当前位置:首页 >> 初中教育 >>

数据挖掘在保险分析中的应用


维普资讯 http://www.cqvip.com

第3 卷  0

增 

刊 









程 

20年 1B 04     2
De e b r 2 0   c m e

 0 4

V L 0 Su plm e t r  s u   o 3  p e n a y Is e

C o p t rEn i e r n   m u e  gn ei g

? 开发研 究与设计技 术 ? 文 号:l 0 4 ( 0 增 _ 7 3   章编 0   2 2 4 刊_0 l   0 80) 5 

文献 识码:   标 A

中 分类 图 号:T312 P15     .

数据挖 掘在 保 险分析 中的应 用  
梅 强 ,张冬菜 
( 上海交通 大 学计算机 科学 与工程 系 ,上海 20 3 ) 00 0 

摘 要 :数据挖 掘是一 个应 用统 计学和 人工智 能等 算法进 行知 识 发现 的过程 。该文 阐述 了数 据挖 掘 的技术 ,基 于车 辆险 重点 探讨 了数 据挖 掘  技 术在保 险产 品分析 中 的应 用 ,包 括 数据 仓库 的建立 、数 据挖掘 主题 的定义和数 据 挖掘 的过程 。   关健 词 :数据 装 载层 ;信 息反馈 管道 层 ;业 务信 息仓库 层 ;业务数据 模 型 ;数据 仓库 模型 ;数 据集 市模 型 

Ap l ain0  t  nn    nu a c  u ies ayi pi t  f aMiigi I sr n eB s s  ls   c o Da n n An s
M E  a g. HA   n mo I n Z NG Do g   Qi
( p . l o p trS in e n   n ie r g S a g a Ja t n   ie s De to ’ m u e  ce c   d E gn c i 、 h n h i i o gUa v li S a g a 2 0 3 ) C a n   o ’ b, h n h i 0 0 0    

I b tat a   ii     po e ue osac a df d n we g  s g t i i  n  rf i  tl e c . h  a e ec b sh   c n l ? f A s c】D t m nn i a rc d r t er   n  n  o l eui   a s c a da ic ln l ne T ip p r sr e t t h o g o   r a gs     h i k d n s tts tia ie i g s d i   ee o
d t  nn . s e i l  o u e   n d t  n n   l e il is   n ep o u t a ay i icu ig s t p o   aawa e o s , h   e ii o   f a   n n   a miig e p cal f c s so   a mii go ’ hce n ua c   r d cs n l s n ld n  eu   fd t  r h u e t ed f t n o   t mi ig a y a v   r   s、 ni d a

sb c n  e rcs o te a   n g uj tadt   oes fh  tmin  es hp   da i
l e   o d 】D t l e Itr ai   e bc  i   y   B s es f r t nw rh u e a e; Ui S d t moe; a   aeo s  d lD t K yw r s a   y r n m t nf d a kpp l e: u i s h omao   a o s  y  ̄ B S l S a   d lD t w r u e aa ; o o e ea r ‘ n   i e l ‘ l   a e a h mo e a   ; a
a a tmo l 'r l   de 

数据挖掘汇集了统计学、人工智能、数据库等学科的内   容 ,是一 门新兴 的交 叉学 科 。这 门学 科 旨在 帮助 人们 从海 量  数据中发现有价值 的信息 ,目前商业应用起步不久。国内 日  

也 同样 适 用于聚 类分 析0    。

2 险业务和 分析  保
随着国内经济的快速 发展 ,保险业也进入了激烈竞争的  时代。面对大量产生的保单业务 ,许多业内公司没有对大量  的数据进行深层次的分析和挖掘 ,让海量数据发挥 巨大的增 

趋激烈的保险市场竞争促使各保险公司去分析客户行为、提  供差异化的客户服务 ,而数据挖掘技术的应用叮以帮助公司   去分析客户购买保险的行为,识别客户特征 ,辅助保险公司  进行有效的市场营销和客户服务。  

l 数据挖掘相关技术及方法 
数据挖掘包含了一系列 旨在从数据集巾发现有用而尚未  发现 的模 式 的技术 … 。确切 地 说 ,数 据挖 掘是 一种 知 识发现  的过程,它主要基于统计学、人工智能、机器学 习等技术 ,   高 度 自动 化地 分析数 据 ,做 出 归纳性 的推理 ,从 中挖 掘 出潜  在的模式 ,并对未来情 况进行预测 ,以辅助决策者评估 风  险、做 出正确的决策 。数 据挖掘与联机分析 处理( nLn  O —i e A a t a Poe i , L P都 是 分析 型 工 具 。联 机 分析 处  n li l r s n O A ) yc   c s g 理作 为验证型分析 工具 ,更多地依赖用户输入 的问题和假  没 ,使得 用户 能够 快速 地 检索 到 所 需要 的数据 ,而数据 挖  ‘
掘能 够 自动地 发现 隐藏在 数据 中的模 式(ae ) Pt m 。 t  

