四川大學(xué)錦城學(xué)院計算機與軟件學(xué)院 劉 鑫 楊 杉

以四川省某保險公司的新投保數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，利用SPSS和EXCEL兩大工具據(jù)進行分析。新投保數(shù)據(jù)分為4個主題，針對用戶購買數(shù)據(jù)與機構(gòu)的關(guān)系和保險中年齡分布情況利用了頻率分析的方法；針對保額與保費、繳費期限、年齡之間的線性關(guān)系利用相關(guān)分析及線性回歸分析的方法；針對不同收入與總保費之間的關(guān)系利用描述統(tǒng)計中的探索分析。通過所得到的分析結(jié)果和結(jié)論，為保險公司定位目標客戶，繪制用戶畫像提供了數(shù)據(jù)支撐，同時也可以分析出購保人群的特點，有利于保險公司留住老客戶，吸引新的購保人群。

1 研究思路

雖然中國的保險市場位居世界第二，但是與世界平均保險密度相比還存在著一定差距。保險行業(yè)規(guī)模增長過慢已經(jīng)不能適應(yīng)新時代的行業(yè)發(fā)展需求，行業(yè)及用戶長期存在難以解決的痛點，限制了行業(yè)發(fā)展。隨著我國保險市場的開放和保險公司數(shù)量的增加以及保險行業(yè)資本的累積，保險業(yè)的競爭程度不斷升級，同時，互聯(lián)網(wǎng)經(jīng)濟的發(fā)展，大數(shù)據(jù)在保險中的作用越來越大，因為通過大數(shù)據(jù)，可以輕而易舉地抓取、篩選和分析出精算、營銷、投保、服務(wù)、理賠等各個環(huán)節(jié)的統(tǒng)計數(shù)據(jù)，為保險行業(yè)帶來了增量市場。網(wǎng)民規(guī)模地不斷擴大，用戶的行為習(xí)慣已發(fā)生轉(zhuǎn)變。隨著市場技術(shù)的不斷更新，傳統(tǒng)的企業(yè)和行業(yè)面臨著巨大的技術(shù)匱乏問題。因此，為了提高公司員工績效，提升團隊產(chǎn)能，實現(xiàn)企業(yè)利潤的最大化，對已有數(shù)據(jù)進行相應(yīng)的分析已成為必然趨勢。

首先對新投保數(shù)據(jù)進行了數(shù)據(jù)清洗：對數(shù)據(jù)去除空值，刪除除重復(fù)值，剔除無效數(shù)據(jù)的行和列，再利用清洗之后的數(shù)據(jù)分四個主題進行數(shù)據(jù)分析：(1)用頻率分析與分類匯總的方法探索用戶購買數(shù)據(jù)與機構(gòu)的關(guān)系；(2)用頻率分析方法統(tǒng)計所有保險中年齡分布情況并使用直方圖表示；(3)相關(guān)分析及線性回歸分析方法探索保額與保費、繳費期限、年齡之間的線性關(guān)系；(4)用探索分析方法分析不同收入與總保費之間的關(guān)系。最后利用數(shù)據(jù)分析的結(jié)果寫出相應(yīng)的結(jié)論。

表1 去除無效數(shù)據(jù)后的數(shù)據(jù)指標

2 數(shù)據(jù)清洗

2.1 剔除無效數(shù)據(jù)的行和列

包括家庭人口、教育程度、投保時間三列以及表中的第二行為空行，剔除后的效果展示如表1所示。

2.2 刪除重復(fù)值

刪除重復(fù)值：數(shù)據(jù)工具欄中的刪除重復(fù)值功能。

清洗后的數(shù)據(jù)為13列，844067行，如圖1所示。

圖1 去重后的數(shù)據(jù)指標

3 數(shù)據(jù)分析

3.1 探索用戶購買數(shù)據(jù)與機構(gòu)的關(guān)系

3.1.1 利用頻率分析的方法

利用頻率分析的方法：探索各機構(gòu)購保人數(shù)的總量并進行對比分析。

首先分析工具欄中選擇頻率分析，將機構(gòu)作為變量并勾選統(tǒng)計中的縱數(shù)，然后通過統(tǒng)計每個機構(gòu)出現(xiàn)的次數(shù)來分析購買保險人數(shù)最多的機構(gòu)。探索保險機構(gòu)總量結(jié)果如表2所示。

