大數(shù)據(jù)分析在保險(xiǎn)行業(yè)中的應(yīng)用淺析

李欣然 楊 杉

（四川大學(xué)錦城學(xué)院計(jì)算機(jī)與軟件學(xué)院，四川 成都 611731）

一、引言

大數(shù)據(jù)技術(shù)的飛速發(fā)展引發(fā)了金融界的全面改革,其中保險(xiǎn)行業(yè)也面臨巨大的競(jìng)爭(zhēng)壓力,這種壓力不僅是來源于外界信息的交互傳播方面更是來源于行業(yè)內(nèi)部的管理競(jìng)爭(zhēng)、業(yè)務(wù)升級(jí)方面，因此保險(xiǎn)公司將大數(shù)據(jù)分析運(yùn)用在企業(yè)中的措施刻不容緩。從國(guó)內(nèi)大數(shù)據(jù)技術(shù)與保險(xiǎn)業(yè)結(jié)合發(fā)展的角度來看，在壽險(xiǎn)及健康險(xiǎn)領(lǐng)域，在逐漸普及基于大數(shù)據(jù)技術(shù)的用戶管理及保險(xiǎn)業(yè)務(wù)的應(yīng)用。大數(shù)據(jù)應(yīng)用的逐漸推廣帶來了較大的正面效應(yīng),實(shí)踐也證明,大數(shù)據(jù)技術(shù)在保險(xiǎn)業(yè)務(wù)中的應(yīng)用對(duì)于促進(jìn)保險(xiǎn)公司效率提高、成本降低起到了積極作用。保險(xiǎn)公司除了投保數(shù)據(jù)值得研究分析外，退保數(shù)據(jù)實(shí)則更能反映業(yè)務(wù)與客戶的問題?；谝陨媳尘?，針對(duì)保險(xiǎn)退保數(shù)據(jù)對(duì)其用戶管理、險(xiǎn)種業(yè)務(wù)等方面進(jìn)行探索性研究。

二、研究思路

以四川人壽保險(xiǎn)公司的退保數(shù)據(jù)進(jìn)行分析，采用Excel、SPSS 數(shù)據(jù)分析工具，針對(duì)退保金額、保額、保費(fèi)三者間的相關(guān)性建立回歸方程，并將險(xiǎn)種分類進(jìn)行特征分析，包括退保機(jī)構(gòu)、保額保費(fèi)等。并圍繞退保原因展開分析，比較用戶性別、年齡段不同下是否會(huì)造成退保原因的選擇差異，退保原因與退保金額的顯著性關(guān)系。依次使用了頻率分析、獨(dú)立樣本T 檢驗(yàn)、線性回歸分析等方法。

三、數(shù)據(jù)說明

1.數(shù)據(jù)來源

數(shù)據(jù)來源于四川人壽保險(xiǎn)公司，覆蓋了2008 全年的退保數(shù)據(jù)，時(shí)間跨度在1999 年至2008 年的投保保單，退保數(shù)據(jù)表中包含了保險(xiǎn)機(jī)構(gòu)、險(xiǎn)種、總保費(fèi)、保額、退保金額、退保原因、客戶號(hào)、性別、年齡等9 個(gè)字段共167721 條數(shù)據(jù)，15.9M。

2.數(shù)據(jù)清洗

首先，進(jìn)行數(shù)據(jù)預(yù)處理，篩選刪除了對(duì)于研究退保險(xiǎn)種特征以及退保用戶基本畫像無價(jià)值的數(shù)據(jù)、保留所需數(shù)據(jù)。其中使用了險(xiǎn)種、退保金額、退保原因等字段的數(shù)據(jù)進(jìn)行分析探索。通過觀察家庭人口和教育程度字段發(fā)現(xiàn)其都進(jìn)行了脫敏處理，字段值為空或值一樣，對(duì)分析幫助和影響不大，因此刪除此類數(shù)據(jù)。其次，修改格式設(shè)置，由于原數(shù)據(jù)的投保時(shí)間和退保時(shí)間整列的值沒有正確顯示，因此將這兩列設(shè)置成日期格式。數(shù)據(jù)分類則通過統(tǒng)計(jì)匯總發(fā)現(xiàn)經(jīng)濟(jì)原因在退保原因當(dāng)中占比最大超過了50%，而其余退保原因的占比很少，統(tǒng)一歸為非經(jīng)濟(jì)原因，將退保原因分為經(jīng)濟(jì)原因和非經(jīng)濟(jì)原因。年齡段的分類中，由于用戶信息中的年齡分布較散并且研究單個(gè)年齡的用戶畫像意義不大，因此分段設(shè)置。我國(guó)規(guī)定，18 歲以下的未成年人只享有保險(xiǎn)受益者的權(quán)利無法自行進(jìn)行投保，因此以18 歲為分界點(diǎn)，分為小于18 歲、18 歲～35 歲、36 歲～54 歲、55 歲～72歲以及72 歲以上5 個(gè)年齡段。險(xiǎn)種分類中，按照險(xiǎn)種的首字母進(jìn)行了分類，直接分為S、L、B、Y、4、6 六大類險(xiǎn)種。