值作用。业务仓库中的数据组织方式是满足范式理论的,反  映了业务上的组织方式 ,但与业务系统有本质不同,首先它  是为将来分析应用而设计 ,以信息的表示、提取为主导 ,其  次业务数据仓库 中的数据是经过清洗的,且保存了所有的业  务历史信息,最大限度地保证了数据不失  。   从车辆险的历史保单数据库中 ,按照车辆种类、销售渠  道、地区、职业、年龄、性别、学历、业务性质等条件分析  出承保和理赔的数据。根 据客户的盈利性分布通常呈现出价  值倾斜 :2 %客户往往产生2 0 0 0 %的客户利润,而另9 2 % 1o   , 的客户产生的是损失价值 ,剩余的处于中间的客户对公司不 
产 生任何 的利 润 。 因此从 业务 数据 挖掘 的 目标就 是分 析导 致 

了客户价值分布差异的原 因。   初期分析 的主要用户为项 目相 关的技术用户和操作 用  户 ,北京和广州产寿险分公司、总公司、集团公 司决策管理  层用户、分析用户等。其中,决策管理层用户约5 1名,分  -5   析型用户1- 0   3 名。 由于在总公司有较高的数据分析要求 , 5   原始数据的规模 已经较庞大 ,超过 几百G 。公司已有部分  B 闲置或未充分利 用的计 算机相 关资源 ,要求保护现有I投  T 资 ,应充分利用已有的软硬件资源 。经过分析需求情 况和 实  际应用的目标,考虑采用集中式实施的方案。即在总公司建  立一套数据仓库系统 ,为产寿险总公司和各分公司的用户提  供 服 务 ,但 用 户的权 限要 进 行 限定 ,分公 司的用 户只能 浏 览  本公司的数据,主要是基本信息的获取 ,而总公司利用全部 

在实际应用中,数据挖掘主要采用以  J ̄ 方法进行模  Vh b
式 的发现 :  
() 关 分析 和 回 归分析 :相 关分析 主 要分 析变量 之 间联 系 的密  I 相

切程 度 ;而回 归分析 主 要基于 观测 数据 建 立变 量之 间适 当的依 赖 关 
系 。相关 分析是 回 归分析 的基础 。   () 2时间序 列分析 :与相 关 分析 类 似 , 目的 也是为 了挖 掘出数 据  之 间的联 系 ,但 时 间序列 分析 更D ̄重 于 数据 在 时问 先后上 的因 果  I! l! l
关 系。  

() 3分类分析 :分类 分析首 先 为每 一个 观测 赋予 一个标记 ,然 后  检查 这些 被标记 的 观测 ,描 述 出这些 观测 的特 征 。这种描 述可 以 是 

个数学 公式 或者模 型 ,利 用它 可 以分类 新 的观测 。常 用的 几种 典  型 的分类模 型 有线性 回归模 型 、决策 树模 型 、基于 规 则模型 和神 经  网络 模型 等 。   () 分析 :与 分类 分析 不同 ,聚类 分析 的输 入是 一组未 标 定  4聚类 的 记录 , 目的是根 据一 定 的规 则 ,合理地 划 分 记录集 合 。聚类 分析  和 分类 分析是一 组 互逆 的过程 ,因 此在很 多分类 分析 中适 用的算 法 


数据来做高层次的综合分析 ,包括对所有分公司数据的操作 
作者倚介:梅
中的权 限管理 

强(9 2 ,男,工程硕士 ,研究方向:系统整合  17 一)

收稿 日期 :2 0—8l  0 40一5


5 1   7—

维普资讯 http://www.cqvip.com

权 限。  

删 除业 务数据 ,就会 造 成 整个 数据体 系 的不 一致 ,使统 计 分 
析 结果 不可信 。  

3 车辆 险分 析 的架构设 计 
车 辆险 的业 务数 据源 分布 在 多家 分 公 司的业 务系统 中 ,   利 用数据 抽取程 序将 各 分 公 司业 务系统 上的数 据通 过 自动化 

