挖掘客戶數(shù)據(jù)的價值
—壽險行業(yè)數(shù)據(jù)挖掘應用分析
北京理工大學 劉勇 張麗平
2003/12/05
壽險是保險行業(yè)的一個重要分支，具有巨大的市場發(fā)展空間，因此，隨著壽險市場的開放、外資公司的介入，競爭逐步升級，群雄逐鹿已成定局。如何保持自身的核心競爭力，使自己始終立于不敗之地，是每個企業(yè)必須面對的問題。信息技術(shù)的應用無疑是提高企業(yè)競爭力的有效手段之一。壽險信息系統(tǒng)經(jīng)過了多年的發(fā)展，已逐步成熟完善，并積累了相當數(shù)量的數(shù)據(jù)資源，為數(shù)據(jù)挖掘提供了堅實的基礎，而通過數(shù)據(jù)挖掘發(fā)現(xiàn)知識，并用于科學決策越來越普遍受到壽險公司的重視。
數(shù)據(jù)挖掘
數(shù)據(jù)挖掘（Data Mining，DM）是指從大量不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、有用的信息和知識的過程。其表現(xiàn)形式為概念（Concepts）、規(guī)則(Rules)、模式(Patterns)等形式。
目前業(yè)內(nèi)已有很多成熟的數(shù)據(jù)挖掘方法論，為實際應用提供了理想的指導模型。CRISP-DM（Cross-Industry Standard Process for Data Mining）就是公認的、較有影響的方法論之一。CRISP-DM強調(diào)，DM不單是數(shù)據(jù)的組織或者呈現(xiàn)，也不僅是數(shù)據(jù)分析和統(tǒng)計建模，而是一個從理解業(yè)務需求、尋求解決方案到接受實踐檢驗的完整過程。CRISP-DM將整個挖掘過程分為以下六個階段：商業(yè)理解（Business Understanding），數(shù)據(jù)理解(Data Understanding)，數(shù)據(jù)準備(Data Preparation)，建模(Modeling)，評估(Evaluation)和發(fā)布(Deployment)。
商業(yè)理解就是對企業(yè)運作、業(yè)務流程和行業(yè)背景的了解；數(shù)據(jù)理解是對現(xiàn)有企業(yè)應用系統(tǒng)的了解；數(shù)據(jù)準備就是從企業(yè)大量數(shù)據(jù)中取出一個與要探索問題相關(guān)的樣板數(shù)據(jù)子集。建模是根據(jù)對業(yè)務問題的理解，在數(shù)據(jù)準備的基礎上，選擇一種更為實用的挖掘模型，形成挖掘的結(jié)論。評估就是在實際中檢驗挖掘的結(jié)論，如果達到了預期的效果，就可將結(jié)論發(fā)布。在實際項目中，CRISP-DM模型中的數(shù)據(jù)理解、數(shù)據(jù)準備、建模、評估并不是單向運作的，而是一個多次反復、多次調(diào)整、不斷修訂完善的過程。
行業(yè)數(shù)據(jù)挖掘
經(jīng)過多年的系統(tǒng)運營，壽險公司已積累了相當可觀的保單信息、客戶信息、交易信息、財務信息等，也出現(xiàn)了超大規(guī)模的數(shù)據(jù)庫系統(tǒng)。同時，數(shù)據(jù)集中為原有業(yè)務水平的提升以及新業(yè)務的拓展提供了條件，也為數(shù)據(jù)挖掘提供了豐厚的土壤。
根據(jù)CRISP-DM模型，數(shù)據(jù)挖掘首先應該做的是對業(yè)務的理解、尋找數(shù)據(jù)挖掘的目標和問題。這些問題包括：代理人的甄選、欺詐識別以及市場細分等，其中市場細分對企業(yè)制定經(jīng)營戰(zhàn)略具有極高的指導意義，它是關(guān)系到企業(yè)能否生存與發(fā)展、企業(yè)市場營銷戰(zhàn)略制定與實現(xiàn)的首要問題。
針對壽險經(jīng)營的特點，我們可以從不同的角度對客戶群體進行分類歸納，從而形成各種客戶分布統(tǒng)計，作為管理人員決策的依據(jù)。從壽險產(chǎn)品入手，分析客戶對不同險種的偏好程度，指導代理人進行重點推廣，是比較容易實現(xiàn)的挖掘思路。由于國內(nèi)經(jīng)濟發(fā)展狀況不同，各省差異較大，因此必須限定在一個經(jīng)濟水平相當?shù)膮^(qū)域進行分析數(shù)據(jù)的采樣。同時，市場波動也是必須要考慮的問題，一個模型從建立到廢棄有一個生命周期，周期根據(jù)模型的適應性和命中率確定，因此模型需要不斷修訂。
挖掘系統(tǒng)架構(gòu)
挖掘系統(tǒng)包括規(guī)則生成子系統(tǒng)和應用評估子系統(tǒng)兩個部分。
規(guī)則生成子系統(tǒng)主要完成根據(jù)數(shù)據(jù)倉庫提供的保單歷史數(shù)據(jù)，統(tǒng)計并產(chǎn)生相關(guān)規(guī)律，并輸出相關(guān)結(jié)果。具體包括數(shù)據(jù)抽取轉(zhuǎn)換、挖掘數(shù)據(jù)庫建立、建模（其中包括了參數(shù)設置）、模型評估、結(jié)果發(fā)布。發(fā)布的對象是高層決策者，同時將模型提交給應用評估子系統(tǒng).根據(jù)效果每月動態(tài)生成新的模型。
應用評估子系統(tǒng)可以理解為生產(chǎn)系統(tǒng)中的挖掘代理程序，根據(jù)生成子系統(tǒng)產(chǎn)生的規(guī)則按照一定的策略對保單數(shù)據(jù)進行非類預測。通過系統(tǒng)的任務計劃對生產(chǎn)數(shù)據(jù)產(chǎn)生評估指標。具體包括核心業(yè)務系統(tǒng)數(shù)據(jù)自動轉(zhuǎn)入數(shù)據(jù)平臺、規(guī)則實時評估、
評估結(jié)果動態(tài)顯示、實際效果評估。規(guī)則評估子系統(tǒng)根據(jù)規(guī)則進行檢測。經(jīng)過一段時間的檢測，可利用規(guī)則生成子系統(tǒng)重新學習，獲得新的規(guī)則，不斷地更新規(guī)則庫，直到規(guī)則庫穩(wěn)定。
目前比較常用的分析指標有: 險種、交費年期、被保人職業(yè)、被保人年收入、被保人年齡段、被保人性別、被保人婚姻狀況等。
實踐中，可結(jié)合實際數(shù)據(jù)狀況，對各要素進行適當?shù)娜∩�，并做不同程度的概括，以形成較為滿意的判定樹，產(chǎn)生可解釋的結(jié)論成果
計算機世界網(wǎng)(www.ccw.com.cn)
相關(guān)鏈接: