具體地說(shuō)，商業(yè)智能技術(shù)由數(shù)據(jù)倉(cāng)庫(kù)(data warehousing)、聯(lián)機(jī)分析處理(on-line analytical processing，簡(jiǎn)稱OLAP)、數(shù)據(jù)挖掘(data mining)組成，包括這三者在內(nèi)的用于綜合、探查和分析商務(wù)數(shù)據(jù)的先進(jìn)的信息技術(shù)的統(tǒng)稱就是商務(wù)智能技術(shù)。

數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、隨時(shí)間變化的,主要用于決策支持的數(shù)據(jù)集合。一般來(lái)說(shuō)，保險(xiǎn)企業(yè)內(nèi)大都存在著各種各樣的信息系統(tǒng)，這些應(yīng)用驅(qū)動(dòng)的操作型信息系統(tǒng)為企業(yè)不同的業(yè)務(wù)系統(tǒng)服務(wù)，具有不同接口和不同的數(shù)據(jù)表示方法，互相孤立。利用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)可以動(dòng)態(tài)地將企業(yè)的各個(gè)子系統(tǒng)中的數(shù)據(jù)抽取集成到一起，進(jìn)行清洗、轉(zhuǎn)換等處理之后加載到數(shù)據(jù)倉(cāng)庫(kù)中，通過(guò)周期性的刷新，為用戶提供一個(gè)統(tǒng)一的、干凈的數(shù)據(jù)視圖，為數(shù)據(jù)分析提供一個(gè)高質(zhì)量的數(shù)據(jù)源。

對(duì)于數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，可以使用一些增強(qiáng)的查詢和報(bào)表工具進(jìn)行復(fù)雜的查詢和即時(shí)的報(bào)表制作，可以利用OLAP技術(shù)從多種角度對(duì)保險(xiǎn)業(yè)務(wù)數(shù)據(jù)進(jìn)行多方面的匯總、統(tǒng)計(jì)、計(jì)算，還可以利用數(shù)據(jù)挖掘技術(shù)自動(dòng)發(fā)現(xiàn)其中隱含的客戶銷售習(xí)慣、客戶類別、理賠信息、產(chǎn)品銷售信息等。

數(shù)據(jù)挖掘又稱知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database，簡(jiǎn)稱KDD)，是從大量數(shù)據(jù)中抽取有意義的、隱含的、以前未知的并有潛在使用價(jià)值的知識(shí)過(guò)程。數(shù)據(jù)挖掘是一個(gè)多學(xué)科交叉性學(xué)科，它涉及統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、模式識(shí)別、可視化以及高性能計(jì)算等多個(gè)學(xué)科。利用數(shù)據(jù)挖掘技術(shù)可以分析各種類型的數(shù)據(jù)，例如結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)、靜態(tài)的歷史數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)流數(shù)據(jù)等。

數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)企業(yè)的應(yīng)用分析

數(shù)據(jù)挖掘是從大量的、不完全的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的數(shù)據(jù)中發(fā)現(xiàn)其潛在規(guī)律的技術(shù)，是當(dāng)前計(jì)算機(jī)科學(xué)研究的熱點(diǎn)之一。隨著信息技術(shù)的高速發(fā)展，積累的有關(guān)保險(xiǎn)業(yè)務(wù)的數(shù)據(jù)量劇增，如何從大量的數(shù)據(jù)中提取有用的知識(shí)成為保險(xiǎn)企業(yè)的當(dāng)務(wù)之急。數(shù)據(jù)挖掘就是為順應(yīng)需要應(yīng)運(yùn)而生發(fā)展起來(lái)的數(shù)據(jù)處理技術(shù)。

數(shù)據(jù)挖掘的對(duì)象

關(guān)系數(shù)據(jù)庫(kù)(relational database)中通常存儲(chǔ)和管理的是結(jié)構(gòu)化的數(shù)據(jù)，它將一個(gè)實(shí)體的各方面信息通過(guò)離散的屬性進(jìn)行描述。而文本數(shù)據(jù)庫(kù)(text database)或文檔數(shù)據(jù)庫(kù)(document database)則通常存儲(chǔ)和管理的是半結(jié)構(gòu)化的數(shù)據(jù)，例如新聞稿件、研究論文、電子郵件、書籍以及WEB頁(yè)面等都屬于半結(jié)構(gòu)化數(shù)據(jù)。空間數(shù)據(jù)庫(kù)、多媒體數(shù)據(jù)庫(kù)中存放的是非結(jié)構(gòu)化數(shù)據(jù)，例如地圖、圖片、音頻、視頻等都屬于非結(jié)構(gòu)化數(shù)據(jù)。相對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)來(lái)說(shuō)，針對(duì)結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)比較成熟，市場(chǎng)上有很多商品軟件可以使用，用得較多的包括IBM Intelligent Miner、SAS Enterprise Miner、SGI MineSet、Clementine SPSS以及Microsoft SQL Server 2005等。關(guān)于半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)挖掘軟件尚不多，相應(yīng)的算法相對(duì)還較少。從另一個(gè)角度來(lái)說(shuō)，數(shù)據(jù)挖掘的分析對(duì)象分為兩種類型：靜態(tài)數(shù)據(jù)和數(shù)據(jù)流(data stream)數(shù)據(jù)。

