数据挖掘是从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。关联规则挖掘是数据挖掘中重要的研究方法之一。它主要用于发现大量数据中间有趣的关联或相关联系。关联规则挖掘的一个典型例子是产品销售分析：研究发现产品销售中不同商品之间的联系，找出顾客购买行为模式。

　　分析目标和分析思路
 
　　通过对历史保险产品销售情况分析，可以发现两个方面的规律性：

　　一是，客户的特征与他们购买产品之间的规律性。

　　探询客户不同特征，例如：性别、年龄、婚姻状况、职业等方面，对其购买产品的影响。最终发现具有哪些特征的客户倾向于购买哪些产品。这不论是对一次销售还是二次销售，都具有很好的指导意义。

　　二是，哪些产品之间具有组合销售的可能性，如何开拓客户的二次购买行为。

　　因为在目前保险产品销售中，促成客户的首次购买，换句话说也就是开拓一个新的客户，它所付出的成本是比较高的。保持一个老客户，并使他们继续购买更多的保障，相对成本比较低。但是在对老客户进行二次销售的时候，不能盲目进行。如果能够根据产品间的关联性，有针对性地销售，将能够大大提高销售的成功率。

　　此外，在使用关联规则分析保险产品销售的时候，我们必须意识到保险产品的一些特点：保险产品有效期限一般较长，因此购买行为的频率相对较低。同时，保险公司的产品不断推陈出新，老的产品不断停售，新的产品在原来的基础上略加改动就可取代老的产品，即便在同一时期销售的产品，也有不少是属于同一类的产品。因此，笔者将在相对较长的时间内进行分析，同时，将针对保险产品类型进行分析，而不是针对具体产品进行分析。

　　基于以上考虑，初步划定的产品类型包括：两全保险、终身保障、终身寿险、终身重疾、定期寿险、定期重疾、教育年金、养老金、医疗、意外伤害、住院补贴、投资型等。对于客户特征，主要关注：性别、年龄、婚姻状况、职业。

　　数据准备

　　本实例分析数据来自某保险公司某地区2005年销售情况，出于商业和客户隐私保密的考虑，不展示真实数据。

　　经过数据的收集、整理、转换等准备工作，笔者得到以下形式的可用于分析的中间数据：
 
　　（1）数据范围：2005年销售的保单，即投保日期在2005年；同时选取购买了两种或两种以上类别的保险产品的被保人。（因为仅购买了一种产品无法进行关联分析）

　　（2）数据说明：婚姻：0：未婚，1：已婚；性别：0：男，1：女；职业类别：1～6，共6类职业，1类风险最小，6类风险最高；年龄档：以2005年12月31日为基准，根据出生日期计算年龄，然后再按下面规则分档：1：[0，18]， 2：[19，35]， 3：[36，50]， 4：[51，70]， 5：[71，）；保险类别：T：已购买此类产品，F：未购买此类产品。

　　数据的准备工作可能是个非常复杂、工作量巨大的工作，特别是当涉及到的数据范围和数量都比较多的时候。对于企业比较全面的数据挖掘分析，可能还必须借助数据仓库来作为数据挖掘分析的数据源。因此，数据的准备工作往往要依靠IT技术部门来实现。

　　挖掘关联规则

　　将上述中间数据，读入数据挖掘软件Clementine，针对两种不同的关联分析，进行不同的设置后，运行软件进行分析。由于篇幅所限，在此不再详细说明挖掘过程。

　　结果分析

　　下面就是针对产品类进行的关联规则挖掘，得出的关联规则： 

　　通过对上面关联规则的分析，我们注意关注第11、12、13、14号规则。发现以下规律：

　　投资型产品在所有产品中销售情况最好，67.23％的客户购买了投资型产品（第12、14号规则中投资型产品的Support％最高）；其次是定期寿险和定期重疾。

　　定期寿险和投资型产品的组合，在所有产品组合中销售情况最好。有29.71％的客户购买了这一组合（第13、14号规则中，投资型与定期寿险组合的Rule Support％最高），其次是投资型与定期重疾组合。

　　购买了定期寿险的客户其中有55.43％购买了投资型产品，信任度最高（第13号规则的Confidence％），其次是购买定期重疾的客户购买投资型产品的规则（第11号）

　　那么这些规则对销售业务带来那些指导意义呢？笔者认为大致可以有以下几点：

　　继续大力推动投资型产品的销售；

　　定期寿险／定期重疾与投资型产品的关联规则表示出：客户在购买多份保险时，既会关注保险产品的保障功能，也会关注其投资价值。一个理性的客户，会使自己在保障和投资两个方面达到平衡。因此，针对已有投资型产品的客户，可以大力推荐寿险和重疾类保障产品；对于已有寿险、重疾等保障类产品的客户，可以大力推荐其购买投资型产品。