数据挖掘的基本思想是使用已知数据建立数学模型以查找隐藏定律。在保险业中,获取新客户的成本比保留现有客户的成本高得多,并且从未来的角度来看,良好的数据挖掘应用将对发展业务运营和发现潜在客户群有很大帮助。因此,数据挖掘技术与商业企业的整合也是必然的过程。由于办公室自动化水平不断提高,保险公司信息化,公司治理概念不断更新,与客户的传统和高质量的保险关系管理办法已不再满足现代保险公司的基本需要。保险企业客户流失的主要原因有:自身问题、价格问题和质量问题,但也不能盲目的降低价格,如价格敏感性的客户,降低价格会挽留住价格不敏感的客户,调整价格无法挽留,还会降低利润空间,所以要了解客户流失的触发事件。由于数据提取技术日益成熟,诸如分类方法等数据提取方法也日益成熟,将此类技术应用于分析被保险客户信息,将客户信息转换出多个有用信息,这最终有助于企业的经营决策,同时可以降低客户的流失率,从而获得经营优势。特别是客户流失分析是保险公司分析的一个重要组成部分,分析了客户流失的历史数据,目前正在研究客户交付的特点,将采取适当措施减少客户流失。这对于降低保险公司的交易成本和提高其业务效率至关重要。论文分析了客户关系管理的含义和系统框架及其在保险业中的应用,并分析了保险公司客户流失的主要原因。然后分析了决策树算法的优缺点。本文针对算法缺点改进算法,并提出了具有权重属性和预剪枝策略的决策树分类挖掘算法。改进后的算法效率更高,并且可以处理大量数据。建立并分析新模型的算法,收集商业保险公司,应用本文中建立的客户流失预测模型,清理模型应用过程中包含的数据,转换数据,以及通过决策树C5.0和C&RT建立客户流失预测模型,同时对预测模型的结果进行评估与分析。