陈立杰，程 菁

(1.沈阳航空航天大学 安全工程学院，沈阳 110136;2.南京财经大学 金融学院，南京 210003)

随着我国保险业的发展和对外开放，市场逐渐规范，竞争日趋激烈。多年来保险公司积累了大量的历史数据，如何更好地利用这些数据，从中挖掘出有价值的内在规律和潜在客户，成为保险公司生存和发展的重要手段。通过数据挖掘，可以发现购买某一保险险种客户的群体特征，从而向那些具有同样特征却没有购买该保险险种的客户进行有针对的推销;也可从流失客户中总结出群体特征，在那些具有相似特征的客户流失之前，采取针对性的措施避免客户的流失［1-2］。

数据挖掘就是从大量的数据中挖掘那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识。

粗糙集(Rough set)理论由波兰数学家Z.Pawlak 在1982年提出［3］。其基本思想认为知识是一种分类能力，对对象的认知程度取决于所拥有的知识的多少，知识越多，则分类能力越强。知识越少，则对象间的区分越模糊。

在保险历史数据中蕴含着大量的知识，我们可以利用这些知识发现客户的群体特征，利用粗糙集理论的分类能力，挖掘出潜在的车险购买客户。采用粗糙集进行数据挖掘与其他挖掘工具比较具有许多优点，针对一个大型的数据库系统，利用粗糙集理论比其它理论更容易建立数学模型。采用粗糙集理论进行数据挖掘时，可将其用于数据预处理、数据简约及实现决策算法等［4-5］。……