表2 探索保險機構(gòu)總量結(jié)果

分析結(jié)果：通過頻率分析可以得出眾數(shù)為510722，說明這一機構(gòu)購保人數(shù)最多有非常大的保險市場。通過匯總后的數(shù)據(jù)集并降序排序后可以更加直觀地看出510722，510115，510119，510117，510110，510781，512002，512004，510108，510681這幾個機構(gòu)的的購買人數(shù)較多，并且在所有機構(gòu)中排名前10，說明這些機構(gòu)的保險客戶量較多，對保險的需求量較大，有利于保險公司獲得更多的客源，擴大自己的市場511088，510928，510505，513498，513432，510925，511383，513431，510698，510800這10個機構(gòu)的購保人數(shù)相對較少說明這些機構(gòu)的保險客戶量較少，對保險的需求量較小保險公司可以根據(jù)公司實際情況對公司業(yè)務(wù)進行適當(dāng)宣傳。

3.1.2 利用分類匯總

利用分類匯總：對險種頻率進行統(tǒng)計，并分析機構(gòu)對險種的宣傳方案。

利用分類匯總的方法可以分析出S81，S42，415，602，S93，411，412，603等險種的購買人群較多，各機構(gòu)如果想要提高銷售率，就可以在各機構(gòu)大力宣傳S81，S42，415，602，S93，411，412，603等出現(xiàn)頻率大于9000的險種，客戶對這些險種的需求量較大，有較好的保險市場，并且購保人群較少的機構(gòu)可以對非常有必要購買的險種進行宣傳，提高人群的購保意識。如果想對險種宣傳得更加精準，還可與當(dāng)?shù)貦C構(gòu)購買數(shù)量較多的險種進行結(jié)合，在當(dāng)?shù)貦C構(gòu)進行個性化，精確化宣傳。險種頻率分析的結(jié)果如表3所示。

表3 險種頻率分析的結(jié)果

3.2 總體年齡分布情況

使用頻率統(tǒng)計分析方法統(tǒng)計所有購買了保險人中年齡的分布情況，包括平均值、中位數(shù)、眾數(shù)、標準差和四分位數(shù)，并由直方圖表示。

年齡的中位數(shù)與平均數(shù)均在40歲左右，眾數(shù)為37歲，四分位點分為34、40和49歲，標準偏差為10.738。結(jié)合直方圖可初步得出結(jié)論購買保險的人群年齡較為集中，多數(shù)集中在30-60之間，其中30-45歲左右的年齡段購買人數(shù)最多，50-60歲年齡段購買人數(shù)次多，45-50歲年齡段購買人數(shù)較其它年齡段屬于少數(shù)，所以30-45年齡段的人群會更傾向于購買保險，30歲以下人群對于購買保險的意愿不是很強烈。總體年齡分布情況數(shù)據(jù)展示如圖2所示。

圖2 總體年齡分布情況數(shù)據(jù)展示

3.3 探索保額與保費、繳費期限、年齡三者之間的線性關(guān)系

首先先進行相關(guān)分析，分析Sig值可得，保額與保費之間具有的相關(guān)關(guān)系最強，與繳費期限的相關(guān)關(guān)系次之，與年齡之間的相關(guān)關(guān)系最弱，且與年齡之間存在的是較弱的負相關(guān)關(guān)系。四個變量之間都具有相關(guān)性，因此可將這四個變量用作做線性回歸分析。其次，做線性回歸：將保額作為因變量，總保費、年齡、繳費期限作為自變量，方法選擇步進。

表4 保額與保費、繳費期限、年齡三者線性回歸方程結(jié)果

結(jié)果分析：通過步進的方式，可以得到總保費、繳費期限、年齡與保額之間的關(guān)系是逐漸增強的；通過表ANOVA中的顯著性的值，都小于0.01，說明在0.01顯著性水平的基礎(chǔ)上，所分析的變量之間的線性關(guān)系是顯著的；通過系數(shù)表中的系數(shù)，可以得到四者之間的線性相關(guān)系數(shù)，公式為：“保額=1.07×總保費+1147.39×繳費年限-145.596×年齡+5637.879”。

