近年來,隨著社會信息化進程的迅猛發(fā)展,數(shù)據(jù)作為一種資源已經(jīng)滲透到每一個行業(yè)和業(yè)務領域。“互聯(lián)網(wǎng)+”、大數(shù)據(jù)時代的到來,使金融業(yè)正在經(jīng)歷一場革命性的變化,而保險業(yè)正在這場變革中醞釀新的變化。保險公司每天在與客戶交互中都會產(chǎn)生大量數(shù)據(jù)流,如何充分利用這些信息為決策者提供決策支持,為企業(yè)發(fā)展提供升值空間,這是對保險業(yè)駕馭數(shù)據(jù)能力的挑戰(zhàn)�？蛻舻臄�(shù)據(jù)信息首先由事務處理系統(tǒng)捕獲,經(jīng)系統(tǒng)程序?qū)@些數(shù)據(jù)進行整理、甄別,并通過收集、歸類匯總,存放至客戶數(shù)據(jù)倉庫中。保險公司現(xiàn)有的數(shù)據(jù)庫系統(tǒng)已經(jīng)具備存儲海量信息的數(shù)據(jù)倉庫功能,并且數(shù)據(jù)庫系統(tǒng)本身也具備一些基本的數(shù)據(jù)統(tǒng)計功能。但如何利用自己數(shù)據(jù)倉庫中的信息,實現(xiàn)客戶需求超前預測,擴大客戶營銷廣度深度,找到對自己最有效的營銷客戶對象,開發(fā)具有競爭力的業(yè)務,成為各家保險公司爭相研究的課題。在對保險業(yè)乃至整個銷售業(yè)的客戶信息研究過程中,我們發(fā)現(xiàn)客戶群體細分是一個重要的基礎工作。如果仿照過去利用傳統(tǒng)的數(shù)據(jù)分析方法對客戶進行細分,會發(fā)現(xiàn)是無法解決當下代理人在營銷中遇到的問題,而此時如何利用數(shù)據(jù)挖掘技術建立完善的客戶細分方案就顯得尤為重要。本文結合某壽險公司客戶信息情況,通過采用數(shù)據(jù)挖掘技術對客戶群體細分進行了嘗試,并取得有價值的成果。主要工作內(nèi)容有以下幾方面：1、根據(jù)壽險公司的客戶數(shù)據(jù)信息以及業(yè)務需求建立起基本的數(shù)據(jù)結構,并利用數(shù)據(jù)挖掘中的預處理技術對實際數(shù)據(jù)進行分析和轉(zhuǎn)化,使得數(shù)據(jù)質(zhì)量得到提高,以便為數(shù)據(jù)建模提供良好的基礎。2、利用數(shù)據(jù)挖掘工具Clementine,建立起決策樹C5.0模型、K-Means聚類分析模型、Logistic二項回歸模型、關聯(lián)規(guī)則Apriori模型,來對公司客戶數(shù)據(jù)信息進行分析。3、經(jīng)過樣本數(shù)據(jù)的分析,檢驗數(shù)據(jù)分析模型的處理效果,得出各分類客戶樣本及群體特征,并以此為基礎對未來客戶市場進行了預測。本文所研究方法為公司營銷策略提供了幫助,為更好發(fā)現(xiàn)新客戶和保留老客戶,提高市場競爭力,做出了一定貢獻。
【學位單位】：安徽大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：F842.3;TP311.13
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 保險業(yè)目前大數(shù)據(jù)現(xiàn)狀
        1.1.1 大數(shù)據(jù)來臨下的數(shù)據(jù)資源競爭
        1.1.2 保險業(yè)大數(shù)據(jù)現(xiàn)狀與影響展望
        1.1.3 保險業(yè)數(shù)據(jù)挖掘技術應用情況
    1.2 數(shù)據(jù)挖掘技術對保險業(yè)的重要意義
        1.2.1 大數(shù)據(jù)時代促進金融業(yè)數(shù)據(jù)挖掘技術應用
        1.2.2 保險業(yè)強大的用戶信息資源是數(shù)據(jù)挖掘的基礎
        1.2.3 數(shù)據(jù)挖掘是促進保險業(yè)未來發(fā)展的必備手段
    1.3 客戶關系管理中的客戶細分
        1.3.1 基于數(shù)據(jù)倉庫的客戶關系管理系統(tǒng)設計
        1.3.2 數(shù)據(jù)挖掘在客戶關系管理中的應用
        1.3.3 保險業(yè)的客戶細分需求
第二章 數(shù)據(jù)挖掘在保險行業(yè)客戶分析中的應用
    2.1 數(shù)據(jù)挖掘概述
        2.1.1 數(shù)據(jù)挖掘的概念
        2.1.2 數(shù)據(jù)挖掘的一般步驟
        2.1.3 數(shù)據(jù)挖掘的過程模型
    2.2 數(shù)據(jù)挖掘工具
        2.2.1 數(shù)據(jù)挖掘工具的現(xiàn)狀
        2.2.2 數(shù)據(jù)挖掘工具的選擇
    2.3 數(shù)據(jù)挖掘在數(shù)據(jù)分析中所運用的方法
        2.3.1 分類和預測
        2.3.2 回歸分析
        2.3.3 聚類分析
        2.3.4 關聯(lián)規(guī)則
    2.4 數(shù)據(jù)挖掘在保險行業(yè)客戶分析中的典型應用
        2.4.1 數(shù)據(jù)挖掘技術在保險客戶分析中的作用
        2.4.2 數(shù)據(jù)挖掘技術在保險客戶分析中的典型應用
第三章 應用數(shù)據(jù)挖掘工具對壽險客戶進行細分
    3.1 數(shù)據(jù)預處理
    3.2 數(shù)據(jù)挖掘過程
    3.3 根據(jù)決策樹算法C5.0對客戶細分進行建模
        3.3.1 C5.0算法概述
        3.3.2 運用決策樹C5.0算法對樣本進行分析
    3.4 根據(jù)聚類分析的算法K-Means對客戶細分進行建模
        3.4.1 K-Means算法的概述
        3.4.2 運用K-Means算法對樣本進行聚類分析
    3.5 根據(jù)回歸性分析對客戶細分進行建模
        3.5.1 回歸性分析概述
        3.5.2 運用二項回歸分析對樣本進行分析
    3.6 利用關聯(lián)規(guī)則對客戶進行細分
        3.6.1 關聯(lián)規(guī)則概述
        3.6.2 運用Apriori算法對樣本進行分析
    3.7 對四種模型的綜合評價
第四章 總結
    4.1 本次研究的主要工作
        4.1.1 尋找目標客戶群體
        4.1.2 從客戶角度實現(xiàn)產(chǎn)品組合預測性挖掘
        4.1.3 為決策者的決策提供支持
    4.2 課題研究的局限性
        4.2.1 本課題建�？蛻魯�(shù)據(jù)來源單一
        4.2.2 本課題采集客戶數(shù)據(jù)質(zhì)量有待提高
        4.2.3 本課題尚缺乏技術上的統(tǒng)一指標及建模標準
    4.3 后續(xù)工作
        4.3.1 加強理論研究,追蹤數(shù)據(jù)挖掘的發(fā)展方向
        4.3.2 利用數(shù)據(jù)挖掘技術,進一步做好客戶細分研究
        4.3.3 逐步構造智能型數(shù)據(jù)挖掘,實現(xiàn)全面數(shù)據(jù)管理
        4.3.4 加強系統(tǒng)技術控制,提高數(shù)據(jù)源質(zhì)量
參考文獻
致謝

