| 第一章 绪论 | 第1-15页 |
| 一、研究的背景和意义 | 第10-12页 |
| (一) 研究的背景 | 第10-11页 |
| (二) 研究的意义 | 第11-12页 |
| 二、国内外应用现状 | 第12-13页 |
| (一) 国内应用现状 | 第12页 |
| (二) 国外应用现状 | 第12-13页 |
| 三、研究的重点、难点及其创新点 | 第13页 |
| 四、本文的研究方法和内容 | 第13-15页 |
| 第二章 数据挖掘理论 | 第15-37页 |
| 一、数据挖掘概念 | 第15-18页 |
| (一) 技术上的定义 | 第15页 |
| (二) 商业上的定义 | 第15-16页 |
| (三) 数据挖掘与统计方法区别 | 第16-18页 |
| 二、数据挖掘分类 | 第18-21页 |
| (一) 描述型数据挖掘 | 第19-20页 |
| (二) 预言型数据挖掘 | 第20-21页 |
| 三、数据挖掘算法 | 第21-28页 |
| (一) 神经网络 | 第21-22页 |
| (二) 决策树 | 第22-24页 |
| (三) 关联规则 | 第24-25页 |
| (四) 聚类算法 | 第25-27页 |
| (五) 遗传算法 | 第27页 |
| (六) 粗集方法 | 第27-28页 |
| 四、数据挖掘流程 | 第28-34页 |
| (一) 目标定义 | 第29-30页 |
| (二) 创建目标数据集 | 第30页 |
| (三) 数据预处理 | 第30-31页 |
| (四) 数据转换 | 第31-33页 |
| (五) 建立数据挖掘模型 | 第33页 |
| (六) 评估与解释 | 第33-34页 |
| (七) 采取行动 | 第34页 |
| 五、数据挖掘的发展趋势 | 第34-37页 |
| 第三章 保险业数据挖掘主题的设计 | 第37-55页 |
| 一、客户细分 | 第37-43页 |
| (一) 基于客户当前价值和潜在价值的细分 | 第37-40页 |
| (二) 基于客户风险和贡献的细分 | 第40-43页 |
| 二、客户流失分析 | 第43-46页 |
| (一) 客户的流失预测 | 第44-45页 |
| (二) 建立和维持客户关系、长期留住客户的关键点 | 第45-46页 |
| 三、购物篮分析和交叉销售 | 第46-47页 |
| (一) 购物篮分析 | 第46-47页 |
| (二) 交叉销售分析 | 第47页 |
| 四、客户忠诚度分析 | 第47-51页 |
| (一) 保险客户忠诚度分类 | 第47-48页 |
| (二) 保险客户忠诚度度量 | 第48-51页 |
| 五、客户满意度分析 | 第51-53页 |
| 六、客户响应度分析 | 第53-55页 |
| 第四章 实证研究 | 第55-74页 |
| 一、SPSS 公司的Clementine 工具介绍 | 第55-59页 |
| (一) 性能概述 | 第55-57页 |
| (二) 产品特点 | 第57-59页 |
| 二、医疗保险数据处理流程 | 第59-62页 |
| (一) 目标定义 | 第59-60页 |
| (二) 创建目标数据集 | 第60-61页 |
| (三) 数据预处理 | 第61页 |
| (四) 数据转换 | 第61-62页 |
| 三、团体客户RC细分模型 | 第62-66页 |
| 四、团体客户理赔特征分析——GR2模型 | 第66-69页 |
| 五、个人理赔风险特征分析——IR2模型 | 第69-73页 |
| 六、采取行动 | 第73-74页 |
| 第五章 结束语:总结与展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 附录一 团单客户细分模型 | 第78-81页 |
| 附录二 团单客户理赔风险特征模型 | 第81-84页 |
| 附录三 个人客户理赔风险特征模型 | 第84-87页 |
| 个人简历 | 第87页 |
| 在学期间的研究成果及发表的学术论文 | 第87页 |