目前保险行业所使用的传统商业智能模型，以及基于样本而非全量数据的挖掘技术，在很大程度上限制了保险公司对客户属性的全方位了解，这直接导致了在保险营销策略的制定过程中仅仅依靠基于抽样得出的分析结论，真正的决策还离不开业务经验非常丰富的“大师”的人为判断。基于人为的属性分类和数量分类，不能体现出客户自身应有的特征，导致保险业务员不能精准地定位客户，所提供的服务也不见得能满足客户的真正需要。作为业界知名的泰康人寿公司借助大数据平台，通过对其海量业务数据的全量分析，对客户的业务属性进行聚类，划分出了新的客户群体类别，重新塑造出了更为精准和全面的客户画像，为泰康各级保险业务人员提供了更加准确的客户特征信息。
依托于大数据平台的精准营销分析系统，旨在最终帮助泰康人寿摒弃传统的基于样本抽取的数据挖掘分析方式，转而使用更为先进、高效的全量数据分析手段。通过机器学习方式动态干预市场决策，实现客户个性化脸谱、一线信息穿越和营销决策下沉，深层次地变革了现有的营销模式，从而使泰康各级保险业务人员能够更加敏锐地感知市场动态，更为精准有效地开展营销活动。
本系统实现的主要功能如下：
1.将交易所产生的海量业务数据从不同的系统进行收集，并加载至分布式文件系统内；
2.对数据的一致性进行校验；
3.通过分布式框架进行整合，生成统一的扁平化数据集合；
4.通过机器学习的各种算法，实现对客户的群体划分、产品精准化营销以及客户流失概率分析；
5.数据推送及反馈。
使用基于天云大数据BDP平台实现历史数据的集中存储、查询和分析。
1.泰康人寿在业内率先实现了大数据平台上基于全量数据的机器学习和一线信息穿越，提升了服务运营连续性水平：首先，大幅缩短数据信息提供窗口，数据处理由原来的30多个小时短至目前的3个小时，从而大大提高了一线支撑响应和客户感知。其次，基于机器学习的全方位个性化脸谱刻画，由人工处理到机器学习自动化，由粗犷到个性化特征刻画，大大降低了运维工作量，提高了各级保险业务人员的营销水平。再次，通过数据下沉和决策下沉服务一线保险业务员，实现了数据透明和信息穿越，明显提升了客户服务水平。今后逐步将基于大数据的保单客户个性化脸谱刻画和信息穿越推广到全公司2.5万营销人员的日常工作中，还可更好地提供工作效率。
3.截止2014年11月底，泰康人寿保单续约率达到69%，较之前增长了5.3%；业务试点目前客户流失率为0.1%，较全公司客户34%的流失率有显著提升。
4.因系统采用x86架构PC服务器和hadoop商业版大数据平台软件（天云大数据BDP），有效地节约了系统建设成本数百万元，而且在数据的查询速度上较成熟的小机+数据库方式提升了20倍，集群服务器可以平滑扩展，后续扩容非常简单。