数据挖掘的基本思想是利用已知的数据通过建立数学模型的方法找出隐含的业务规则。随着该技术的发展,其重要性已被越来越多的人认可,在国内外很多行业已经成功应用。在保险行业的主要应用有客户欺诈分析,客户流失分析,客户消费模式分析,市场推广分析等。其中,客户流失分析是通过对以往流失客户的历史数据进行分析,找出可能退保用户的特征,以便及时采取相应的措施,减少客户流失的发生。这对保险企业降低运营成本,提高经营业绩有着极为重要的意义。论文首先阐述了数据挖掘的含义、功能以及流程,分析了CRM的内涵以及体系框架,指出了保险公司客户流失的原因以及实现客户流失预测对保险公司的重要性,在此基础上将保险公司客户流失原因进行了归类分析,提出了保险公司客户流失关键绩效指标及相应对策。其次,重点设计了保险公司的客户流失预测模型。针对常用的决策树分类挖掘算法进行了分析,指出了存在的问题,提出了基于加权属性和预剪枝策略的决策树分类挖掘的改进算法。该算法能够更好地解决保险行业数据挖掘中数据量大,效率要求高的问题。同时基于决策树挖掘改进算法，对客户流失预测模型的架构进行了总体设计,对客户相关的数据进行了收集、集成,根据拟定的关键绩效指标进行了数据重组。并在明确客户流失预测模型构建思想的前提下,给出了基于决策树挖掘改进算法的客户流失预测模型的详细建立过程。接着,针对具体的商业人寿保险公司,将本文建立的客户流失预测模型进行应用,详细分析了模型应用过程中所涉及到数据清洗、数据转换以及通过决策树分类挖掘改进算法建立的客户流失预测模型。最后,本文对预测模型的结果进行评估与分析,给出了针对性的对策建议,有效地改善客户流失现象,同时证明了决策树分类改进算法的有效性和实用性。