蔡述建 杨杉 四川大学锦城学院

1 引言

保险行业的迅速发展，车险、人身意外险、寿险等等渐渐成为人们的另一消费对象，要保证该行业的持续发展，数据的充足性和数据分析的技术渐渐成为了关键因素。保险是一种保障机制，在大数据技术的帮助下，能利用保险公司收回的客户数据来度量、预测未来应该往哪个方向发展。通过数据分析，预测未来客户购买保险险种的倾向，从而对险种中的项目进行调整，对价位进行调整。在互联网还还没到来之前，保险行业的数据仅仅来源于平时的经验数据，局限性太大。互联网的普及，带来了大量数据，这些数据为保险公司的相关产品提供了改进和发展的方向。例如通过分析投保的数据，来分析客户投保的方向转向了哪，聚焦于客户，实现定向营销。基于大数据分析技术实现对客户精准服务，提供高质量的售后服务，留住老客户。另外，保险公司可以分析历史数据，对保险欺诈的显著特性及其取值区间进行分析， 以此建立预测模型，考察各类理赔案件的风险程度， 对可能出现的欺诈行为进行实时的监控与防范。

根据赔付的数据分析问题，其数据中主要包括客户号、赔付金额、费用类型、保费、总保费、婚姻状况、购买险种性别、年龄等等。分析这批数据中不同费用类型对于赔付金额是否有具有显著性差异。使用SPSS Statistics 中的单因素方差分析，分析理赔数据中不同费用类型与赔付金额之间的关系，通过不同费用类型对赔付金额的显著性差异比较，得出不同费用类型对赔付金额的影响进行排序，得到哪种类型对赔付金额的影响最大。

采用SPSS Modeler 中的决策树建模，分析理赔数据中，设置自变量为险种，赔款金额，总保费，年龄，性别，因变量为费用类型，研究这五个字段的人群会分别因为哪些原因来进行理赔，得出结论后，根据此类型的人群的规则定义，向此类人群推销其他类型的保险险种，实现保险公司利益最大化。

2 数据准备及预处理

大部分数据通常是不完整的、不一致的、极易受到噪声（错误或异常值）的侵扰的。因为数据库太大，而且数据集经常来自多个异种数据源，低质量的数据将导致低质量的挖掘结果。就像厨师要做美味的鱼，如果不将鱼进行去鳞等处理，一定做不成我们口中美味的鱼。

处理一：由于原始的理赔数据集中显示：赔款时间、职业、过去三年平均年收入三个类别数据各自的值都是脱敏数据，所以通过分析得出这三类数据为无效数据，将其删除；

处理二：费用类型数据为了符合软件分析变量要求，我组将其分为三大类数据：分别将癌症定义为数字1、疾病定义为数字2、意外定义为数字3；

处理三：在理赔数据中，赔付金额值为0 情况多种，并且未告知投保分数，所以将赔付金额数据列为0 的数据筛选出并删除；其赔付金额大于保额数据同理未告知情况特殊性，所以通过IF 函数将其赔付金额大于保额的数据筛选出并将其删除；

处理四：为了更好得用于决策树模型的构建，将所有年龄分为三类：分别将20 岁以下定义为数字1（青少年）、21-55 岁定义为数字2 即（成年人）、56 岁以上定义为数字3（老年人）。

清洗完数据后剩余数据为131656条

3 数据分析

3.1 费用类型与赔付金额方差分析

3.1.1 理赔原因的单因素方差分析

之所以我们使用方差分析的方法来对理赔金额和费用类型进行分析，是因为我发现客户的费用类型有很多，而且赔付的金额更是大相径庭，因此我将费用类型作为因子，将赔款金额作为因变量进行分析，从而得出二者之间是否存在显著性关系。我们希望他们之间是存在显著性关系的，所以可以根据不同费用类型的用户来修改险种项目或是跟进客户。

由上图，显著性为0.0 小于α=0.05，拒绝原假设，证明不同费用类型对赔付金额有显著性差异，方差不具有齐次性，所以观察图中Tamhane 方法。

方差分析结果图(1-癌症 2-疾病 3-意外)

由上图我们可以发现，三种不同费用类型之间的理赔金额的确存在着显著性的差异。费用类型-1 明显高于费用类型-2，平均约高11123.08 元，且明显高于费用类型-3，约高9824.41 元；费用类型-3明显高于费用类型-2，约高了1298.67 元。对此，可以将其排序为1＞3＞2（疾病＞意外＞癌症）。

3.2 理赔原因探究--决策树分析

出于想找出不同费用类型人群的各个特征，我们采用了决策树来进行建模。使用SPSS MODELER 建模，将险种，赔款金额，总保费，年龄，性别字段设置为输入，费用类型设置为目标，从而形成规则集。

上图是通过建模之后得到的决策树结果图，得出客户购买的大部分险种的费用类型是意外险。少部分客户购买的F01、F05、F06、FS1、S46、S51 是疾病类型的保险。F07 险种中，总保费不大于15.28元的，赔款金额大于466.85 的费用类型是意外保险，不大于466.85中的总保费不大于7.060 的费用类型是意外险，总保费在7.060 和8.980 之间的，并且是男性的客户也是购买的意外类型，女性客户中赔款金额不大于20.700 的人群购买的也是意外类型保险，赔款金额在20.700 到35.400 之间的是疾病类型，大于35.400 的是意外类型；总保费在15.28 到17.380 之间的是意外类型，大于17.380，且总保费小于18，年龄不大于37，总保费不大于17.800 的是疾病类型，大于17.380 中赔款金额不大于540.730 的也是疾病类型，赔款金额小于540.730 中年龄不大于33 的选择的意外类型，小于33 的选择的疾病类型。其他规则以此类推。

4 结论及建议

4.1 结论

①1-癌症平均赔款金额最高，但数量最少(0.7%)

②2-疾病平均赔款金额最低，数量最为庞大(81.3%)

③3-意外平均赔款金额高于2-疾病，数量较大(18%)

建议一：疾病类型的理赔人群最为庞大，价格也低，这类保险应该不用分年龄性别等等，在平时的日常生活中都可以投一份这样的保险，既是对自己保障也不会花费太多额外的金钱。

建议二：在赔付金额方面来看，3-意外类型不仅仅赔付金额高，而且占比也不少，由于意外事件是不确定性的，所以针对此类保险，也务必投保。

建议三：对于1-癌症这一类来说，重大症状保险和寿险应该是最好的两个选择，如果说身体状态不是很好的话，建议为他/她投保。

4.2 规则结论

① 对于第一种费用类型，如果险种是S50、赔款金额在25000到40000 之间、总保费大于2600 且年龄小于45 的费用类型就是癌症类的。

② 若险种是S70、总保费大于30000，年龄大于58 切不大于62岁的也是癌症类型。

③若总保费在42.220 到45.680 之间的女性，年龄不大于57 的就是疾病类型。

④若险种是F09，赔款金额大于43.350 且总保费不大于72.500的就是疾病类型。

⑤若险种是S51且赔款金额在25000 到94354.200 之间，总保费不大于134.630 的女性，是意外类型。

⑥若险种是F09，赔款金额小于54.530 且总保费不在240 到112.500 之间，年龄在47 到55 之间的人选择的费用类型是意外型。

针对这些规则，我们可以通过使用捆绑险种形成套餐给投保人以更多的选择，投保人也可以根据这些数据之间的关联性，联系到自身的角度进行投保。

4.3 结语

大数据分析可以为企业提供诸多便利。以保险公司为例，不同的公司之间都存在竞争力，要增加公司的营业收入，则需要更多的客户，了解他们的需求，以便于给予他们不同的险种。通过了解他们的客户号，所购买的险种，理赔的方向，将其整合为一个个单独的客户ID，并且需要整合传统数据源和数字数据源来理解客户的行为。二是提供个性化服务：大数据分析的应用给企业带来了基于客户个性进行互动的机会。海量数据中所包含的信息有很多，而对于企业来说最具价值的就是有关于消费者的相关信息。如果可以搜集到更精准的消费者信息，就可以为他们进行个性化的定制服务，从而做到比消费者本人还了解自己，使用户感觉受到重视。

对于保险行业来说，并不是每个人都需要，对此以下是对实现精准销售保险的一些建议。减少中介环节，保证客户信息的真实性和有效性，既有利于保险数据的收集和分析，又有利于保险公司的精准营销；引进人才，优化推荐算法，如此一来，将数据库等等建立起来提高服务效率；加强各方面的监督，防控安全隐患，隐私数据是不能作为广告和任何其他用途的，应该合理控制使用数据的底线；完善平台的布局，保险公司应该长期的与互联网公司进行合作，实现人才互补的目的。