吳菊華，曹 強，莫 贊，孫德福

（1.廣東工業(yè)大學(xué)，廣東 廣州 510520； 2.裝甲兵裝備技術(shù)研究所，北京 100072）

一、引言

保險行業(yè)經(jīng)過多年來的業(yè)務(wù)發(fā)展和信息系統(tǒng)建設(shè)，已建成包括承保系統(tǒng)、批改系統(tǒng)和理賠系統(tǒng)等在內(nèi)的一系列信息系統(tǒng)，并積累了大量的歷史數(shù)據(jù)。如何充分利用這些數(shù)據(jù)并將其轉(zhuǎn)化為信息和知識，使得業(yè)務(wù)人員（包括管理者）能夠充分掌握和利用這些信息進行輔助決策，進而轉(zhuǎn)化成商機，一直是各保險公司所關(guān)注的問題。

商務(wù)智能是對商務(wù)信息的搜集、管理和分析的過程，目的是使企業(yè)的各級決策者獲得知識和洞察力，促使他們做出對企業(yè)更有利的決策，從而以最短的時間發(fā)現(xiàn)商業(yè)機會并捕捉商業(yè)機遇。通過商務(wù)智能技術(shù)，用戶可以更充分地了解他們的產(chǎn)品、服務(wù)和銷售趨勢。它提供了一個良好的方法，把分散的數(shù)據(jù)集成到一個數(shù)據(jù)倉庫系統(tǒng)中，利用OLAP技術(shù)和數(shù)據(jù)挖掘技術(shù)來幫助公司對業(yè)務(wù)進行分析，尋求業(yè)務(wù)規(guī)律，并為領(lǐng)導(dǎo)層提供決策支持。因此，商務(wù)智能走進保險行業(yè)，已成為一種趨勢和必然。

參考國內(nèi)外銀行、金融、通信等行業(yè)所積累的商務(wù)智能實施經(jīng)驗，可以看出國內(nèi)保險行業(yè)對企業(yè)信息化的規(guī)劃發(fā)展在加速地進行中，這使其業(yè)務(wù)系統(tǒng)架構(gòu)得到不斷地完善，與商務(wù)智能方案相關(guān)的硬件軟件及數(shù)據(jù)規(guī)模都得到更高層次的匹配，為商務(wù)智能的實施奠定了良好的基礎(chǔ)。但隨著業(yè)務(wù)需求的不斷變化和商務(wù)智能技術(shù)的發(fā)展，國內(nèi)的保險行業(yè)需要對企業(yè)數(shù)據(jù)倉庫系統(tǒng)的設(shè)計進行更深層次的探討及落實。

數(shù)據(jù)倉庫是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。由于數(shù)據(jù)倉庫系統(tǒng)涉及的業(yè)務(wù)用戶眾多，在進行數(shù)據(jù)模型設(shè)計的時候必須兼顧不同業(yè)務(wù)產(chǎn)品、不同業(yè)務(wù)部門、不同層次、不同級別用戶的信息需求，因此有必要首先對數(shù)據(jù)倉庫進行建模，基于企業(yè)的數(shù)據(jù)庫設(shè)計數(shù)據(jù)倉庫對于一個企業(yè)的戰(zhàn)略規(guī)劃具有重要意義。本文針對保險行業(yè)，以某人壽保險公司的客戶信息共享(ECIF)項目為背景，分析了商務(wù)智能技術(shù)在保險行業(yè)的應(yīng)用，劃分了主題域并對該項目數(shù)據(jù)倉庫進行建模和指標(biāo)測試，對于保險行業(yè)數(shù)據(jù)倉庫的構(gòu)建具有一定參考價值。

二、保險業(yè)務(wù)系統(tǒng)

1.企業(yè)客戶信息整合概述

國內(nèi)保險企業(yè)競爭的核心要素有兩個：產(chǎn)品與服務(wù)。但經(jīng)過十幾年的發(fā)展，保險公司之間的競爭越來越激烈，產(chǎn)品趨向于同質(zhì)化，服務(wù)不再單一化，保險企業(yè)為了適應(yīng)新的業(yè)務(wù)需求，奪取更多的市場份額，對自身的業(yè)務(wù)系統(tǒng)都有不同層次的改進。隨著個人可支配收入的增長，個人對保險產(chǎn)品和服務(wù)多元化有了更高的要求，如何有效地利用已有客戶資源和開發(fā)新的客戶資源，成為了保險企業(yè)發(fā)展的重要問題。