數(shù)據(jù)挖掘的分析

無(wú)論要分析的數(shù)據(jù)對(duì)象的類型如何，常用的數(shù)據(jù)挖掘分析包括分類、預(yù)測(cè)、聚類分析以及序列分析等。

分類分析　分類分析是通過(guò)分析具有類別的樣本的特點(diǎn)，得到?jīng)Q定樣本屬于各種類別的規(guī)則或方法。利用這些規(guī)則和方法對(duì)未知類別的樣本分類時(shí)應(yīng)該具有一定的準(zhǔn)確度。分類分析可以根據(jù)客戶的購(gòu)買水平和基本特征對(duì)客戶進(jìn)行分類，找出對(duì)保險(xiǎn)企業(yè)有較大利益貢獻(xiàn)的重要客戶的特征，通過(guò)對(duì)其進(jìn)行個(gè)性化、貴賓式的服務(wù)，提高他們的忠誠(chéng)度，進(jìn)行深度開(kāi)發(fā)。

聚類分析　聚類分析是根據(jù)物以類聚的原理，將本身沒(méi)有類別的樣本聚集成不同的組，并且對(duì)每一個(gè)這樣的組進(jìn)行描述的過(guò)程。其主要依據(jù)是聚到同一個(gè)組中的樣本應(yīng)該彼此相似，而屬于不同組的樣本應(yīng)該足夠不相似。

以保險(xiǎn)企業(yè)的客戶關(guān)系管理為例，利用聚類分析，根據(jù)客戶在不同特征如性別、年齡、收入水平、交易歷史、教育狀況、家庭情況等方面的相似程度，對(duì)客戶進(jìn)行分類。通過(guò)聚類分析，保險(xiǎn)企業(yè)往往可以發(fā)現(xiàn)客戶的群體行為，了解客戶的共性，從而提供有針對(duì)性的客戶服務(wù)，提高企業(yè)服務(wù)成功率，如提供針對(duì)性的產(chǎn)品組合，可以提高保單的促成率等等。

次序分析 次序分析用于識(shí)別具體具有先后次序的不同時(shí)間之間的關(guān)聯(lián)性。比如，通過(guò)分析客戶不同次產(chǎn)品的購(gòu)買模式發(fā)現(xiàn)，如果客戶本次光臨購(gòu)買的是重疾險(xiǎn)，下次購(gòu)買的是分紅保險(xiǎn)，則企業(yè)可以通過(guò)對(duì)重疾險(xiǎn)銷量的統(tǒng)計(jì)來(lái)預(yù)測(cè)分紅險(xiǎn)的銷售量。

企業(yè)利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析法從客戶過(guò)去發(fā)生的交易數(shù)據(jù)中尋找影響客戶交易行為的因素，并建立預(yù)模型對(duì)客戶將來(lái)可能發(fā)生的交易行為進(jìn)行預(yù)測(cè)。分析哪些客戶最有可能對(duì)企業(yè)的服務(wù)感興趣，會(huì)對(duì)哪些產(chǎn)品感興趣，哪些產(chǎn)品或服務(wù)通常會(huì)一起發(fā)生在同一次交易里，按什么樣的先后順序發(fā)生，從而實(shí)施有效的交叉營(yíng)銷，提高企業(yè)的客戶價(jià)值。

當(dāng)然，保險(xiǎn)企業(yè)在開(kāi)展BI建設(shè)前，還應(yīng)該進(jìn)一步完善企業(yè)信息的基礎(chǔ)工作。BI本身是企業(yè)在信息化具備一定基礎(chǔ)的條件上出現(xiàn)的一種管理方法。如果企業(yè)的數(shù)據(jù)庫(kù)等基礎(chǔ)工作沒(méi)有到位，BI方面的投資再大，其結(jié)果只能是徒勞無(wú)功。只有做好了一些信息的基礎(chǔ)工作，才能使BI有基本的運(yùn)行平臺(tái)，也使BI導(dǎo)入后的正常運(yùn)作奠定了基礎(chǔ)。

商業(yè)智能(Business Intelligence，BI)應(yīng)用可以神奇地分析出兩種看似毫不相干的東西之間原來(lái)有著千絲萬(wàn)縷的聯(lián)系，如今以數(shù)據(jù)倉(cāng)庫(kù)為核心的BI應(yīng)用正在成為國(guó)內(nèi)很多用戶們實(shí)施的熱點(diǎn)。那么BI究竟能給保險(xiǎn)行業(yè)帶來(lái)什么，怎樣有效地利用BI是其中的關(guān)鍵問(wèn)題。

壽險(xiǎn)行業(yè)險(xiǎn)種繁多、流程復(fù)雜、業(yè)務(wù)系統(tǒng)繁多，涉及行業(yè)和專業(yè)技術(shù)都相當(dāng)廣泛。在業(yè)務(wù)拓展、經(jīng)營(yíng)管理高速發(fā)展的同時(shí)，壽險(xiǎn)行業(yè)越來(lái)越感覺(jué)到信息化技術(shù)應(yīng)用不到位所帶來(lái)的掣肘。因?yàn)椋瑐鹘y(tǒng)的業(yè)務(wù)系統(tǒng)是針對(duì)分離的事務(wù)處理而設(shè)計(jì)，并不擅長(zhǎng)于多層次的分析和統(tǒng)計(jì)，而商業(yè)智能能夠從傳統(tǒng)業(yè)務(wù)系統(tǒng)中獲取各類客戶數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，由此建立多層次的分析體系，并將其轉(zhuǎn)化成有商業(yè)意義的信息。