市场背景
该股份制保险公司近年由于外部竞争激烈，出现客户流失问题；
尝试采用大数据及AI技术，解决客户流失率上升的问题，分析流失原因，帮助挽留客户；两个业务目标：一是提前预测客户流失倾向，在出现明显流失状态之前；二是针对性推荐手段挽留，做的千人千面，个性化挽留。
解决方案
为了尽快体现业务效果，需尽快与一线营业部间形成良性互动，先行选取部分试点营业部客群，敏捷开发模型，预测初步流失客群清单，推送到营业部，让其进行判断和开展客户维系，同时根据一线反馈的情况，不断迭代优化，实现业务效果与模型效果良性互动。
实践检验
批量基础数据入库：审批系统、催收客户申请表信息入库；系统客户汇总、账户信息入库；第三方数据批量入库。
实时数据同步：根据数据项特性，决定数据实时、批量同步方式。
客户个性化标签分群：根据每个客户的个体特征，通过canopy算法计算客户类别特征的中心点；根据计算得出的中心点，通过分布式Kmeans算法将客户进行分群。
目标：能指导收展员对自己客户情况采取一些措施，维护客户，并将沟通情况反馈到系统。
客户流失预警：通过对已流失的客户数据进行逻辑回归建模，形成流失模型。将未流失客户代入到模型中，计算未流失客户的流失可能性。
目标：能让收展员对自己客户的收缴保费情况一目了然，指引收展员关注当前需要重点关注的客户，进入查看客户详细信息页面。
产品精准推荐：通过不同保单中不同险种的购买组合进行关联性分析，通过Apriori的改进算法FPGrowth算法计算不同险种之间关联度，并形成词典。
目标：快捷匹配相似险种，方便收展员业务拓展。