3.4 分析不同收入與總保費之間的關(guān)系

首先先將過去三年平均年收入進行分段用1表示0-99999、2表示100000-999999、3表示1000000-9999999、4表示10000000-20000000。

然后使用描述統(tǒng)計中的探索分析，分析不同收入與總保費之間的關(guān)系，分析結(jié)果發(fā)現(xiàn)，年平均收入在0-99999的投保人平均投保費是8191.477084，95%的置信區(qū)間為8152.192593到8230.761574之間，其偏度為10.439是正數(shù)，說明數(shù)據(jù)右偏，也就是所投保費高于平均保費的人比較少，其峰度為303.013也是正數(shù)，說明數(shù)據(jù)相對集中在平均值，也就是說這個區(qū)間的投保人大部分總保費都集中在平均值8191左右，；年收入在100000-999999之間的平均投保費是12669.41476，95%的置信區(qū)間為12244.37814到13094.45137之間，其偏度為13.699是正數(shù)比年收入在0-99999的偏度大，說明數(shù)據(jù)右偏更多，也就是所投保費高于平均保費的人更少，其峰度為324.196也是正數(shù)同樣大于0-99999段的峰度，說明數(shù)據(jù)更集中在平均值，也就是說這個區(qū)間的投保人絕大部分總保費都集中在平均值12669左右；年收入在1000000-9999999之間的平均投保費是100843.0027，95%的置信區(qū)間為83634.75278到118051.2526之間，其偏度為4.403是正數(shù)，說明數(shù)據(jù)右偏，但小于前兩個段的偏度也就是說所投保費高于平均保費的人雖然比較少，但相對而言要多一些，其峰度為25.714是正數(shù)，說明數(shù)據(jù)相對集中在平均值，但遠小于前兩段的峰度，也就是說這個區(qū)間的投保人大部分總保費都集中在平均值12669左右，但相對而言集中度沒有前兩段高；年收入在1000000-9999999之間的平均投保費是83495.44444，95%的置信區(qū)間為-7502.42217到174493.3111之間，其偏度為1.109是正數(shù)，說明數(shù)據(jù)右偏，但相對而言右偏較少，其峰度為-0.447是負數(shù)，說明數(shù)據(jù)集沒有集中在平均值，也就是說這個區(qū)間的投保人的投保費可能相差的比較大；1、2、3段的平均總保費是在遞增的，也就是說，年收入越多的人，總投保費就越多，但是第4段，也就是年收入在10000000-20000000之間的人反而更多的總保費很少，也就是說并不是越有錢，越會投入大額的保費。

表5 分組后收入的探索分析結(jié)果

分析箱圖發(fā)現(xiàn)，收入在1，2兩段的箱形圖的箱體和胡須幾乎沒有，也就是說這兩個收入?yún)^(qū)間的投保人的總保費都非常的集中相近，并且異常值較多，也就是說有一些的人總保費過于低或者過于高，而平均收入在3，4區(qū)間的箱形圖下邊的箱體和胡須較短，也就是說數(shù)據(jù)是在偏低的地方集中的，總保費在中位數(shù)以下相對集中，而總保費高的差距拉的是比較開的。

圖3 收入分組區(qū)間箱形圖展示

結(jié)論及建議：購保人群多的機構(gòu)可以根據(jù)當(dāng)?shù)仉U種購買的情況對保險進行宣傳，對當(dāng)?shù)氐馁彵Ｈ巳嘿彵Ｇ闆r能有所了解，能夠精確地定位到目標人群，準確畫出目標用戶畫像；購保人群較少的機構(gòu)可以對非常有必要購買的險種進行宣傳，提高人群的購保意識。保險供給方應(yīng)時刻以市場需求為導(dǎo)向，根據(jù)自身特點，找準進入或者拓寬互聯(lián)網(wǎng)保險市場的切入點，同時樹立自身企業(yè)品牌良好形象。如果想對險種宣傳得更加精準，還可與當(dāng)?shù)貦C構(gòu)購買數(shù)量較多的險種進行結(jié)合，在當(dāng)?shù)貦C構(gòu)進行個性化，精確化宣傳。同時，建議該公司將主要客戶群體定在平均年收入在千萬以下的人群中，也不要過分忽略年收入在100000以下的人群，雖然收入不多，但是投保額并不一定會比年收入在100000以上的人群投保額少。