ECIF是一個實時面向服務(wù)、提供全部客戶信息集合的聯(lián)機事務(wù)處理系統(tǒng)，它不僅可以提供客戶的靜態(tài)信息，也能夠提供實時、一致、完整的信息到現(xiàn)有的業(yè)務(wù)系統(tǒng)及將要成立的應(yīng)用系統(tǒng)上。它實現(xiàn)了跨業(yè)務(wù)系統(tǒng)的客戶信息整合和客戶歸并識別，實現(xiàn)了對客戶整合信息的共享，也可以讓保險產(chǎn)品和服務(wù)渠道實現(xiàn)個性化。

2.保險業(yè)務(wù)系統(tǒng)特點

保險業(yè)務(wù)分析系統(tǒng)主要面向各分單位業(yè)務(wù)部門，為其提供統(tǒng)計分析和報表查詢功能。所以在其保險業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)特點主要有：數(shù)據(jù)來源多、數(shù)據(jù)種類混雜、數(shù)據(jù)質(zhì)量差。

（1）數(shù)據(jù)來源多

在保險業(yè)務(wù)系統(tǒng)中，每天都有來自投保人上億條新的數(shù)據(jù)記錄產(chǎn)生；每個省、市的管理信息系統(tǒng)及財務(wù)管理信息系統(tǒng)，每天在使用過程中產(chǎn)生大量數(shù)據(jù)，所以數(shù)據(jù)的來源非常多。保險業(yè)務(wù)系統(tǒng)除了信息管理外，還有分析和決策功能，需要從上述原始的、現(xiàn)實的數(shù)據(jù)中得出很多分析型的數(shù)據(jù)，以及額外市場調(diào)查總結(jié)的數(shù)據(jù)，所以在對其進行特征描述時往往牽扯到上千個狀態(tài)變量。然而傳統(tǒng)的處理方法是多系統(tǒng)進行降維或簡約化處理，這在一定程度上影響了最終結(jié)果的精度。

（2）數(shù)據(jù)種類混雜

保險業(yè)務(wù)系統(tǒng)本身是一個很復(fù)雜的業(yè)務(wù)系統(tǒng)，上層有公司領(lǐng)導(dǎo)，中間有車險、船舶險等事業(yè)部及總財務(wù)會計部和各個事業(yè)部的財務(wù)會計，下層又有基層員工及市場調(diào)查員等。最終為了達(dá)到保險業(yè)務(wù)系統(tǒng)最高贏利的目標(biāo)，必須將不同職能，不同性質(zhì)的上層、中層、下層控制管理得到的數(shù)據(jù)有機的結(jié)合起來，進行正確的處理和分析才能做到。

（3）數(shù)據(jù)質(zhì)量差

在整個保險業(yè)務(wù)系統(tǒng)中，由于省、市各個下屬的管理系統(tǒng)記錄和采集的數(shù)據(jù)，最終都要匯總到總部。在此過程中就很容易出現(xiàn)不真實的數(shù)據(jù)、有誤差的數(shù)據(jù)、無價值的數(shù)據(jù)還有數(shù)據(jù)缺失等現(xiàn)象。這些質(zhì)量不太高的數(shù)據(jù)會產(chǎn)生很多不確定的因素，從而給決策者帶來諸多不便。

三、數(shù)據(jù)倉庫建模

數(shù)據(jù)倉庫設(shè)計或建模主要包含四個核心步驟：需求分析、概念設(shè)計、邏輯設(shè)計和物理設(shè)計。關(guān)于數(shù)據(jù)倉庫的設(shè)計，不同的學(xué)者已在概念層、邏輯層和物理層提出了許多不同的技術(shù)。企業(yè)客戶信息整合是一個需要長時間規(guī)劃與建設(shè)才能完成的項目，需要保險企業(yè)的核心系統(tǒng)以及各個業(yè)務(wù)系統(tǒng)的配合才能完成。由于客戶信息整合涉及到很廣泛的業(yè)務(wù)系統(tǒng)范圍，又是整個保險企業(yè)的核心系統(tǒng)的基礎(chǔ)，所以為了讓ECIF的建設(shè)對現(xiàn)有的保險業(yè)務(wù)系統(tǒng)的工作的影響降到最低，該項目采取分期逐步實施建設(shè)的方式。