FP T 或手动控 制 传到 分公 司 自身 的 中问服 务器 上(T   EL
点) ,进 行 抽 取、 清 洗 和转 化 处理 。考 虑 到该 步骤 会造 成 大  量 的 系统 开 销 ,所 以采 用 独 立 的 S g g r  ̄ 务器 来专 门  t i  e anA a

() 3 可扩 展性  由于本 系统 作 为先 导 系统 来进行 开 发 ,因此 必须保 留 一  定 的可扩 展性 。 即可 以保 证数 据 的准 确性 和完整 性 ,从 而 具  有 良好 的可扩 展性 。  

4 实验及结果分析 
随着保险业务的不断发展 ,现有的分析主题要求系统能  够 比较 快 速而 准 确地 完成 业 务主题 的增加 和改变 的工 作 。 由   于业务数据仓库 已经存储 了最完全和准确的业务历史数据 ,   因此如需要增加业务主题, 只要将业务数据仓库作为数据源,   将数据追加到业务信息仓库,同时更新D A S 中的转换规则。   业 务信 息仓 库主 要 是 以星 型结构 为基 础的面 向主 题 的数  据集市和多维存储维基础 的多维数据集市。业务信息仓库 中   的 分析 是 按照 业 务需 要进 行制 定 的 ,如客 户分析 主题 、保 单  事件分析主题等。相关的指标数据都是存储在事实表中,分  析 角度都存储在纬度表 中,数据粒 度为保单 明细数据,其  中,为了后续使用在每个主题 中存有保单号这一字段。   纬度表的数据来源有两种 :标准化文档和代码数据库。   标 准化文 档如 产 品险种 、险别 等 都是直 接导 入相 应的纬 度 表  中的,更新频率相应比较低。其他的纬度表中的数据是多个  地 区数据集中后转移过来的,如地区、机构代码等纬度 ,相  应 的更新频率比较频繁 。事实表中的纬度是在D A S 中的数据  基于纬度表进行转换 的,转换过程取决于转换的规则,它决 
定 了某 个指 标在 数据 转 载 层 的E L T 部分 进行 详细 的描述 。  

处理数据抽取 。抽取到中间层 的数据经过转换/ 清洗 ,就可  以根据不同的维度来生成C B ,上载到中心数据库服务器  U E 上最终为保单分析提供服务。在架构设计过程中,必须要结  合保险业务特点和数据挖掘的特点进行架构设计。   根据处理流程及设计的要求 ,给出系统结构图( ) 图1,   其 中的数 据采集 部分 包括 各地 分 支公 司地 数据 库 ,其 中的数  据来 源于 核 心业 务数据 库 。为 了保证 系统 间 的数据 安全 和 系   统运行效率,生产环境和业务分析支持系统环境相互独立,   在每天晚问按照抽取 规则定时将生产环境的数据存储到数据 
处理 区域 中 ,以便进 行 数 据清 洗 。  

经过对业务数据仓库 的抽取得到业务信息仓库的信息内  容 ,按照业务的需求组成主题汇总 区。业务信息仓库 的粒度  是基于细节信息 的,对数据量 比较大的主题 ,需要进行适 当  的浅度汇总 ,从 而加快生成效率。在本项 目实现过程 中,着  重 在 于 计算 出客 户利 润 贡 献度C A C s m r rfait P (ut e Po t ly o   i b i  A as) nl i 。客户利润分析度是指一定时期内为保险公 司创造  ys 的价值 。计算时用一类客户的所有保单在一定时期内带来 的  
收益除 以成 本得 出。   我们 对2 0年 的保 费 收 入进 行 分析 ,先按 照 险种维 度 、 03  
圈I 系统 结构 圈 

地 区维 度 、险种 维度 进 行 浅度 汇总 。在 按 日 、地 区、 险种  期

31 . 数据组织  数据组织体系描述了项 目第 1 阶段 的数据模型化组织 方  式,具体包括业 务数据仓库、业务信息仓库、主题汇总区、   代码区4 个部分。业务数据仓库包括按业务对象关系组织的  数据 ,基于第3 范式的数据模型。业务信息仓库则是按不同  分析主 题组 织 的数据 ,以星 型 结构 为基础 。主题 汇总 原则 是  对分析主题数据进行浅度、总 ,以达到加快cJ 生成及支持  ? [ Le b 大量查询应用的 目的。代码 区是统计分析系统进行数据 抽 

