寿险个人客户现金流价值与业务价值的数据挖掘

《寿险个人客户现金流价值与业务价值的数据挖掘》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、.word格式,寿险个人客户现金流价值及业务价值的数据挖掘王洪涛1刘玮2（1.南开大学风险管理和保险系，天津300071；2.阳光保险集团，北京100020）[摘要]本文修改自某保险集团的客户数据挖掘报告，作者使用SPSSMODELER数据挖掘软件，遵从CRISP-DM数据挖掘方法论，对寿险个人客户的现金流价值及业务价值按商业理解、数据理解、数据准备、建立模型、模型评估和模型发布六步骤进行了数据挖掘，得到了数据模型和数据挖掘结论，并相应提出了寿险个人客户分类分级方案的建议和其它支持寿险业务发展的具体建议。本数据挖掘形成的政策建议包

2、括：寿险个人客户可以按现金流价值和业务价值结合的方法进行客户的分类分级，客户分级用于对外宣传，客户分类用于内部管理，客户分级应比客户分类简单；此外，建议寿险公司重点开发适销高年龄段的高价值保险产品，建议加强对已婚客户的拓展力度，建议深入研究女性客户的保险购买行为心理等，以有效提高保险公司客户的现金流价值和业务价值。[主题词]数据挖掘；寿险；现金流价值；业务价值；客户分类分级[Subject]Datamininginanalysisofcashvalueandbusinessvalueoflifeinsuranceindividua

3、lcustomers[Abstract]Thispaperisadaptedfromaresearchreportanalyzingcustomerinformationbasedondatamining.Thewritersanalyzecashvalueandbusinessvalueoflifeinsuranceindividualcustomersandthrowoutasuggestionoflifeinsurancecustomerclassificationandotherbusinessdevelopmentsug

4、gestions.TheyconcludemodelsandconclusionsbyusingSPSSMODELERsoftwareandfollowingCRISP-DMprocess（CRossIndustryStandardProcessofDataMining）whichincludessixsteps:businessunderstanding,dataunderstanding,datapreparation,modeling,evaluationanddeployment.Thesolutionsinthisdat

5、aminingcaseincludesasuggestionoflifeinsurancecustomerclassificationconsideringbothcustomer’scashvalueandbusinessvalue,onecompanyshouldhavetwogradingstandardsoneforpropagandaandoneforinternalmanagement,thestandardwhichforpropagandashouldbemoresimplethanthestandardwhich

6、forinternalmanagement.Moreover,toliftcustomer’scashvalueandbusinessvaluelifeinsurancecompaniesshoulddevelophighvalueinsuranceproductsforolderpeopleandstudythepsychologicalactivityofwomencustomerswhenbuyinginsuranceproducts.[Keywords]Datamining;Lifeinsurance;Cashvalue;

7、Businessvalue;Customerclassification,专业.专注..word格式,寿险个人客户现金流价值及业务价值的数据挖掘一、问题的提出近年来，随着我国经济的持续快速发展、国民收入水平的提升和国民财富的积累，保险行业也得到了快速发展。然而许多保险公司在发展中采用了单纯扩张业务规模的策略，并未对客户和准客户进行分类分级管理，也不注重研究不同类别和不同级别的客户能为保险公司带来的现金流价值和业务价值，对不同的客户平均使用费用成本，致使业务成本较高，保险公司赢利能力较低。保险行业急需引进科学的客户价值分析方法和客户

8、分类分级方法。数据挖掘（DataMining），又称数据库中的知识发现（KnowledgeDiscoveryinDatabase），简称知识发现（KDD）。它是从大量的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、人们事先不知道的、但又是可信