此次保險數(shù)據(jù)倉庫的建模是以“實現(xiàn)客戶信息的全方位共享與客戶分群，為公司的業(yè)務(wù)提供決策信息支持”為目的而進行的商務(wù)智能設(shè)計分析。項目的數(shù)據(jù)倉庫建模分為四部分：①需求分析，獲取項目需求；②概念模型的設(shè)計，統(tǒng)籌整個項目的設(shè)計框架；③邏輯模型的設(shè)計，設(shè)計此項目的指標(biāo)計算邏輯思想和邏輯關(guān)聯(lián)；④物理模型的設(shè)計，實現(xiàn)概念模型的框架和邏輯模型的關(guān)聯(lián)。

1.需求分析

需求分析是用戶需求產(chǎn)生的，對系統(tǒng)服務(wù)或約束的描述，同時是以目標(biāo)為導(dǎo)向。通常一個軟件系統(tǒng)的功能需求闡述了系統(tǒng)需要做什么，非功能需求是針對一些可觀察的質(zhì)量屬性系統(tǒng)的運行情況，如性能、可重用性和可靠性等。目前該項目保險公司主要存在以下問題：客戶信息數(shù)據(jù)沒有企業(yè)級的統(tǒng)一編號來標(biāo)識客戶，也沒有完整一致的客戶識別機制；不同系統(tǒng)只保留和使用本系統(tǒng)的客戶信息，系統(tǒng)之間沒有做到充分的客戶信息共享；現(xiàn)有壽險系統(tǒng)中同一個客戶在不同表格中存在不一致的版本，無法保證客戶體驗的一致性；在目前環(huán)境中，缺少完整的客戶信息，無法形成對客戶的整體評價；缺少統(tǒng)一的客戶價值評判標(biāo)準(zhǔn)，缺少對客戶風(fēng)險等級進行有效評估的手段，因而無法實現(xiàn)差異化服務(wù)。鑒于以上問題，利用統(tǒng)一客戶視圖的方法，將各個系統(tǒng)的客戶信息整合，形成統(tǒng)一的客戶識別機制，將客戶信息歸并，形成客戶資源的信息共享。整合該保險公司客戶數(shù)據(jù)資源，建立客戶關(guān)鍵數(shù)據(jù)信息的標(biāo)準(zhǔn)化，進行關(guān)鍵數(shù)據(jù)信息的數(shù)據(jù)清理動作，制定客戶歸并的規(guī)則，進行客戶信息歸并，為業(yè)務(wù)部門提供360度客戶信息查詢及客戶清單的提取工作。為該保險公司實現(xiàn)客戶信息的全方位共享與深度分析加工，為公司的業(yè)務(wù)拓展、業(yè)務(wù)運營、管理決策、客戶服務(wù)提供強有力的信息支持。本項目客戶歸并方案是建立在相對優(yōu)質(zhì)的客戶數(shù)據(jù)質(zhì)量基礎(chǔ)上，即數(shù)據(jù)的業(yè)務(wù)和技術(shù)屬性滿足數(shù)據(jù)標(biāo)準(zhǔn)的定義，對于不能滿足的數(shù)據(jù)要素則按無效的數(shù)據(jù)處理，不參與歸并。

2.概念模型設(shè)計

概念模型設(shè)計是為了給邏輯模型設(shè)計工作提供一個統(tǒng)籌的設(shè)計思路，并從業(yè)務(wù)邏輯上為后續(xù)的模型設(shè)計制定一個框架和為其提供指引。概念建模提供了對數(shù)據(jù)倉庫流程和架構(gòu)各方面的抽象，旨在獲取實施問題的獨立性。概念建模是建立具有恰當(dāng)記錄和滿足用戶需求數(shù)據(jù)庫的基礎(chǔ)。邏輯和物理建模的實體（或表）不能超出概念模型的范圍之外，并且不能破壞概念模型的業(yè)務(wù)邏輯結(jié)構(gòu)。