四、險(xiǎn)種特征以及用戶基本畫像

1.研究退保金額、總保費(fèi)、與保額之間的線性關(guān)系

（1）各參數(shù)的相關(guān)性分析

由表1 可知：總保費(fèi)、過去三年平均年收入、保額與退保金額之間的Sig 值都是小于0.01。退保金額的皮爾遜相關(guān)性一行的數(shù)據(jù)顯示退保金額與總保費(fèi)的數(shù)據(jù)是0.912**，與過去三年年收入的數(shù)據(jù)是0.083**，與保額的數(shù)據(jù)是0.375**。**代表相關(guān)性顯著，相關(guān)性大于0.3 表示有較強(qiáng)相關(guān)性，因此選取總保費(fèi)、保額與退保金額之間建立線性回歸模型。

表1 總保費(fèi)、退保金額、保額三者相關(guān)性比較

（2）建立線性回歸模型

表2 總保費(fèi)、保額、退保金額的線性回歸模型

選取總保費(fèi)、保額與退保金額之間建立線性回歸模型。利用步進(jìn)方法分別得出2 個(gè)模型。模型一：退保金額與總保費(fèi)的模型；模型二：退保金額與總保費(fèi)以及保額的模型；在表格中模型的R2的數(shù)值都為0.832，R2接近于1 說明模型擬合度較好，因此2 個(gè)模型的變量與因變量的總體存在著較強(qiáng)相關(guān)性。

表3 線性回歸模型的方差分析、線性回歸方差的參數(shù)系數(shù)值

由表3 可知：ANOVA^a對(duì)模型進(jìn)行了方差分析，從模型的顯著性可以看出數(shù)據(jù)都是小于0.01 的，進(jìn)而模型的顯著性較強(qiáng)，由此說明模型是有效的，可以借此去判斷和計(jì)算相關(guān)數(shù)值，總保費(fèi)、保額與退保金額的線性回歸模型可通過第2 個(gè)模型去探究具體線性關(guān)系。從上述的系數(shù)^a 表中得出總保費(fèi)、保額的系數(shù)分別是0.949、0.003，則相關(guān)線性回歸方程是：退保金額=0.949×總保費(fèi)＋0.003×保額＋257.773

2.不同險(xiǎn)種下的退保特征畫像

（1）險(xiǎn)種分類

觀察數(shù)據(jù)的險(xiǎn)種信息可知，按險(xiǎn)種的首字母作為分類依據(jù)，共分為六大類險(xiǎn)種。因?yàn)樵赟PSS 分析工具中，以險(xiǎn)種作為分類字段需為數(shù)值性的數(shù)據(jù)，因此將B、L、S、Y 字母分別替換為7、8、9、0 四個(gè)數(shù)字。研究每一個(gè)具體險(xiǎn)種的退保特征不具有現(xiàn)實(shí)意義且適用范圍不廣，因此逐類分析研究，使用頻率分析功能研究每類險(xiǎn)種退保率最高的機(jī)構(gòu)、退保險(xiǎn)種的特征包含保額與保費(fèi)、退保金額和總體退保數(shù)據(jù)的分布趨勢(shì)。

（2）主要險(xiǎn)種的退保特征數(shù)據(jù)可視化展示

S 類險(xiǎn)種有252615 條退保個(gè)案，占比90.9%；Y 類險(xiǎn)種有8976 條退保個(gè)案，占比5.3%。在Excel 中使用篩選統(tǒng)計(jì)功能，統(tǒng)計(jì)出其余險(xiǎn)種占比依次為1.4%、1.6%、0.5%、＜0.1%。主要選取S、Y 兩種險(xiǎn)種展開退保特征畫像分析。

Y 類險(xiǎn)種中，易被退保的機(jī)構(gòu)513804，容易退保的保險(xiǎn)有保額為10000 總保費(fèi)為1000 的特征，此類保險(xiǎn)的用戶黏性較差。Y 類險(xiǎn)種，機(jī)構(gòu)、保額、總保費(fèi)和退保金額都是右偏分布，位于均值右側(cè)。除機(jī)構(gòu)為扁平分布，離均值較稀疏外，其余參數(shù)尖峰分布，集中于均值附近。S 類險(xiǎn)種中，易被退保的機(jī)構(gòu)是513803，容易退保的保險(xiǎn)有保額為10000 總保費(fèi)為590 的特征，說明此類保險(xiǎn)用戶滿意度不高。S 類險(xiǎn)種，機(jī)構(gòu)、保額、總保費(fèi)和退保金額都是右偏分布，分布與均值右側(cè)。除了機(jī)構(gòu)為扁平分布，離均值較稀疏外，其余參數(shù)尖峰分布，聚集與均值兩側(cè)。

因此在保險(xiǎn)險(xiǎn)種中513803、513804 為主要的被退保機(jī)構(gòu)，其中S、Y 險(xiǎn)種退保率最高。被退保的險(xiǎn)種中特征為保額10000總保費(fèi)1000，客戶的忠誠(chéng)度最低。

