随着当今信息技术在中国的快速发展,企业已经逐渐积累起来了海量数据,如何利用和分析这些数据,成为摆在企业面前的一个难题?此时,数据挖掘的应用则应运而生。现今,数据挖掘在各个方面影响着企业的经营与决策,基于数据挖掘的数据分析工具和平台在企业中的应用也逐渐普及。近几年来,随着国内各保险企业的新产品的不断推出和外资保险公司的进入,我国保险企业面临的市场竞争变得日益激烈,为了降低企业营销成本,提高保险公司客户响应率,解决传统撒网式营销的问题,利用数据挖掘技术来分析保险公司多年来积累的海量数据,挖掘出其内在的信息和商机,从而及时准确的了解和把握市场,提高产品的市场占有率,这对保险企业的发展具有十分重要的意义。本文研究课题是利用数据挖掘的相关算法与数据挖掘分析工具,结合某保险公司的客户数据对其进行分类与关联险种的挖掘,从而发现数据的特征,了解客户的购买行为习惯以及保险险种之间的相关关联。通过对保险客户消费行为的分析,来支持客户群体的定位和组合险种的推销,以便制定有针对性的营销方案,实现依据不同层次的客户采取不同的营销策略。本文详细阐述了数据挖掘技术在保险客户数据分析中的应用,所做的主要工作有：1.分析介绍了本课题的研究背景与当前的研究现状,以及数据挖掘在保险领域的应用。2.介绍了数据挖掘的相关理论技术,并对数据挖掘的相关技术和工具进行了对比与总结性综述。3.对本文采用的数据挖掘相关算法进行了详细介绍,并提出了K-Means的改进算法。4.运用数据挖掘相关的理论技术,结合保险客户数据进行需求分析、数据预处理过程分析,并提出了保险客户数据挖掘分析模型,给出了交叉销售分析模型和客户细分分类模型,并详细阐述了它们。5.结合聚类分析的经典K-Means算法与改进后的算法对保险客户训练集数据进行分析,给出了改进前后的算法分类结果准确性的比较。6.给出了保险客户数据险种进行关联分析后的结果。7.给出了保险客户数据部分加工表以及数据分类、数据加工规则。8.结合训练集数据,利用决策树分类中的C4.5算法进行分类规则的导出,并对测试集数据进行细分分类,对分类结果进行分析。依据Apriori关联算法,结合保险客户样本数据实例进行关联分析。9.对本文所做的主要工作进行了总结,并对所存在的问题进行了探讨,指出了未来工作和研究的方向。