概念模型設(shè)計能界定保險決策支持設(shè)計的邊界，并確定主要主題域及其內(nèi)容。概念模型必須針對保險的業(yè)務(wù)需求及其業(yè)務(wù)之間的關(guān)系進行高度概況，把相關(guān)業(yè)務(wù)對象進行歸類，對其業(yè)務(wù)進行劃分主題。按照保險業(yè)務(wù)決策支持的設(shè)計需求，確定以下八大主題構(gòu)成：①客戶基本信息；②客戶地址信息；③保險分析統(tǒng)計信息；④客戶溝通信息；⑤關(guān)系信息；⑥產(chǎn)品關(guān)聯(lián)信息；⑦財務(wù)、風(fēng)險信息；⑧事件信息。

保險的模型設(shè)計必須保證其業(yè)務(wù)完整性，以確保保險業(yè)務(wù)上涵蓋保險客戶關(guān)系管理業(yè)務(wù)領(lǐng)域的各個環(huán)節(jié)，因此數(shù)據(jù)倉庫概念模型設(shè)計必須保證業(yè)務(wù)完整性、數(shù)據(jù)集成性、可擴展性、數(shù)據(jù)可用性、標(biāo)準(zhǔn)與規(guī)范和性能，具體如圖1所示。其中業(yè)務(wù)完整性是確保保險業(yè)務(wù)上涵蓋保險客戶關(guān)系管理業(yè)務(wù)領(lǐng)域的各個環(huán)節(jié)，如客戶獲取、接觸、信息登記、產(chǎn)品與服務(wù)等，并考慮與主流保險模型框架結(jié)構(gòu)兼容和面向業(yè)務(wù)的商務(wù)智能應(yīng)用體系。數(shù)據(jù)倉庫建模時必須要首先建立模型的標(biāo)準(zhǔn)與規(guī)范，包括建?；疽?guī)范、編碼規(guī)則、業(yè)務(wù)對象類型、枚舉類型標(biāo)準(zhǔn)、命名規(guī)范。數(shù)據(jù)可用性是整合所有源系統(tǒng)的數(shù)據(jù)后，需考慮數(shù)據(jù)的可用性和安全性得到保證，及其在未來數(shù)據(jù)增加的增量策略的實現(xiàn)，包括數(shù)據(jù)安全和存儲策略、數(shù)據(jù)的生命周期和數(shù)據(jù)的可維護性。數(shù)據(jù)性能是整合多個源系統(tǒng)，數(shù)據(jù)量增大后，還必須保證其ETL的性能和其業(yè)務(wù)系統(tǒng)查詢的性能。

圖1 概念模型設(shè)計原則圖

3.邏輯模型設(shè)計

邏輯設(shè)計依據(jù)概念架構(gòu)在邏輯模型上創(chuàng)建一個對應(yīng)的邏輯架構(gòu)。邏輯建模是數(shù)據(jù)倉庫實施中的重要一環(huán)，因為它能直接反映出業(yè)務(wù)部門的需求，同時對系統(tǒng)的物理實施有著重要的指導(dǎo)作用。從概念模型八個主題域中分別選擇了客戶基本信息主題、保險分析統(tǒng)計信息主題和產(chǎn)品關(guān)聯(lián)信息優(yōu)先進行分析。這三個關(guān)鍵分析主題將其余的主題有機的關(guān)聯(lián)在一起?；诒ｋUECIF系統(tǒng)的邏輯架構(gòu)如圖2所示。

圖2 ECIF客戶信息共享邏輯架構(gòu)

此邏輯架構(gòu)的構(gòu)建思想是：首先從保險公司的生產(chǎn)數(shù)據(jù)倉庫ECIF中抽取必要的數(shù)據(jù)庫表構(gòu)成I層數(shù)據(jù)；然后用I層數(shù)據(jù)結(jié)合客戶信息系統(tǒng)CIF的數(shù)據(jù)來歸并成中間數(shù)據(jù)層，中間層數(shù)據(jù)根據(jù)需求分析來取數(shù)做規(guī)整，劃分指標(biāo)，無匯總操作；然后在中間數(shù)據(jù)層的基礎(chǔ)上進行指標(biāo)計算，做聚合操作成為匯總數(shù)據(jù)層；再在匯總數(shù)據(jù)層數(shù)據(jù)基礎(chǔ)上劃分出5類子寬表：有效產(chǎn)品數(shù)據(jù)寬表、賬戶數(shù)據(jù)寬表、歷史產(chǎn)品數(shù)據(jù)寬表、支出及貢獻度寬表、復(fù)合指標(biāo)寬表，以得出需求指標(biāo)；最后，寬表匯總所有的客戶分群基礎(chǔ)數(shù)據(jù)，用來支持最后的查詢和決策。為了實現(xiàn)上述功能匯總，邏輯設(shè)計必須有的一項重要功能是客戶的識別與歸并。在業(yè)務(wù)數(shù)據(jù)中，重復(fù)的客戶在數(shù)據(jù)庫中有各自的分開記錄，有多個客戶號，因此，為了完整保留業(yè)務(wù)系統(tǒng)的客戶信息，在進行客戶歸并時只需要確定數(shù)據(jù)的有效性。歸并只是生成與應(yīng)用系統(tǒng)無關(guān)的客戶歸并號，因此對應(yīng)用系統(tǒng)沒有影響。歸并客戶號的客戶數(shù)據(jù)的運用可以選擇查詢第一有效客戶，也可以列出所有歸并過的客戶用于人工判斷，這是進行客戶分群的一個重要模塊，對模型的影響主要在主鍵策略的制定問題上，因此設(shè)定的歸并客戶號均為主鍵。

