第1页共9页基于数据挖掘技术的寿险险种推荐模型研究摘要：本文利用数据挖掘技术对大量人寿保险数据进行处理和分析，首先从三方数据中抽取属性航班和险种做数据探索及初步处理，分析这两者之间的相关性，做出简单的预测购买险种判断；然后使用软件分析并自动从大量的预测变量中筛选出与险种相关的变量，采用多层感知器对三维属性构建神经网络模型，利用模型对搭乘航班的顾客做精准的险种推销。Abstract：Thispaperusesdataminingtechniquestoprocessandanalyzealargeamountoflifeinsurancedata.Atthefirst，itsearchesanddealswiththedatabyextractingattributesandinsurancetypesfromthird-partydatatoanalyzethecorrelationbetweenthetwoandmakesimplepredictionjudgmentsofbuyinginsurance.Then，it第2页共9页usessoftwaretoanalyzeandautomaticallyfilteroutthevariablesassociatedwithinsurancefromalargenumberofpredictorvariables.Themulti-layerperceptronisusedtobuildneuralnetworkmodelsforthreedimensionalproperties，themodelsareusedtoselltheaccuratecoverageoftheflightcustomers.关键词：数据挖掘；人寿保险；多层感知器；精准营销Keywords：datamining；lifeinsurance；multilayerperceptron；precisionmarketing：F840文献标识码：A：1006-4311（2015）21-0031-030引言随着人们收入水平的提高和消费意识的改变，保险产品日益增多，公众对购买保险的热情日益增高，保险行业迅猛发展。但与此同时，保险决策者在获取利益时也注意到了行业存在的巨大风险。保险业与其他行业相比，最大的差异在于它是以多样化的风险为经第3页共9页营对象的特殊服务业，不同的客户有着完全不同的需求，也为保险公司提供不同的收益率。在保险业，从业人员通常根据客户价值、客户贡献、客户理赔风险、保险市场、保险产品等对市场进行细分。在保险行业过去客户理赔的研究中，少有涉及数据挖掘的领域，多半利用传统统计方法或是单纯的专业分析，这些方法虽然能够发现数据的一些表面特征，但可能都忽略了海量数据中隐含的尚未被挖掘出的潜在有效信息，而数据挖掘为另一种从不同角度切入的新方法，保险公司可以利用数据库中多年来收集起来却没有实际运用到的宝贵数据，通过数据挖掘技术，了解所拥有的客户的特征，对不同客户做相应的险种推销，据此在一定程度上节省了人力物力和时间资源。本文笔者根据保险公司的客户资料，综合三种客户相关数据进行分析，通过数据挖掘技术，发现规律，构建模型，建立推荐系统，针对不同客户群体给出合理的产品推荐意见，帮助保险公司实现精准营销。第4页共9页1数据挖掘1.1数据探索与初步处理首先进行数据探索，检验人寿保险的三方数据集的数据质量，绘制图表，做初级的统计分析，了解人寿保险样本数据集的结构和规律。数据探索有助于选择合适的数据去做预处理和建模。1.1.1数据结构人寿保险数据的构成包括三个方面：寿险业务系统记录的保险交易数据、客户在保险公司官网浏览的日志轨迹、还有部分从第三方收集的关联信息。具体情况见图1。保险交易数据来自寿险核心业务系统，记录了从接触客户尝试签订保险合同，到最终保险合同终止的业务周期中的全部信息。这部分数据会经过预处理，最终的数据存储在关系型数据库中。保险交易数据经过梳理后，需建立一个雪花型数据表存储结构，这组结构中的表都用ct开头（c客户，t交易）（见图2），表明结构表以客户为中心，交易为分支，组织待分析数据。这种结构设计第5页共9页扩展灵活，未来可根据分析的需要增加分支或相应的字段。另外会设立一些des开头的表，描述险种属性等。所有签署了保险合同的客户，都可以通过官网注册并登陆，在官网上可以完成多项自助操作。系统将收集用户在官网上浏览和操作的轨迹信息，记录到日志文件中（见表1），形成官网客户轨迹信息日志数据，供后续分析使用。来自第三方的外部数据是指根据客户在投保时保留的手机号码，证件等信息，可以通过第三方获得一些客户在互联网上活动的资料，例如去哪网的航班信息还有购买航意险的信息等等（见表2）。这类信息一般是结构化或非结构化的文件。1.1....