等维度进行的汇总表 中,针对每个单独分析对象即分 险种保  单 ,以地区维度作为主表 ,险种维度、保费维度、赔付维度  作为连接表 ,进行了分类维度汇总,汇总出按地 区、险种 、   赔付费 的汇总记录。表 I 是杭州地 区保费收入的汇总表。  
表 I 费 收入 汇总表  保
地 区  险种  保 费收 入( 万元) 付支 出(  赔 万元 )  

杭州 

个 房险  车 辆险  意外 险 
安居 险  医疗 险 

20 6  58  2O I0  30
50 0  80 7 

4  3 360  0  30 6 
13 0  60 5 

取、转换、清洗时的代码信息 。   3 数据组织原则  . 2 () I层次化  对于业务数据分3 级进行组织, 分别是按业务对象关系组  织数据、按照具体的分析主题 组织 多维事实表和P w r ue o e b  C 多维立方体方式组织 。  
() 定性  2稳

对杭州 的车辆险保单进行进 一步的挖掘分析 , 选择两种  使用较普遍的车型 ,主要按照投保人年龄纬度 ,找出贡献最  多利润以及亏损最多的客户群 。客户情况见表2 。   从表2 中可以看 出车辆险中不同年龄段的客户贡献度 不  同,而且投保的车型不同,贡献度也不一样。在桑塔 纳类别  中,最好的客户集 中在5 - 5 0 5 区段 ,且 占人数总比只有8   %, 另外 占总投保人数6. 的客户带来的是亏损。进一步按照  9  7

所有3 级数据 的更新保 留完整 历史信息的原则,因为很  多的业务统计报表均基于业务系统原有的业务数据,已经生  成并且提供给相关部门进行参考和决策。如果还需要修改和 


5 2一   7

维普资讯 http://www.cqvip.com

行业 纬度 ,对这 些投 保人 所 处行 业情 况 分析 ,发 现主 要是 由   于 大部分 是 出租 车 用 广 ,因此车 辆 失窃 和道 路 车祸相 应 比较  J

总 结 出规 律 ,使 得 内部 分析 人 员可以按照 地 区、销 售 渠道 、  

职业、年龄、性别、学历、业挣陆质等要素对险种保单数据  进行深 入挖掘,分析 出各种要素之间的可能存在联系性 ,更  好地 设 计和 开 发出相 对应 的保 险产 品 ,来满 足特 定用 户群 所 
对 应 的个性 化 需 求 ,也 能 够 为 业 务 的发 展 提 供 技术 指 导 手 

多 ,由此造成 了赔付 率的居高不下 。该数据挖掘的结果 显  示 ,从总体来看 ,该车型由于投保者的行业集中度较高,造  成了该险种价值实际为负。在一汽奥迪类别 中,最好的客户  集中在4- 0 0 4 区间段 ,而且这部分客 厂 占该类投 保  55 和4- 5 】 人数的5 %,对车险这个险种来说 ,该部分客户就是具有代  3 表性的最高端客户资源 ,这样在以后的保险计划和业务推广 
过程 中 ,就可 以有 针 对性 地 发展 优 质客 户 , 凋整 不 同投保 车 

段 ,在产品销售过程 中找到最有利的突破口,提升数据挖掘  在 保 险行业 的使 用 范 围和 使用价 值 。 当然 ,在 运 用数据 挖 掘 
进 行业 务指 标 分析 的 时候 ,也会 产 生一 些偏 差 ,需要 加以 克 

型的业务结构,控制一般客户业务 ,压缩亏损品种规模 ,提 
高 车险整 体 业务 的利润 水平 。  
表 2 客户 情 况 
投 保 年 平均 保  投 保人  占人  车 型  费( ) 元   年 龄  数 % 
桑塔 !    IO O 纳  2 —3   I. 5 O 43  
3 — 5 0— 3   4 — 5 0— 4   2    58 2    96

服 ,主要是 :过分强调当前利润分析 ,而忽视了客户整个 生  命 周期带 给 公 司利润 的整 体 贡 献 ;忽 视 了客 户可能 带来 的 业 
务 指 标 所能 测 算 的价 值 。总 体 来 说 ,数 据 挖 掘 只 是一 种 手 

