導(dǎo)語：人壽保險(xiǎn)行業(yè)應(yīng)用管理論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要人壽保險(xiǎn)行業(yè)在激烈的市場競爭中生成了大量的保單業(yè)務(wù)，如何對這些海量信息進(jìn)行深層次的分析與挖掘，讓其發(fā)揮巨大的增值作用。針對這一問題，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)從人壽保單數(shù)據(jù)中，分析投保人的各項(xiàng)特征與索賠的內(nèi)在關(guān)系，所得到的結(jié)論對保險(xiǎn)公司的業(yè)務(wù)發(fā)展具有重要的指導(dǎo)意義。

關(guān)鍵詞關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘；人壽保險(xiǎn)

1引言

近年來，數(shù)據(jù)密集型的保險(xiǎn)行業(yè)經(jīng)過多年的運(yùn)營，也已經(jīng)積累了海量的歷史數(shù)據(jù)，這些數(shù)據(jù)是公司的重要財(cái)富。要從這些大量數(shù)據(jù)中獲取能給公司帶來無限商機(jī)的有價(jià)值信息，急需更高效的數(shù)據(jù)處理方法和技術(shù)。此時(shí)數(shù)據(jù)挖掘技術(shù)顯示出了它特有的優(yōu)越性。1

2關(guān)聯(lián)規(guī)則挖掘技術(shù)

數(shù)據(jù)挖掘(DataMining)是一個(gè)利用各種分析技術(shù)和工具從大量數(shù)據(jù)中提取有用知識的過程。它是一門交叉學(xué)科，把人們對數(shù)據(jù)的應(yīng)用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，提供決策支持。它包含很多技術(shù)與方法，其中關(guān)聯(lián)規(guī)則挖掘是一項(xiàng)非常重要的技術(shù)，是數(shù)據(jù)挖掘的一個(gè)主要研究方向。迄今為止，關(guān)聯(lián)規(guī)則挖掘已經(jīng)被應(yīng)用到很多領(lǐng)域，例如零售業(yè)、市場營銷、醫(yī)學(xué)等，為各個(gè)領(lǐng)域的決策支持提高了一個(gè)有效的手段。

關(guān)聯(lián)規(guī)則挖掘是由R.Agrawal等人提出來的，關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間某種潛在關(guān)系的規(guī)則[1]，它的基本概念為：設(shè)為數(shù)據(jù)項(xiàng)集合，設(shè)D為與任務(wù)相關(guān)的數(shù)據(jù)集合，也就是一個(gè)交易數(shù)據(jù)庫，其中的每個(gè)交易T是一個(gè)數(shù)據(jù)項(xiàng)子集，即；每個(gè)交易均包含一個(gè)識別編號TID。設(shè)A為一個(gè)數(shù)據(jù)項(xiàng)集合，當(dāng)且僅當(dāng)時(shí)就稱交易T包含A。一個(gè)關(guān)聯(lián)規(guī)則就是具有“”形式的蘊(yùn)含式；其中有，且。規(guī)則在交易數(shù)據(jù)集D中成立，具有支持度s，其中s是D中交易包含（即A和B二者）的百分比，這是概率P（）。如果D中包含A的事務(wù)同時(shí)也包含B的百分比是c，則規(guī)則在交易數(shù)據(jù)集D中具有置信度c。這是條件概率P。即SupportP（）=P（），ConfidenceP（）=p（）。

滿足最小支持度閾值和最小置信度閾值的關(guān)聯(lián)規(guī)則就稱為強(qiáng)規(guī)則。這兩個(gè)閾值均在0％到100％之間。挖掘關(guān)聯(lián)規(guī)則主要包含以下二個(gè)步驟[2]：

(1)發(fā)現(xiàn)所有的頻繁項(xiàng)集，根據(jù)定義，這些項(xiàng)集的支持度至少應(yīng)等于（預(yù)先設(shè)置的）最小支持度閾值；

(2)根據(jù)所獲得的頻繁項(xiàng)集，產(chǎn)生相應(yīng)的強(qiáng)關(guān)聯(lián)規(guī)則。根據(jù)定義這些規(guī)則必須滿足最小支持度閾值和最小置信度閾值。

3關(guān)聯(lián)規(guī)則挖掘技術(shù)在人壽保險(xiǎn)行業(yè)中的應(yīng)用

人壽保險(xiǎn)行業(yè)在日常的經(jīng)營過程中，經(jīng)常會遇到這樣一些問題：如何能更好的理解客戶，挽留有價(jià)值的投保人，對不同行業(yè)的人、不同年齡段的人、處于不同社會階層的人的保險(xiǎn)金額度該如何確定。這些問題都是影響公司經(jīng)濟(jì)運(yùn)營的重要因素。為了更好的掌握投保人的特點(diǎn)及合理的制定保險(xiǎn)金額度，可以利用關(guān)聯(lián)規(guī)則挖掘來發(fā)現(xiàn)投保人與索賠的關(guān)系，分析具有什么特征的投保人曾經(jīng)向保險(xiǎn)公司索賠過。

3.1關(guān)聯(lián)規(guī)則挖掘的基礎(chǔ)數(shù)據(jù)

