随着国内经济的高速发展,保险业在经济活动中起到了重要的地位,从事保险代理行业的公司日益增多,使得保险市场的竞争日益激烈,光靠直觉来开展业务的决策方式已经不适应业务的快速发展。自上世纪90年代开始保险代理行业开始出现至今,行业发展迅速,我国的保险代理行业相比国际上的保险代理行业起步晚但起点高,从发展初期就采用计算机和数据库来管理业务活动,建立了财务系统、保险展业管理系统、保险保单管理系统、保险理赔系统、保险客户管理系统等多种业务系统,积累了大量的业务数据。这些数据中隐藏着某些规律,发现并量化这些规律制成模型来为保险代理业务开展提供有效的量化依据,对保险公司发现VIP客户、推荐业务、维护客户关系、以及风险防范等方面提供最佳的决策支持策略,从而能有效降低决策风险提高企业的竞争力。本文主要工作如下：1.对保险展业中相关数据进行了探索。通过对保险展业中涉及的承保数据使用汇总统计、可视化和联想分析处理(OLAP)等主题分析,进而为数据挖掘技术在保险展业中应用奠定了基础。2.将数据挖掘技术应用于保险展业。(1)提出了基于分类决策树TreeGrowth归纳算法的客户分类模型,解决了客户分类依靠人力的问题；(2)提出了基于关联规则FP增长算法的组合推荐模型,解决了系统无法提供保险组合推荐辅助的问题；(3)提出了基于聚类DBSCAN算法的保单交易模型,解决了决策层无法对产品实际购买客户进行分析的问题和代理人无法查询客户购买行为为客户推荐最适合产品的问题。3.对上述3个模型进行了技术实现。通过从积累的数据中采集、清洗、创建数据仓库,运用数据挖掘技术和算法制作模型,再运用到保险系统中对业务活动进行预测分析和决策支持提供量化依据。随着经济的发展和市场的变化不断修正原有模型和发觉新模型为业务活动服务有着较高的实际应用价值。