(xiǎn)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(xiàng)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(gè)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(shí)現(xiàn)組織目標(biāo)的必要途徑。

作者：袁楊欽 楊杉 單位：四川大學(xué)錦城學(xué)院