段 ,在考虑市场成熟度和客户接受能力的前提下,为客户提 
供 差别 化 的服务 。  

年均  平均 每 次   4 澜  利 润占  报 案  赔 付( ) 率  元  比  数 
89   
85    76   

5结束语 
保险市场的激烈竞争 导致 了 向市场营销和客户服务的  面 数据仓库 的建设以及数据挖掘技术 的应用 ,本文在介绍了数  据挖掘技术的基础上 ,重点阐述了保险公司针对车辆险的数 
据 挖掘 , 以及基 于这 个平 台展 开数 据 挖掘 的过程 和数据 挖 掘  的 主题 分析 。我 们对 各种 技术 应 用 的最终 目的是 实施 以客 户  服 务 为中心 的客 户 关系管 理 和 以销 售 为导 向 的产 品推 广和 营 

25 8 
3 2 1  2   9I

.0   ? O 2  8 3   
.O3 3    .    53 ?    78 ? 6 I    

4 — 5   2    5 O 23 5 0— 5   5 8O   

69    58   

24 8  27) (  

67    1   54

  I  5 2( )  

汽 3 1  7O 奥迪 


2 —3   8   5 O   4
3 0— 3   5 3 .  O5

65    
61 . 

55 4 
50 6 

75   
l    09

0    6
33   

销战略。目前应用的情况下 ,继续在数据仓库的基础上,为  多个重点地 区和主要险种 的业务数据实施多主题数据挖掘 ,   揭示出对业务发展具有指导意义的经验和内在规律。  
4 — 5 0— 4   2     89
4 5— 5   O 2    4l

6O . 
55   

56 4 
57   5

O2   
1    56

58   
62   

参考文献 
I e o  , m t S halgK 构 建 面 向C M 的数 据 挖掘 应 用     ̄ nA S i  ,T ern  . B h i R 北京 :人民 邮 电出版 社, 0 I 20  2 王 珊 . 据仓 库技 术与 联机 分析 处理 . 数 北京 :科 学 出版 社 .98 I9 

5 0— 5   5

8I .  

52   

5 0 8 

3    26

26 . 

通过对数据 的多维分析 ,管理人员很容易地对纷繁复杂  的业务数据进行立体 多维分析,从中找出隐藏在数据中潜在  的规 律和必 然 的联 系 ,更好 地理 解 认 识业务 实 际情 况和 把握 
业 务的发展 趋势 。其次 ,我们再 进 一步 对险 种 的保单数 据 进  行 挖掘 ,根 据承 保保 单 数据 找 出险 种数 据 的 内在 联 系并可 以   ( 上接第 53   6 页)

3 adD Manl  ,S yh 数据 挖 掘原 理. 京 :机械 工 业 出版    n  , n ir H aH m tP   北
社, 0 3 20 

4张顺 昌 . 数据 集 中 环 境 下 业 务 数 据 挖 掘 的 探 讨 中 国金 融 电脑 ,  
20  03

区的数据访 问时 ,发送一个中断到主机 的P I C总线上,驱动  程序 响应该 中断并通 过Wi o s n w 的事件 ( vn)通知上层  d E et
软件 。  

段 ,从收到该报文时开始计时,在规定 时间内如果未收到 报  文结束标志 ,就强行将该报文存盘,并释放 内存 。报文生存  时间的设置很关键 ,时间过短或过 长,都会造成报文不全 。   lI P #议组报流程如图2 所示 。图中,输入为各处理板所  产生的完整帧数据格式文件。当组报程序运行时,一直遍 历  原始数据文件夹,若遍历到文件,就将文件映射进内存,根 

35 .多路并行采集 
多路 由问题是网络上的第3 方所无法避免的。系统可将 

据各个通路信息处理格式的设置,判断数据信号类型 ,将每  帧数据还原成完整的I数据帧后放入 内存缓存区,紧接着  P 对该帧数据进行组报。文件处理完成后 ,根据用户设置,搬  移或删除原始帧数据文件。   I协议组报只对采用T PI协议的数据组成报文,如电    P C/ P 子邮件和 网页,对U 数据则组成相应的数据流。 DP   3 分层高速缓冲数据传输  . 4 多路并行 因特 网信号接入D P S 以后所进行的各种分析 、   处理与数据传输 ,不可避 免地带来时延问题 。为保证处理 的  实时性,平滑数据流 ,我们在D P S 和主机上采用了多个数据  缓冲区来实现处理板和主机之间的高速数据传输 。在每个处  理板 _配置了8 的S R M空间作为信号接入、中间处理  l J : MB D A  ̄P I IC 传输数据缓冲。在主机上,由驱动程序为每个处理通 