為了研究投保人與索賠的關(guān)系，我們從某城市一家人壽保險(xiǎn)公司的歷史保單數(shù)據(jù)庫中提取出相關(guān)數(shù)據(jù)，把其整合到關(guān)系表中進(jìn)行關(guān)聯(lián)規(guī)則挖掘。下面的表1為整合之后的信息。

3.2基于概化的數(shù)據(jù)預(yù)處理

為了更好的進(jìn)行關(guān)聯(lián)規(guī)則挖掘，要對表1中的基礎(chǔ)信息進(jìn)行基于概化的數(shù)據(jù)預(yù)處理，具體的概化處理方法為：

①用符號A描述年齡，把年齡進(jìn)行分段概化為：A1（£25歲），A2（25-35歲），A3（35-45歲），A4（³45歲）。

②用符號B描述性別，B1表示“女”，B2表示“男”。

③用符號C描述健康狀況，C1表示良好，C2表示一般，C3表示較差。

④用符號D表示工作單位，工作單位為外資企業(yè)的表示為D1，非外資企業(yè)的表示為D2。

⑤用符號E表示工資檔次，分別概化為：E1（高），E2（較高），E3（中），E4（低）。

⑥用符號F表示投保人是否曾向保險(xiǎn)公司索賠過，F(xiàn)1表示曾經(jīng)索賠過，F(xiàn)2表示未曾索賠過。

3.3關(guān)聯(lián)規(guī)則挖掘過程

由關(guān)聯(lián)規(guī)則的概念和表2的概化結(jié)果，可得出項(xiàng)目集合為{A1，A2，A3，A4，B1，B2，C1，C2，C3，D1，D2，E1，E2，E3，E4，F(xiàn)1，F(xiàn)2}，我們目的是要分析投保人的各方面情況和索賠情況之間內(nèi)在的關(guān)聯(lián)規(guī)則。假設(shè)關(guān)聯(lián)規(guī)則的支持度至少為40%，置信度至少為80%。進(jìn)行關(guān)聯(lián)規(guī)則挖掘過程如下：

(1)首先利用基于事物壓縮的Apriori算法找出頻繁項(xiàng)集如圖1所示。

(2)找出支持度至少為40%而且置信度至少為80%的強(qiáng)關(guān)聯(lián)規(guī)則。

由以上兩步我們得出的和索賠情況有關(guān)而且實(shí)用的強(qiáng)關(guān)聯(lián)規(guī)則為：（A4，B2，D1）→F1(置信度為100%，支持度為40%)此規(guī)則可解釋為投保單上年齡大于45歲，工作單位是外資企業(yè)的男性投保人，幾乎都曾經(jīng)向保險(xiǎn)公司索賠過。

3.4關(guān)聯(lián)規(guī)則挖掘結(jié)果的指導(dǎo)作用

根據(jù)挖掘結(jié)果，我們分析原因，發(fā)現(xiàn)對于工作在外資企業(yè)，年齡大于45歲的男性投保人來說，由于在外資企業(yè)工作壓力大，生活節(jié)奏快，同時(shí)45歲左右的中年男性正處于家庭負(fù)擔(dān)最嚴(yán)重階段，生活壓力也很大，這些因素導(dǎo)致這部分人群的健康狀況不好，因此索賠率也相對比較高，保險(xiǎn)公司可以考慮相對提高對這部分人群的保險(xiǎn)金額。此結(jié)論對于保險(xiǎn)公司的增值服務(wù)具有重要的指導(dǎo)意義。

4結(jié)束語

本文利用關(guān)聯(lián)規(guī)則挖掘方法分析出了隱藏在人壽保險(xiǎn)歷史數(shù)據(jù)背后的有效信息，然而關(guān)聯(lián)規(guī)則挖掘技術(shù)在人壽保險(xiǎn)行業(yè)中的應(yīng)用不只是文中提到的這幾個(gè)方面，例如利用關(guān)聯(lián)規(guī)則挖掘進(jìn)行險(xiǎn)種關(guān)聯(lián)分析，即分析購買了某種保險(xiǎn)的人是否同時(shí)購買另一種保險(xiǎn)。我們應(yīng)該利用數(shù)據(jù)挖掘技術(shù)來分析人壽保險(xiǎn)行業(yè)中的海量歷史數(shù)據(jù)，進(jìn)而從中獲取有意義的信息，并從中挖掘出業(yè)務(wù)的內(nèi)在規(guī)律，以達(dá)到提高效益、減低成本、防范風(fēng)險(xiǎn)的目的。數(shù)據(jù)挖掘技術(shù)是具有廣闊前景的數(shù)據(jù)處理與分析技術(shù)，它將在有大量信息的保險(xiǎn)行業(yè)中發(fā)揮不可估量的作用。

圖1頻繁項(xiàng)集的生成

參考文獻(xiàn)

[1]JiaweiHan.數(shù)據(jù)挖掘概念與技術(shù),北京:機(jī)械工業(yè)出版社,2004.6:149—180

[2]陳文偉,黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘，北京:人民郵電出版社，2004.1:143—149

[3]吉根林,帥克,孫志輝.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[J].南京師大學(xué)報(bào),2000.23(2)

[4]李俊斌.淺析數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)業(yè)中的應(yīng)用[J].大眾科技，2006.88(2)

[5]AlexBerson,StephenSmith,Kurt.BuildingDataMiningApplicationsforCRM[M].北京:人民郵電出版社,2001