4.物理模型設(shè)計

在數(shù)據(jù)倉庫的物理模型設(shè)計中，主要解決數(shù)據(jù)的存儲結(jié)構(gòu)、數(shù)據(jù)的索引策略和數(shù)據(jù)的存儲優(yōu)化分配等。但在物理模型設(shè)計中，還必須充分考慮到?jīng)Q策分析的需要?！熬S度建?！笔墙M織和配置數(shù)據(jù)的主要過程，Kimball提出的維度建模在數(shù)據(jù)倉庫和商務(wù)智能應(yīng)用中廣為接受的一種方法，許多從業(yè)者和學(xué)者都意識到在商務(wù)智能工具中使用到的數(shù)據(jù)必須以簡潔有效為基礎(chǔ)，通過多維建模標(biāo)準(zhǔn)化將數(shù)據(jù)轉(zhuǎn)換為由維度和事實表組成的多維模型已經(jīng)得到了廣泛應(yīng)用。所以，在物理模型設(shè)計中采用了多維數(shù)據(jù)模型，數(shù)據(jù)以多維形式組織和存儲，更加有利于OLAP和數(shù)據(jù)挖掘分析。

物理模型設(shè)計中，另外一個重要的功能是將邏輯模型設(shè)計中的客戶歸并號進行物理歸并。把業(yè)務(wù)數(shù)據(jù)中的多個重復(fù)客戶記錄在CIF中物理歸并為一個客戶記錄，需要實現(xiàn)CIF客戶與業(yè)務(wù)系統(tǒng)客戶的映射，客戶歸并時必須提供覆蓋規(guī)則，也就是說客戶屬性的有效性原則必須非常明確，因此也有可能造成部分有效數(shù)據(jù)的丟失，CIF模型必須保留歸并歷史，否則很難實現(xiàn)數(shù)據(jù)回溯和再歸并。成功進行物理歸并后，客戶數(shù)據(jù)的查詢使用就更簡潔和清晰。

通過歸并客戶號整合客戶在不同源系統(tǒng)的數(shù)據(jù)，實現(xiàn)了不同信息系統(tǒng)的客戶信息的全方位共享。在整合了不同信息系統(tǒng)的客戶信息后，再設(shè)計一個中間層，中間層中設(shè)計的表的主要作用是從歸并后的客戶信息中獲取數(shù)據(jù)，將一個表細(xì)分為幾個小表，以利于后面的數(shù)據(jù)匯總計算，例如：將首年保費表“FYP表”細(xì)分為“FYP表-細(xì)到險種”和“FYP表-細(xì)到保單”。在進行了必要拆分后，再對拆分進行必要的指標(biāo)匯總計算，匯總層的每一個指標(biāo)都必須從保險業(yè)務(wù)中進行詳細(xì)的了解，設(shè)計出字段算法，例如：計算意外傷害賬戶（主險）的APE情況，則必須從“FYP表-細(xì)到險種”的表中計算險種為意外傷害險種和該意外傷害險是主險的FYP的和。在匯總層的計算后，將其匯總的指標(biāo)再進行關(guān)聯(lián)劃分出5類子寬表：有效產(chǎn)品數(shù)據(jù)寬表、賬戶數(shù)據(jù)款表、歷史產(chǎn)品數(shù)據(jù)寬表、支出及貢獻度寬表、復(fù)合指標(biāo)寬表，以得出需求指標(biāo)，求出所需指標(biāo)的數(shù)據(jù)，最后將數(shù)據(jù)匯總到寬表，被報表直接引用。設(shè)計完ETL數(shù)據(jù)的邏輯關(guān)聯(lián)后，還需設(shè)計其調(diào)度關(guān)聯(lián)。因為有些表是引用不同層的表，所以如果要加載數(shù)據(jù)，必須先調(diào)度優(yōu)先級高的數(shù)據(jù)表，設(shè)計出可并行運行的存儲過程架構(gòu)，再進行層層調(diào)度抽取數(shù)據(jù)，滿足調(diào)度需求。

