基于大數(shù)據(jù)的保險數(shù)據(jù)分析研究

徐殿坤 楊杉

摘要：以四川人壽保險的客戶數(shù)據(jù)作為研究對象，該公司的數(shù)據(jù)分為四張表分別為新投保、續(xù)保、退保、理賠。對這些表采用SPSS、Excle，對數(shù)據(jù)進(jìn)行一個數(shù)據(jù)預(yù)處理，然后對數(shù)據(jù)表的部分?jǐn)?shù)據(jù)進(jìn)行分組篩選然后運(yùn)用頻率分析、單因素方差分析、探索分析、相關(guān)性系數(shù)分析、等數(shù)據(jù)分析方法對該項目的四個數(shù)據(jù)表進(jìn)行大數(shù)據(jù)分析。直觀地得出該保險公司的市場價值，潛力和存在風(fēng)險，進(jìn)而針對性提出問題和建議。

關(guān)鍵詞：大數(shù)據(jù);保險;金融

中圖分類號： TP311.13? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）25-0041-03

Abstract： Taking the customer data of Sichuan life insurance as the research object， the company's data is divided into four tables， namely new insurance， renewal， surrender and claim settlement. SPSS and Excel are used to preprocess the data， and then some of the data in the data table are grouped and screened. Then the data analysis methods of frequency analysis， one-way ANOVA， exploratory analysis， correlation coefficient analysis and correlation bivariate analysis are used to analyze the big data of the four data tables of the project. Intuitively get the market value， potential and risk of the insurance company， and then put forward more targeted problems and suggestions.

Keywords： Big data; Insurance; Finance

1 引言

在互聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)的驅(qū)動下保險業(yè)的經(jīng)營模式、服務(wù)方式、產(chǎn)業(yè)格局正在發(fā)生著巨大的變革正在形成的總體發(fā)展趨勢是：通過技術(shù)與業(yè)務(wù)全方位的融合為用戶提供高品質(zhì)的服務(wù)，依靠技術(shù)創(chuàng)新驅(qū)動經(jīng)營轉(zhuǎn)型和管理變革，不斷打造技術(shù)引領(lǐng)的新產(chǎn)品擴(kuò)大技術(shù)引領(lǐng)的新優(yōu)勢，逐步實現(xiàn)理念、戰(zhàn)路、價值鏈和行動的統(tǒng)一。[1]

現(xiàn)在的保險遠(yuǎn)遠(yuǎn)不止于財產(chǎn)的保護(hù)，跟我們生活上的健康，減輕生活的負(fù)擔(dān)都息息相關(guān)。對于保險公司來說，需要給客戶提供更高質(zhì)量的服務(wù)，合理的保險價格，還得給公司帶來商業(yè)價值以及減少公司承擔(dān)的風(fēng)險。根據(jù)波士頓咨詢的研究，最重要的“改良效應(yīng)”發(fā)生在五個環(huán)節(jié)，即風(fēng)險評估與定價、交叉銷售、客戶流失管理、理賠欺詐檢測、理賠預(yù)防與緩解。[2]就需要龐大的數(shù)據(jù)和相對較高的數(shù)據(jù)質(zhì)量，以及數(shù)據(jù)的完整性等，然后再對數(shù)據(jù)進(jìn)行處理，篩選分析，以上述的五個環(huán)節(jié)為方向，我們進(jìn)行對應(yīng)的數(shù)據(jù)特征分析，直觀的得出該保險公司存在的市場價值，所需減少的風(fēng)險。

2 研究思路

以2016年四川人壽保險提供的客戶數(shù)據(jù)作為研究對象，對這些數(shù)據(jù)進(jìn)行開始的預(yù)處理。采用SPSS、Excel，對不同數(shù)據(jù)表其中個別有分析價值的特征列，客戶年齡與賠款金額和賠款類型進(jìn)行探索分析、退保原因和退保金額進(jìn)行均值和單因素方差分析等來進(jìn)行客戶流失管理，對理賠原因和年齡進(jìn)行頻率統(tǒng)計，再對頻率統(tǒng)計結(jié)果進(jìn)行處理做探索分析以得出賠款支出占比。對客戶三年年均收入與職業(yè)進(jìn)行探索分析來挖掘和開發(fā)新的銷售市場。

3 數(shù)據(jù)說明

3.1 數(shù)據(jù)來源

數(shù)據(jù)來源是2016年四川人壽保險的客戶數(shù)據(jù)，包括了2016.1.1-2016.7.1這個時間段的新投保數(shù)據(jù)，續(xù)保數(shù)據(jù)，退保數(shù)據(jù)和理賠數(shù)據(jù)。數(shù)據(jù)包括了險種、平均三年收入、年齡、職業(yè)、婚姻狀況、賠償類型、賠償金額、保費(fèi)、保額等29個特征列，共140萬條數(shù)據(jù)，120M。

3.2 數(shù)據(jù)清洗

在數(shù)據(jù)收集、整理、利用的過程中，保護(hù)用戶隱私是保險公司應(yīng)負(fù)擔(dān)的責(zé)任[3]。所以時間和姓名等敏感字段就自動清洗。繪制圖表時把過高的年收入給清洗掉避免異常值，還有個別案例無普遍性和說服性忽略不計。但還是由于數(shù)據(jù)特征以及數(shù)據(jù)個數(shù)龐大且無用重復(fù)數(shù)據(jù)較多，因此先用Excel來對此數(shù)據(jù)表進(jìn)行數(shù)據(jù)清洗[4]篩選出我們所需要的特征列，其主要使用了客戶年齡，過去三年平均年收入，職業(yè)，年齡等特征列的數(shù)據(jù)進(jìn)行相應(yīng)的數(shù)據(jù)分析和對比。

4 數(shù)據(jù)表分析

4.1風(fēng)險評估

此表存在16列特征，其中先對賠款類型（費(fèi)用類型）和客戶年齡進(jìn)行數(shù)據(jù)統(tǒng)計，接著對統(tǒng)計后的賠款類型進(jìn)行0，1分類再拿出客戶年齡，賠款金額，賠款類型來進(jìn)行偏相關(guān)分析。

4.1.1數(shù)據(jù)可視化展示

根據(jù)圖1可知：客戶年齡大體是呈現(xiàn)正態(tài)分布，35-45，50-60這兩個年齡段出現(xiàn)意外的人數(shù)頻率較多，由于此區(qū)間內(nèi)客戶頻數(shù)較大，把此區(qū)間年齡段劃分為高風(fēng)險年齡段，賠款類型頻率圖顯示基于疾病和意外的情況占比最多，將這兩類賠款類型劃分為0，其他所有的賠款類型劃分為1來更深層的觀察。

由圖2可知： 0標(biāo)簽下，處理的個案數(shù)為182760例，1標(biāo)簽下處理的個案數(shù)為29422例。標(biāo)簽為0的費(fèi)用類型，賠款金額均值為2100元，而標(biāo)簽為1的情況下，賠償金額均值為6200元，其標(biāo)簽為0和標(biāo)簽1的最小值均為0即說明都存在保險公司不予通過賠償申請的情況。最大值因遠(yuǎn)遠(yuǎn)高于平均值所以不予參考價值。偏度與峰度都均為正值，均呈尖峰右偏狀態(tài)，大多數(shù)人的賠償金額在均值附近。