3.探究退保原因與退保金額是否造成顯著影響、性別和年齡段與退保原因的分布

退保數(shù)據(jù)中除了關(guān)注具體的退保金額，還需關(guān)注客戶退保的根本原因。圍繞退保原因展開分析，分別分析與退保金額、客戶性別、年齡之間是否有關(guān)聯(lián)產(chǎn)生影響，目的在于推測(cè)高退保風(fēng)險(xiǎn)的客戶人群畫像以及退保原因。為保險(xiǎn)險(xiǎn)種業(yè)務(wù)的不斷完善和改進(jìn)提供思路。

通過對(duì)退保原因的初步觀察發(fā)現(xiàn)，退保原因中經(jīng)濟(jì)原因的占比為77%，是主要的退保原因而其余退保原因的占比共占23%，因此在退保原因的分類中，以經(jīng)濟(jì)原因作為分類依據(jù)，并利用Excel 中的替換功能把退保原因分為經(jīng)濟(jì)原因和非經(jīng)濟(jì)原因后替換成數(shù)字1、2，導(dǎo)入SPSS 當(dāng)中完成獨(dú)立樣本t 檢驗(yàn)，把退保金額方法檢驗(yàn)變量，把分組變量變成退保原因，并且定義組1，組2，組1 是經(jīng)濟(jì)效益，組2 是其他余下的退保原因。選取簇形圖構(gòu)建圖形，類別為性別、聚類定義為退保原因。

將客戶的年齡分為18 歲以下、18 歲～3 5歲、36 歲～54歲、55 歲～72 歲、大于72 歲及以上。對(duì)數(shù)據(jù)進(jìn)行整理、歸類，最后根據(jù)數(shù)據(jù)歸納總結(jié)出高退保風(fēng)險(xiǎn)的客戶基本畫像。

四、分析過程

表4 獨(dú)立樣本檢驗(yàn)統(tǒng)計(jì)值

如表4 所示，分析退保金額之間是否因退保原因而產(chǎn)生差異性得出結(jié)果，從方差的齊次性檢驗(yàn)得出：因?yàn)槠滹@著性差異的數(shù)據(jù)值小于0.05 拒絕原假設(shè)，方差不具有齊次性。通過方差的齊次性看到Sig.值＜0.05，說明退保金額之間有一定差異性,不同的退保原因?qū)е碌耐吮＝痤~的均值是不一樣的。均值差異為551，置信區(qū)間的下限值是443 上限值是669，所以均值的范圍95%是在這個(gè)范圍之內(nèi)的，可信度高。

男性在退保原因上選擇經(jīng)濟(jì)原因的占多數(shù)，其后依次為正常退保、險(xiǎn)種不理想、失效退保，而其余的幾項(xiàng)退保原因的占比更小，而在女性的數(shù)據(jù)分布同男性相似，因此在退保原因的選擇上男女的差異不大。

經(jīng)濟(jì)原因仍是最主要的退保原因，在年齡階段中占多數(shù)的退保原因的年齡段有18 歲～35 歲，36 歲～54 歲，55 歲～72歲，其余年齡段比例幾乎忽略不計(jì)。人數(shù)占比最多的是36 歲～54歲年齡段，因此其為高退保年齡段的區(qū)間。

五、結(jié)論及建議

1.結(jié)論

總保費(fèi)、保額與退保金額之間存在顯著相關(guān)關(guān)系，線性關(guān)系方程是退保金額=0.949×總保費(fèi)＋0.003×保額＋257.773。513803、513804 為主要的被退保機(jī)構(gòu)，其中S 與Y 的險(xiǎn)種被退保率最高，被退保的險(xiǎn)種具體特征為保額10000 總保費(fèi)1000。退保原因的差異導(dǎo)致用戶在退保金額上的均值有差異，性別上差異不大。36 歲～54 歲為高退保風(fēng)險(xiǎn)人群，經(jīng)濟(jì)原因是占主要的退保原因。

2.建議

對(duì)于較高保額、保費(fèi)的業(yè)務(wù)應(yīng)給予更多的關(guān)注，此類保險(xiǎn)業(yè)務(wù)的退保金額通常較高，會(huì)引起較大數(shù)據(jù)波動(dòng)。513803、513804 的保險(xiǎn)機(jī)構(gòu)需要改進(jìn)S 和Y 險(xiǎn)種，保額為10000 和總保費(fèi)為1000 的險(xiǎn)種需要注意其保險(xiǎn)比例設(shè)置，比例存在不妥當(dāng)就會(huì)造成客戶忠誠(chéng)度低，退保人數(shù)多的現(xiàn)象。

經(jīng)濟(jì)原因是最主要的退保原因，36 歲～54 歲是最高退保風(fēng)險(xiǎn)的用戶年齡區(qū)域。因此保險(xiǎn)公司向用戶推薦業(yè)務(wù)時(shí)要結(jié)合用戶年齡和經(jīng)濟(jì)情況來進(jìn)行推薦，在平日的用戶管理時(shí)，重點(diǎn)關(guān)注這個(gè)年齡段的用戶，預(yù)防并做好其退保措施。