保险行业数据分析

1、保险业数据分析数据分析完整流程：、业务背景业务环境宏观中国是世界第保险市场，但在保险密度上与世界平均平仍有明显差距。业界保险业2018年保费规模为38万亿，同增长不4%，过去“短平快“的发展模式已经不能适应新 时代的业发展需求，业及户长期存在难以解决的痛点，限制了业发展。社会互联经济的发展，为保险业带来了增量市场，同时随着民规模的扩，户的为习惯已发转变，这些都需要互联的式进触达。保险科技：当前沿科技不断应于保险业，互联保险的概念将会与保险科技概念度融合。中国保险市场持续速增长。 根据保监会数据， 20112018年，全国保费收从1.4万亿增长3.8万亿，年复合增长率17.2%。2014年，中国

2、保费收突破2万亿，成为全球仅次于美国、本的第三新兴保险市场市场； 2016年，中国整体保费收突破3万亿，超过本，成为全球第保险市场； 2019年，中国保费收有望突破4万亿。2.发展现状概览受保险业结构转型时期影响，互联保险整体发展受阻， 2018年业保费收为1889亿元， 较去年基本持平，不同险种发展呈现分化格局，其中健康险增长迅猛， 2018年同增长108%，主要由短期医疗险驱动。格局供给端专业互联保险公司增长迅速，但过的固定成本及渠道费使得其盈利问题凸显，加上发展现状强，经营渠道建设及科技输出是未来的破局法， 渠道端形成第三平台为主，官为辅的格局，第三平台逐渐发展出B2C、 B2A、B2B

3、2C等多种创新业务模式。模式互联保险不仅仅局限于渠道创新，其核优势同样体现在产品设计的创新和服务体验的提升。3.发展趋势竞合格局随着局企业增多，流量争夺更加激烈，最终保险公司与第三平台深度合作将成为常态。保险科技当前沿科技不断应于保险业，互联保险的概念将会与保险科技概念度融合。4.衡量指标5.业务标针对保险公司的健康险产品的户，制作户画像，然后进精准保险营销。、案例数据1.数据来源美国某保险公司，和本公司合作多年。现在该公司有款新的医疗险产品准备上市。2.产品介绍这款新的医疗产品主要是针对65岁以上的群推出的医疗附加险，销售渠道是直邮。3.商业的为保险公司某种健康险产品做户画像，找出最具有购买

4、倾向的群以进保险营销。4.数据介绍本次案例数据共有76个字段，字段繁多，在处理数据时，需要先将数据按照类别进归类，便理解查看。5.分析思路根据经验，我们可以概判别哪些特征很可能和户是否购买保险会有相关关系。结合我们的业务经验，以及数据可视化，特征程法，先探索这些特征中哪些特征更重要。建模之后，再回顾我们这认为较重要或不重要的特征，看下判断是否准确。三、Python代码实现了解数据样本和特征个数、数据类型、基本信息等import numpy as npimport pandas as pdimport warningswarnings.filterwarnings(ignore)df=pd.re

5、ad_csv(rD:liworkadatama_resp_data_temp.csv)pd.set_option(max_columns,100) # 100列数据df.head()()统计数据基本信息、统计空值数量#idobjectlen(df.columns)len(df.columns)-df.dropna(axis=1).shape1NA=df.isnull().sum() # 统计各个列空值的数量NANA=NA.reset_index()NA#修改列名NA#,0的数据NA=NANA.NA_count0.reset_index(drop=True)NANA

6、.NA_count/df.shape0数据可视化分析plt.style.use(seaborn)#持中输出plt.rcParamsfont.sans-serif=SimHeiplt.rcParamsaxes.unicode_minus=False# plt.rcParamsfont.family=Arial Unicode MS # OS 系统探索样本分类是否平衡df.resp_flag.value_counts()plt.figure(figsize=(10,3)sns.countplot(y=resp_flag,data=df)plt.show()#例关系df.resp_flag.sum(

7、)/df.resp_flag.shape0绘制年龄的分布情况dfage.max()分别绘制两类样本的年龄分布plt.ylabel(Density)查看不同学历之间购买保险的数量#学历的分布sns.countplot(x=c210mys,hue=resp_flag,data=df)不同县的对应的购买数量sns.countplot(x=N2NCY,hue=resp_flag,data=df)含空值的列,每列的数据类型统计出来,并加在NA的表中temp=NA=tempNA空值填充NANA.Var!=agedf.AASN.mode()0#众数填充for i in NANA.Var!=age.Var:d

8、fi.fillna(dfi.mode()0,inplace=True)#对年龄均值进填充df.age.fillna(df.age.mean(),inplace=True)#验证结果 0就代表都已填充完毕df.isnull().sum()变量编码df.head()#objectdf_object.shapedf_object=OrdinalEncoder().fit_transform(df_object)df_object#字符转数值if dfi.dtypes=object:dfi=OrdinalEncoder().fit_transform(dfi)df.head()建模Xtrain,Xte

9、st,Ytrain,Ytest=train_test_split(X,y,test_size=0.3,random_state=420)#建模clf = tree.DecisionTreeClassifier().fit(Xtrain,Ytrain)clf.score(Xtest,Ytest)模型优化from sklearn.model_selection import GridSearchCV#格搜索param_grid=max_depth:range(3,8),GR.fit(Xtrain,Ytrain)#tree.DecisionTreeClassifier参数的值GR.best_para

10、ms_GR.best_score_clf=tree.DecisionTreeClassifier(max_depth=7,min_samples_leaf=1000).fit(Xtrain,Ytrain)clf.score(Xtest,Ytest)画决策树import graphviz #要提前安装哦dot_data = tree.export_graphviz(clf,feature_names=features,rounded=True)graph = graphviz.Source(dot_data)graph.render(model1)四、输出结果我们来看下购买例最的两类客户的特征是什么：第类处于医疗险覆盖率例较低区域居住年