保险行业研究

自人类开始有文字记载以来，仅仅在21世纪，人类积累的数据就有98%被创造出来，这是文明和技术发展所造就的。2010年，谷歌的埃里克·施密特估计，从人类文明开始到2003年，世界已经产生了大约5艾字节的信息。现在每两天就生成这个相同数量的数据。正是如此庞大规模的信息量及相关的数据分析技术的不断产生出现了“大数据”这个热门术语。“大数据”一词是用来描述当今科技、军事、商业等领域中每天产生的结构化和非结构化数据的现状。很多公司都意识到，如果他们收集了所有流入他们商业领域的数据，就可以进行大数据分析并从中获得巨大的商业价值。大数据分析技术标志着信息技术的划时代变革，大数据分析技术涉及到AI（数据挖掘）、自然语言处理和统计学等的应用。

在大数据时代，人寿保险行业的数据资产价值愈发显得十分重要和宝贵。大数据技术对人寿保险行业及所有人寿保险公司的全价值产业链带来了深刻的影响和改变[37]。这个全价值产业链包括前端的人寿产品开发及市场营销，中端的人寿产品策略管理及核保以及后端的理赔管理。在产业链的前端，也就是产品端，人寿保险公司充分利用客户的行为数据和需求数据并借助大数据分析工具深入挖掘知识并理解这些知识，从而为了提高顾客的粘度和满意度，开发出更有针对性的险种产品组合方案。另外，大数据分析可以加强代理和分销机构去捕捉商业机会并更好地服务现有客户，同时，人寿保险公司利用代理和分销机构收集的客户行为数据来重新修订产品策略和开发新产品。在产业链的中端，人寿保险公司突破传统的基础客户数据，利用大数据技术和互联网技术搜集客户的外部关系数据和客户的社会人际网络数据，同时利用更加丰富的人口统计数据和预期寿命数据，帮助企业定制有效的核保流程和内容以及产品政策，并且这些数据还可以帮助企业分析潜在的损失并制定准确的策略以避免损失，做好保险产品的风险控制。在产业链的后端，理赔是承保公司的一个关键业务环节，因为理赔直接涉及客户对保险产品的感受和体验，无论这些体验感受是正面或负面的，客户都会在朋友圈去分享。因此，人寿保险公司高度重视端到端的理赔管理解决方案以加快理赔处理流程并降低处理成本，为此，人寿保险公司要求前端的大数据分析要有相关输出结果可以覆盖理赔流程，甚至有的人寿保险公司利用可穿戴技术来实时监测客户的健康大数据，为保单持有人提供更个性化的服务，提升客户忠诚度。另外，利用大数据的分析技术并将数掘挖掘和机器学习方法引入到保险理赔欺诈的管理中，进行索赔样本的分类以识别不法客户的欺诈理赔。

人寿保险公司和其他行业公司一样已经将大数据作为企业的核心资产之一，并且不断增强扩大收集，存储，处理和分析大数据的基础设施建设。不过，在这个建设过程中，人寿保险公司也面临着各种各样的大数据收集和技术应用的挑战，其中主要的挑战有，隐私问题：人寿保险公司所需要的有价值数据常常涉及到客户的隐私，如客户的健康，财物状况，生活方式和国家管制的敏感信息；技术问题：缺乏对如何正确地选择和理解大数据各种工具和技术的应用经验；数据的可获得性问题：一旦人寿保险公司将产品卖出后，与客户的交互活动就很少了，因此，人寿保险公司不再收到更多客户数据；技术人才短缺问题：和其它行业一样，人寿保险行业需要专门的数据集成人才和获取信息洞察能力的大数据分析人才；相对落后的数据处理基础设施问题：大数据的4个V（Volume，Velocity，Value，Veracity）海量，快速，价值和无偏对企业传统的相对落后的数据处理基础提出了很高的改造要求。

针对以上人寿保险行业的大数据挑战之一的技术问题，本文聚焦在人寿保险行业价值链的前端-产品端，探索尝试如何有效地应用数据挖掘技术来发现和洞察新知识，为人寿保险公司的精准营销提供有价值的产品方案和决策依据。本文的目的是通过数据挖掘人寿保险公司实例数据库中的法人交易数据和法人客户数据，寻找人寿保险产品组合的强关联规则。本文突破简单采用关联规则技术对全部的交易数据进行数据挖掘，而是结合投保客户的各类背景数据进行画像来细分客户，然后锁定数据宝藏的价值区域，消去干扰内容，快速挖掘知识并提高知识的有效性，实现人寿保险公司在法人投保人所需产品上的精准营销。