人壽保險行業應用管理論文

導語：人壽保險行業應用管理論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要人壽保險行業在激烈的市場競爭中生成了大量的保單業務，如何對這些海量信息進行深層次的分析與挖掘，讓其發揮巨大的增值作用。針對這一問題，利用關聯規則挖掘技術從人壽保單數據中，分析投保人的各項特征與索賠的內在關系，所得到的結論對保險公司的業務發展具有重要的指導意義。

關鍵詞關聯規則；數據挖掘；人壽保險

1引言

近年來，數據密集型的保險行業經過多年的運營，也已經積累了海量的歷史數據，這些數據是公司的重要財富。要從這些大量數據中獲取能給公司帶來無限商機的有價值信息，急需更高效的數據處理方法和技術。此時數據挖掘技術顯示出了它特有的優越性。1

2關聯規則挖掘技術

數據挖掘(DataMining)是一個利用各種分析技術和工具從大量數據中提取有用知識的過程。它是一門交叉學科，把人們對數據的應用從低層次的簡單查詢，提升到從數據中挖掘知識，提供決策支持。它包含很多技術與方法，其中關聯規則挖掘是一項非常重要的技術，是數據挖掘的一個主要研究方向。迄今為止，關聯規則挖掘已經被應用到很多領域，例如零售業、市場營銷、醫學等，為各個領域的決策支持提高了一個有效的手段。

關聯規則挖掘是由R.Agrawal等人提出來的，關聯規則是描述數據庫中數據項之間某種潛在關系的規則[1]，它的基本概念為：設為數據項集合，設D為與任務相關的數據集合，也就是一個交易數據庫，其中的每個交易T是一個數據項子集，即；每個交易均包含一個識別編號TID。設A為一個數據項集合，當且僅當時就稱交易T包含A。一個關聯規則就是具有“”形式的蘊含式；其中有，且。規則在交易數據集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的事務同時也包含B的百分比是c，則規則在交易數據集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聯規則就稱為強規則。這兩個閾值均在0％到100％之間。挖掘關聯規則主要包含以下二個步驟[2]：

(1)發現所有的頻繁項集，根據定義，這些項集的支持度至少應等于（預先設置的）最小支持度閾值；

(2)根據所獲得的頻繁項集，產生相應的強關聯規則。根據定義這些規則必須滿足最小支持度閾值和最小置信度閾值。

3關聯規則挖掘技術在人壽保險行業中的應用

人壽保險行業在日常的經營過程中，經常會遇到這樣一些問題：如何能更好的理解客戶，挽留有價值的投保人，對不同行業的人、不同年齡段的人、處于不同社會階層的人的保險金額度該如何確定。這些問題都是影響公司經濟運營的重要因素。為了更好的掌握投保人的特點及合理的制定保險金額度，可以利用關聯規則挖掘來發現投保人與索賠的關系，分析具有什么特征的投保人曾經向保險公司索賠過。

3.1關聯規則挖掘的基礎數據

為了研究投保人與索賠的關系，我們從某城市一家人壽保險公司的歷史保單數據庫中提取出相關數據，把其整合到關系表中進行關聯規則挖掘。下面的表1為整合之后的信息。

3.2基于概化的數據預處理

為了更好的進行關聯規則挖掘，要對表1中的基礎信息進行基于概化的數據預處理，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的表示為D1，非外資企業的表示為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公司索賠過，F1表示曾經索賠過，F2表示未曾索賠過。

3.3關聯規則挖掘過程

由關聯規則的概念和表2的概化結果，可得出項目集合為{A1，A2，A3，A4，B1，B2，C1，C2，C3，D1，D2，E1，E2，E3，E4，F1，F2}，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在的關聯規則。假設關聯規則的支持度至少為40%，置信度至少為80%。進行關聯規則挖掘過程如下：

(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%的強關聯規則。

由以上兩步我們得出的和索賠情況有關而且實用的強關聯規則為：（A4，B2，D1）→F1(置信度為100%，支持度為40%)此規則可解釋為投保單上年齡大于45歲，工作單位是外資企業的男性投保人，幾乎都曾經向保險公司索賠過。

3.4關聯規則挖掘結果的指導作用

根據挖掘結果，我們分析原因，發現對于工作在外資企業，年齡大于45歲的男性投保人來說，由于在外資企業工作壓力大，生活節奏快，同時45歲左右的中年男性正處于家庭負擔最嚴重階段，生活壓力也很大，這些因素導致這部分人群的健康狀況不好，因此索賠率也相對比較高，保險公司可以考慮相對提高對這部分人群的保險金額。此結論對于保險公司的增值服務具有重要的指導意義。

4結束語

本文利用關聯規則挖掘方法分析出了隱藏在人壽保險歷史數據背后的有效信息，然而關聯規則挖掘技術在人壽保險行業中的應用不只是文中提到的這幾個方面，例如利用關聯規則挖掘進行險種關聯分析，即分析購買了某種保險的人是否同時購買另一種保險。我們應該利用數據挖掘技術來分析人壽保險行業中的海量歷史數據，進而從中獲取有意義的信息，并從中挖掘出業務的內在規律，以達到提高效益、減低成本、防范風險的目的。數據挖掘技術是具有廣闊前景的數據處理與分析技術，它將在有大量信息的保險行業中發揮不可估量的作用。

圖1頻繁項集的生成

參考文獻

[1]JiaweiHan.數據挖掘概念與技術,北京:機械工業出版社,2004.6:149—180

[2]陳文偉,黃金才.數據倉庫與數據挖掘，北京:人民郵電出版社，2004.1:143—149

[3]吉根林,帥克,孫志輝.數據挖掘技術及其應用[J].南京師大學報,2000.23(2)

[4]李俊斌.淺析數據挖掘技術在保險業中的應用[J].大眾科技，2006.88(2)

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