【相似文獻】

相關期刊論文 前10條

1 香麗蕓;淺談數(shù)據(jù)挖掘及其應用[J];昌吉師專學報;2001年02期

2 鄭雪燕,張杰明,岳洋;數(shù)據(jù)挖掘語言[J];計算機時代;2001年11期

3 劉明晶;數(shù)據(jù)挖掘[J];華南金融電腦;2001年04期

4 張偉;劉勇國;彭軍;廖曉峰;吳中福;;數(shù)據(jù)挖掘發(fā)展研究[J];計算機科學;2001年07期

5 鐘曉;馬少平;張鈸;俞瑞釗;;數(shù)據(jù)挖掘綜述[J];模式識別與人工智能;2001年01期

6 朱建平,張潤楚;數(shù)據(jù)挖掘的發(fā)展及其特點[J];統(tǒng)計與決策;2002年07期

7 傅嵐;在數(shù)據(jù)海洋中打撈信息數(shù)據(jù)挖掘[J];科技廣場;2002年11期

8 李峻;數(shù)據(jù)挖掘,企業(yè)洞察先機的“慧眼”[J];中國計算機用戶;2002年48期

9 羅可,蔡碧野,卜勝賢,謝中科;數(shù)據(jù)挖掘及其發(fā)展研究[J];計算機工程與應用;2002年14期

10 ;2002數(shù)據(jù)挖掘研討班[J];計算機工程;2002年06期

相關博士學位論文 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復旦大學;2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數(shù)據(jù)挖掘方法評估與應用[D];電子科技大學;2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟貿(mào)易大學;2010年

7 李榮;生物信息數(shù)據(jù)挖掘若干關鍵問題研究與應用[D];復旦大學;2004年

8 李玉華;面向服務的數(shù)據(jù)挖掘關鍵技術研究[D];華中科技大學;2006年

9 吳少智;時間序列數(shù)據(jù)挖掘在生物醫(yī)學中的應用研究[D];電子科技大學;2010年

10 王珊珊;知識指導下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關系上的應用[D];中國科學技術大學;2009年

相關碩士學位論文 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學;2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復旦大學;2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應用研究[D];昆明理工大學;2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應用平臺設計[D];江南大學;2015年

5 劉學建;數(shù)據(jù)挖掘在電子商務推薦系統(tǒng)中的應用研究[D];昆明理工大學;2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術師范學院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設計與實現(xiàn)應用研究[D];華南理工大學;2015年

9 陳思;基于數(shù)據(jù)挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關系管理研究[D];西南交通大學;2015年

本文編號：2864929