近年来,由于垄断行业的冲击,保险产品差异化越来越小,保险业所面对的竞争压力越来越大;加之“互联网+”和大数据时代的双重潮流,保险企业正在从“以产品为理念”的模式向“以客户为理念”转型。数据挖掘是当下大数据时代的大势所趋,而现阶段关于客户关系管理的数据挖掘应用研究仍处于起步阶段,相关领域存在大量值得探索的空间。CRM(Customer Relationship Management,客户关系管理),其基础是信息技术平台及其体系上的业务处理、决策分析系统,应用数据仓库和数据挖掘技术,分析与客户相关的各项指标如成本、需求、风险等,从而最大化企业整体经济效益。CRM积淀的数据,结合数据挖掘后,可以让保险公司从了解现有客户相关信息的阶段,升级到发展新客户、保留老客户的阶段,进而提升公司利益。近年来,数据挖掘在技术层面和实践方面都有大幅度的发展,使得近现代的许多概念与学科都萌发了新生机。现代计算机强大的算力,层出不穷的新算法,是许多过去的设想再次生根发芽的肥沃土壤。结合CRM的数据与数据挖掘技术,研究如何挖掘应用CRM的数据,对保险行业发展具有重要意义,主要体现在依据数据挖掘技术做客户满意度分析、客户信用分析、客户流失和保持分析、客户分类分析、交叉销售分析等。CRM日益成为企业管理决策的关键所在,数据挖掘则为CRM的更好利用提供了技术支持。本文主要研究数据挖掘在保险公司CRM客户价值数据上的应用。由于保险公司A是我国规模较大的保险公司之一,而且CRM数据较为规范合理,因此选择使用保险公司A自2012年起到2016年共5年的CRM数据作为研究数据。首先从多个角度对原始数据进行描述性统计分析,其中包括:城市分析、客户分析、保险产品分析。并分析数据特点,选取了合适的数据挖掘聚类算法。然后对原始数据进行数据清洗,根据数据说明剔除掉明显异常的数据,最终得到366,983条观测值,25个变量的数据集。运用Python,对数据集做数据挖掘处理。分别对每年数据进行聚类分析,对得到的每年聚类结果进行详细的对比与分析。最后联结五年的结果,从整体进行分析。结果显示:保险公司A的客户主要是新一线到四线城市的中年小康家庭,主要类别可以分为四类:一是中年客户为自己购买重大疾病和意外类保险,即常规类客户;二是中年夫妻为子女购买重大疾病和子女教育类保险,即子女教育类客户;三是高收入中老年客户为家庭成员购买养老年金和寿险保障类保险,即寿险养老类客户;四是2014年开始涌现的较为年轻客户,保险覆盖面广,教育水平均衡,结合九零后也逐步进入职场、组建家庭,推测这部分客户为九零后客户。2012年,由于保险公司A未推出重大疾病主险,常规类客户和寿险养老类客户区分不大,两类客户的需求基本一致,可以视为一类客户。2013年,常规类客户和寿险养老类客户在附加险种有了区分,已经不能够再视为同一类客户。2014年保险公司A推出重大疾病后,常规类客户、子女教育类客户和寿险养老类客户明显区分开来,九零后客户也崭露头角。常规类客户和子女教育类占比较多,寿险养老客户在2014年时占比较少。2015年之后,老龄化加重使得寿险养老类客户占比逐年攀升。新生人口总数滑落,二胎政策尚未放开等因素子女教育类客户占比虽然有波动,但是总体趋势是下降的;逐渐步入社会和职场的九零后客户会撑起来保险产品新的细分市场。本文实证分析部分,对比了数据挖掘中的聚类算法,选出了算法思想上契合保险公司A的CRM数据集的聚类算法,并针对实证数据既有连续属性又有分类属性数据,最终采用了适用于混合属性数据的k-prototype聚类算法。为了更加客观准确的选取聚类个数,本文采用了一种基于方差性质聚类有效性评价的新型指标STDI来指导每年CRM数据聚类个数。对保险公司A五年的客户进行了更为有效且合理的市场细分,描述了客户对保险产品的偏好与客户的演化过程,对保险公司A后续保险产品提供了建议。聚类分析是近年来数据挖掘比较常用的算法,本文将其应用到保险公司的CRM客户数据中。一方面增加了 CRM客户数据的价值挖掘;另一方面扩展了数据挖掘的应用范围。随着数据挖掘的持续发展,相信会有更多的价值被挖掘。