四、數(shù)據(jù)倉庫指標(biāo)測試

在客戶信息整合共享項目中，通過UAT測試確?；谶壿嬆Ｐ驮O(shè)計的數(shù)據(jù)倉庫有效，并確保該保險項目的各個指標(biāo)符合最終用戶的使用需求，達(dá)到質(zhì)量標(biāo)準(zhǔn)，能夠正式投入生產(chǎn)使用。在測試過程中，基于項目前期所確定的功能和數(shù)據(jù)需求，解決測試所發(fā)現(xiàn)的系統(tǒng)錯誤、功能缺陷、理解差異等各個方面的問題，最大程度地使系統(tǒng)能夠在計劃的時間內(nèi)達(dá)到需求，確保系統(tǒng)在投入正式運行后正確、可靠、平穩(wěn)的運行，有效支持業(yè)務(wù)運作。

測試將驗證指標(biāo)正確性和指標(biāo)數(shù)據(jù)正確性。其中指標(biāo)定義正確性指的是確定本期項目指標(biāo)定義是否按照項目需求已確認(rèn)的指標(biāo)定義；指標(biāo)數(shù)據(jù)準(zhǔn)確性是確定本期項目指標(biāo)計算結(jié)果是否符合保險公司實際的業(yè)務(wù)結(jié)果。

根據(jù)本期項目的需求范圍和項目實際開發(fā)情況，測試范圍將涵蓋本項目所實現(xiàn)的指標(biāo)。由于本期項目涉及的指標(biāo)有300余項，如果每個指標(biāo)都需要詳細(xì)UAT測試，需要很大的人力、時間、設(shè)備等資源。鑒于目前項目資源情況，建議按一定的優(yōu)先順序，選取某指標(biāo)進行UAT測試。被選取進行UAT測試的指標(biāo)，一般為重要性的指標(biāo)，包含基本指標(biāo)，特別是某些衍生指標(biāo)的父指標(biāo)；保險業(yè)務(wù)上經(jīng)常使用的指標(biāo)；報表、分析等經(jīng)常使用的指標(biāo)等。本次測試選取以下指

標(biāo)作為UAT測試對象，如表1所示。

表1 UAT指標(biāo)

本次測試主要以靜態(tài)數(shù)據(jù)為基礎(chǔ)，測試期間數(shù)據(jù)庫中的數(shù)據(jù)不能擅自刪除、更改、插入，如有需要刪除、更改、插入操作，則需要經(jīng)過測試組、業(yè)務(wù)組的影響評估，確定對測試結(jié)果無影響的，可指定相關(guān)人員進行相應(yīng)操作，否則，任何人都不允許對測試數(shù)據(jù)做更改。為保證測試的可性行和準(zhǔn)確性，UAT案例連接的數(shù)據(jù)源和測試環(huán)境的數(shù)據(jù)源是一致的，否則兩邊的結(jié)果將沒有可比性，整個測試的正確性將無法得到保障。

測試結(jié)果初步得出結(jié)論，該保險項目的各個指標(biāo)基本符合最終用戶的使用需求，達(dá)到質(zhì)量標(biāo)準(zhǔn)，符合指標(biāo)上線運行使用。

五、結(jié)論

基于商務(wù)智能的保險決策支持設(shè)計是一項綜合性技術(shù)和解決方案，它為保險企業(yè)進行全局范圍的復(fù)雜數(shù)據(jù)分析，戰(zhàn)略決策和趨勢分析提供數(shù)據(jù)分析支持，項目的實施給該公司帶來了很多變化：

第一，從公司內(nèi)部業(yè)務(wù)環(huán)境上看，項目實施之前存在數(shù)據(jù)未統(tǒng)一管理、客戶信息彼此間沒有聯(lián)系和信息缺乏全方位共享等問題，而在項目實施之后，加強了資源的有效整合，提高了公司運行效率。

第二，業(yè)務(wù)系統(tǒng)交互密集，導(dǎo)致數(shù)據(jù)量龐大且復(fù)雜度高，業(yè)務(wù)系統(tǒng)并不是單一地處理數(shù)據(jù)，在處理每一單承保信息時，就需要經(jīng)過審計、反洗錢系統(tǒng)，向保監(jiān)會上報等手續(xù)，當(dāng)數(shù)據(jù)量很龐大時，信息的不準(zhǔn)確性則會大大影響整體的工作。項目的實施支撐了不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)集成，不同業(yè)務(wù)系統(tǒng)客戶信息的共享。

第三，項目實現(xiàn)了客戶信息的全方位共享與深度分析加工，為企業(yè)的業(yè)務(wù)拓展、業(yè)務(wù)運營、管理決策、客戶服務(wù)提供強有力的信息支持，通過ECIF平臺整合公司客戶數(shù)據(jù)資源。

文章主要分析了數(shù)據(jù)倉庫的建模和指標(biāo)測試，并且基于該模型設(shè)計的“基于ECIF實現(xiàn)客戶信息共享”的項目已經(jīng)在該保險公司正式上線使用，據(jù)使用后的反饋結(jié)果顯示，該系統(tǒng)很好地解決了數(shù)據(jù)源孤立，信息分散利用率低的問題，系統(tǒng)運行速度和數(shù)據(jù)分析能力得到了極大的改進，在一定程度上提高了該保險公司的運作效率和業(yè)績。該模型的建模原則和模型設(shè)計對于保險行業(yè)數(shù)據(jù)倉庫應(yīng)用具有一定的借鑒作用。

[1]Clark T D，Jones M C，Armstrong C P.The dynamic structure of management support systems：theory development，research focus and direction[J].Mis Quarterly，2007，31(3)：579-615.

[2]Elbashir M Z，Collier P A，Sutton S G.The role of organizational absorptive capacity in strategic use of business intelligence to support integrated management control systems[J].The Accounting Review，2011，86(1)：155-184.

[3]Ranjan J.Business intelligence：Concepts，components，techniques and benefits[J].Journal of Theoretical and Applied Information Technology，2009，9(1)：60-70.

[4]Rouibah K，Ould-ali S.PUZZLE：a concept and prototype for linking business intelligence to business strategy[J].The Journal of Strategic Information Systems，2002，11(2)：133-152.

[5]Zhenming X，Mia Z，Xiaodan J.Business intelligence-a case study in life insurance industry[C].Proceedings of the e-Business Engineering，2005 ICEBE 2005 IEEE International Conference，2005：12-18.

[6]Chaudhuri S，Dayal U，Narasayya V.An overview of business intelligence technology[J].Communications of the ACM，2011，54(8)：88-98.

[7]陳鴻雁.商務(wù)智能在保險數(shù)據(jù)分析和決策支持中的設(shè)計與實現(xiàn) [J].計算機系統(tǒng)應(yīng)用，2010，19(11):139-142.

[8]Lahrmann G，Marx F，Winter R，et al.Business intelligence maturity：Development and evaluation of a theoretical model[C].Proceedings of the System Sciences(HICSS)，Hawaii International Conference on.IEEE，2011.

[9]夏國恩，金煒東，張葛祥.商務(wù)智能在中國的現(xiàn)狀和發(fā)展研究[J].科技進步與對策，2006，14(1)：88-90.

[10]楊杉，何躍.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在保險公司中的應(yīng)用[J].計算機技術(shù)與發(fā)展，2011，21(6)：157-160.

[11]馬鳴，趙軼超.實時商務(wù)智能的框架及其技術(shù)分析 [J].計算機應(yīng)用與軟件，2009，26(10)：130-132.

[12]Inmon W H.Building the data warehouse[M].J.Wiley，2002.

[13]Jindal R，Taneja S.Comparative study of data warehouse design approaches：a survey[J].International Journal of Database Management Systems，2012，4(1)：33-45.

[14]Giorgini P，Rizzi S，Garzetti M.Goal-oriented requirement analysis for data warehouse design [C].Proceedings of the 8th ACM international workshop on Data warehousing and OLAP.ACM.