经过漫长的信息化过程,保险业已成为我国目前信息化程度最高的几个领域之一,如何利用已有的大量信息为企业决策者提供决策支持成为保险业信息化发展的下一个方向。进行客户群体细分是保险业乃整个销售业的一个重要基础工作,然而保险公司使用的传统细分方法在面对代理人问题时就显得力不从心。在这种环境下建立完善的客户细分方案显得尤为重要。数据挖掘技术是人工智能中的机器学习、统计学和数据库技术结合而发展的新技术,是解决机器学习、模式识别、数据库技术等各种领域中的大型实际应用问题而提出的一些工程性方法的集合,主要是为了从大型数据库中高效地发现隐含在其中的知识或规律,并为人类专家的决策提供支持。神经网络凭借其对噪声数据的高容错性和对非线性数据的高拟合性成为了数据挖掘技术中分类方法的代表。本文利用聚类、神经网络算法对某保险公司的客户群体细分进行了尝试。主要工作有以下几个方面:1、依据CRISP的数据挖掘流程,建立了保险客户群体细分流程。2、根据实际客户数据和业务需求建立了此次研究所需的数据结构;并综合多种数据预处理技术对实际数据进行了必要的处理,为之后分析算法的运行效率提供了支持。3、分析了神经网络中的作用函数与拓扑结构,对多层感知器和径向基网络对该数据的处理效果进行了比较。4、利用JAVA技术构建了B/S架构的客户管理系统。该系统实现了建立所需数据结构,数据预处理,动态聚类、分类的功能。