多个D P 定为一个分组进行并行实时处理 ,可以在K 节  S设 字 尺度 上将多个通路采 集或处理后的数据流存储 到一个文 件  中。分组采集保证 了多个通路数据流之间较为严格的时间关  系,降低了多路 由组报对系统整体性能的压力。  

4总结 
针对2 b s M p以下卫星传输因特 网数据的采集,我们基于  PI C 总线模块化设计 ,以C L + S 的硬件结构为基本处理  PDDP

单元 ,综合卫星传输、网络、计算机、数字信号处理等多 方  面技术 ,构建 了多通路并行采集处理平 台,可软件实现链路  层 协议的处理。实际使用证明该平 台具有很强的开放性 ,可  适应因特网技术 的不断发展。  

参考文献 
I M S 2 C 2 5 F x d p i t gt l in l rc so . , 0 0   T 3 0 6 0 . ie — o n  i   g a P o e s r Di a S   TI2 0  
2TM S 20   3 C60 0. i  p o tLir r    frnc  d   , 0I 0 Chp Su p r  b ay APIRee e eGuie TI 20    

3李方 慧 、 王  飞, 佩 琨 等 . MS 2C 0 0 何 T 30 6 0 系列 D P原 理与 应 用. Ss   北京 : 电子 工业 出版 社, 0 3 20 

路 提 供2 MB的D 数 据双 缓 冲 空 间 。 当D P 成 相应 缓 冲  MA S完


相关文章:
数据挖掘在保险精准营销中的应用-开题报告
大型的保险公司已将数据挖掘应用到保险业务中,但由于应用在保险行业的分析 模型不是很健全,目前在实际操作中一般都采用套用现成算法的方式,导致其结果不 是特别的...
数据挖掘技术在保险行业CRM中的应用分析
数据挖掘技术在保险行业 CRM 中的应用分析 摘要:数据挖掘技术是信息技术运用于实际生活的又一项进步成 果,将数据挖掘技术应用于 CRM 的管理中已经成为当前的一个...
数据挖掘技术在汽车保险中的应用
龙源期刊网 http://www.qikan.com.cn 数据挖掘技术在汽车保险中的应用 作者:武治国 来源:《科技与企业》2013 年第 01 期 【摘 要】介绍数据挖掘中的关联规则...
数据挖掘在我国保险业中的应用
本文首先分析了我国保险业中数据挖掘技术应用的现状, 介绍数据挖掘理论, 接着重点研究 保险业中数据挖掘主题的选择与设计上。 在国外已有研究基础上, 结合我国保险...
数据挖掘技术在汽车保险中应用论文
数据挖掘技术在汽车保险中的应用 【摘要】介绍数据挖掘中的关联规则挖掘技术在汽车保险 中的实际应用,关联规则分析汽车保险中的风险因素与赔付率之间 的关系。得出的...
数据挖掘在金融行业中的运用
1. 数据挖掘技术在证券行业的应用 数据挖掘在证券行业的应用方向主要有:客户分析...3. 数据挖掘技术在保险的应用 (1)保险金的确定:对受险人员的分类有助于...
医保系统中数据挖掘的应用
将其应用于医疗保险中,并且将模糊的数据深 入挖掘,开拓了行业的进步,针对信息系统的研究中,最主要的作用是通过数据的采集处理、 整理加工以及分析预测来指导整个...
数据挖掘在股票分析中的应用
数据挖掘在股票投资中的应用摘要:研究股票价格预测,由于股票价格具有非线性、随机性等变化规律,同时 股票市场与国内外经济政治变化有关, 因此通过简单的单个模型分析...
数据挖掘技术在软件工程中的应用分析
数据挖掘技术在软件工程中的应用分析_计算机软件及应用_IT/计算机_专业资料。数据...4页 免费 数据挖掘技术在保险业中... 4页 免费 ©2016 Baidu 使用百度前...
浅析云计算在保险公司信息技术建设中的应用
本文将从云计算应用模式的 分析入手,对如何将云计算与保险公司信息技术建设进行...数据存储、并行计算和数据挖掘等问 题,并通过应用的形式向客户提供服务,结合保险...
更多相关标签: