保险行业数据仓库(PDF 12页)

构建保险数据仓库的一个实例
一、前言
几乎所有行业都面对着激烈的竞争，正确及时的决策是企业生存与发展的最重要环节。

越来越多的企业认识到，只有靠充分利用、发掘其现有数据，才能实现更大的效益。

日常的业务应用生成了大量的数据，这些数据若用于决策支持则会带来显著的附加值。

若再加上行业分析报告、独立的市场调查、评测结果和顾问评估等外来数据时，上述处理过程产生的效益可进一步增强。

数据仓库正是汇总这些信息的基础，进而支持数据发掘、多维数据分析等当今尖端技术和传统的查询及报表功能。

这些对于在当今激烈的竞争中保持领先是至关重要的。

调查研究表明，大多数企业并不缺少数据，而是受阻于过量的冗余数据和数据不一致；而且它们变得越来越难于访问、管理和用于决策支持；其数据量正以成倍的速度增长。

这样，信息中心面临着不断增长的决策支持的需求，但是，开发应用变得越来越复杂和耗费人力。

那么怎样把大量的数据转换成可靠的、商用的信息以便于决策支持呢？数据仓库正广泛地被公认为是最好的解决方案。

PLATINUM technology 是世界上最大的数据仓库完整解决方案提供商之一。

在许多行业，我们都已经成功实施了数据仓库。

我们的成功来自于以下方面。

PLATINUM technology. Inc.
保险业数据仓库解决方案全面提供商
丰富的行业知识
成功的用户实例
完善的咨询服务
先进的数据仓库构造过程
完整的数据仓库产品系列
24-10-98
我们为国内一家保险公司建立的数据仓库系统，是结合了国际先进的保险业管理模式和中国国情的系统。

因此，我们的经验应该说具有实践意义和针对我国情况的现实性。

二、为什么需要数据仓库
背景——保险公司在最近几年得到了迅猛的发展，未来预计将以更快的速度增长。

高速发展的保险公司面临激烈的竞争，从而产生越来越多的预测与决策支持需求。

比如想了解：
您能够确定哪些险种正在恶化或已成为不良险种？
您能够用有效的方式制定新增和续保的政策吗？
您的理赔过程有欺诈的可能吗？
您的理赔过程有不必要的额外花费吗？
您现在能得到的报表是否只是月报或季报？
数据仓库技术正是解决这些需求的最先进技术。

原有系统环境——原有的业务数据数据50%采用的是Oracle 数据库，另外50%仍存放在
FoxPro 数据库中，再保险数据存在AS/400系统。

数据仓库目标——建立数据仓库系统是为了改善公司现有计算机应用系统现状，以满
足各级用户越来越多、越来越复杂的统计、分析、预测需求。

它在保持现有应用系统功能的基础上，充分利用保险公司的各种数据源，包括业务数据、财务数据、再保数据、计划数据等，对其进行面向决策的数据重组，将其转移到数据仓库中；并在该数据仓库的基础上建立面向最终用户的基于决策支持的统计分析应用系统和灵活查询系统。

通过该数据仓库系统，用户可以从下列各种不同的角度对经营、计划完成和收益情况进行深层次的统计和分析，以指导其决策：
三、 系统功能与使用
保险数据仓库系统包括许多功能模块：
不同的分析模式，需要采用不同的界面风格：为高级分析人员和计划制定人员，我们采用基于WEB 的模式；为高层领导，采用EIS 风格的Forest&Trees 。

以下以“关键业绩指标分析”为例进行说明。

•保费主要功能模块
•
保险费分析•
新增和延续•
业绩分析•
价格分析•
佣金结构•
代理人曲线•
承保人曲线•
客户曲线•应用处理• 亏损模块的主要功能•直接亏损•频率趋势•严重趋势•案件负荷•亏损分析•亏损报警•支付分析•亏损发展
每次用户进入主界面后，低行会出现一个滚动条，动态从数据仓库中取得关键的信息，所有关键信息要经过设定的告警检查，当超过警戒线后，系统把它作为告警明细提示给用户。

这样，用户会快速得到最想得到的信息，点“告警明细”按纽后，出现更详细信息：
所有“综合指标-1”低于设定值的信息用醒目的红色显示出来，我们可以对这些信息做更深层的分析：
用图形和报表两种方式，我们可以清楚看到各分公司关键业绩指标的比较和排名。

如果我们想了解为什么合肥分公司综合指标-1低，可以双击“合肥分公司”进行深层的数据挖掘，如下图：
对合肥分公司的深层分析，可以从不同的角度进行，如：展现合肥分公司下属的所有分支机构经营情况；展现合肥分公司经营的各险种情况；通过保费范围、行业类别、佣金分析等等。

我们先从分支机构角度进行分析：
现在我们可以清楚看到造成合肥分公司业绩下降的主要原因是各支公司的“历年赔付率”过高，尤其是“合肥支公司”赔付率惊人，从图形上我们也可以清楚看到。

现在，我们再点“合肥支公司”做更深层的挖掘：
Forest&Trees会自动做旋转分析，挖掘出合肥支公司经营的险种情况（包括险种大类和明细险种），这里我们可以进一步发现，是由于“火险”中的“企业财产险”产生了高额的赔付导致问题的出现。

现在还可以进一步看“企业财产险”的经营状况：
我们可以显示出“合肥支公司”经营的“企业财产险”在1—12月，每月的经营状况，发现主要是11月和12月赔付率惊人。

我们再点11月，可以详细到最底层的赔案信息：
现在，可以清楚地发现是哪些重要客户、哪些保单发生了重大的赔案。

我们返回主界面，从另外的角度去看一下其他的信息：
现在我们选择从“保险种类”角度进行对“合肥分公司”的数据分析：
我们可以看到不同险种的经营指标情况和排名，仍然是“火险”的“历年赔付率”最高。

但同时“水险”的保费也出现了红色的告警。

我们再点“水险”看具体数据：
通过交叉分析、旋转分析等多维分析手段，我们可以任意选择想分析的数据种类和层次。

比如可以分析：“保费”、“历年赔付率”、“满期保费”等不同指标，也可以在不同的维上选择不同的分析层次，比如我们可以在时间维上：
我们可以用年、季度、月、旬、周、日或用户指定的范围内进行灵活的数据展现。

同样，在险种、机构等维上也可以进行灵活的选择。

PLATINUM认为，为不同的用户应提供满足个人风格的定制模式。

所以，保险数据仓库系统也提供了灵活的定制方式，比如：
各项指标的告警门限值可以灵活修改；告警颜色同样可以根据个人喜好灵活指定。

另外，分析范围可以根据不同的用户权限进行维护：
我们可以在机构、险种、时间或其他角度进行范围的控制和选择。

四、系统结构与设计
保险数据仓库系统采用可伸缩的三层体系结构：
后端可以是物理上的一个或多个同种或异种的数据库，PLATINUM工具可以同时并行访问；
中间可以是一个或多个应用服务器，并行访问数据库和处理用户请求；
前端可以是PLATINUM的InfoBeacon Client、Forest&Trees、InfoReport或其它通用的开发工具，如Excel、VB、PowerBuilder等，也可以是Web Browser。

五、 系统实施过程
数据仓库的实施，需要技术人员与业务人员的紧密配合，我们采用以下的人员配置，以达
求的变化：
OLTP
数据源
集中数据仓库
数据集市•设计
•对应•抽取•清洗
•转换•加载•建立索引•聚合/汇总•复制•数据集分布•数据访问 & 报表、查询，•多维分析
•资源调度和分配
元数据管理
数据仓库项目流程管理及系统性能管理和监控
承保理赔
财务
再保
InfoPump OLAP Server InfoBeacon F&T
WEB
数据仓库系统实施过程 业务需求分析
数据模型设计
数据转移逻辑设计
数据转移
屏幕流程设计
应用原型设计及确认
前端应用设计
培训
测试验收
文档生成。