基于数据仓库技术的保险业统计分析系统设计论文.docxVIP

基于数据仓库技术的保险业统计分析系统设计论文 基于数据仓库技术的保险业统计分析系统设计全文如下： 摘 要：通过分析保险行业的核心业务，采用数据仓库技术，对保险企业中的海量历史数据进行集成和统计分析，得到精确的业务运行分析报告，对业务及客户进行趋势分析，以便及时作出正确决策并根据自身需要监测业务运营。 关键词：数据仓库;保险业;ETL;多维数据;统计分析 1 数据仓库简介 数据仓库Data Warehouse，DW是随着关系数据库、并行处理和分布式技术的飞速发展而产生的[1]， W?H?Inmon出版了《Building the Data Warehouse》一书，给出了数据仓库的定义：数据仓库是一个面向主题的、集成的、非易失的、随时间变化的用来支持管理人员决策的数据集合[2]。数据仓库包含的是整个企业视图的粒度化数据。 数据仓库系统通常对多个异构数据源有效集成，集成后按照主题进行重组[3]。存放在数据仓库中的数据通常不再修改，用作进一步的分析型数据处理。 数据仓库系统的建立和开发以企事业单位的现有业务系统和大量业务数据的积累为基础 [4]，其开发是一个循环迭代过程，通常需要企业有一定的业务数据积累，开发人员将这些历史数据通过ETL输入到数据仓库中，进行分析和统计，以建立决策支持辅助系统，为企事业单位管理者提供决策支持。 2 保险业需求分析 随着保险业发展及保险市场竞争的加剧，保险公司在管理和运营方面面临着更高的要求，来自监管、竞争、技术更新及全球化等各方面的压力不断考验着保险企业。保险业发展的核心动力表现在以下几个方面：①进入新分市场及提高业务质量;②巩固客户忠诚度，适应客户多变的需求;③高效的运营;④精确的风险及成本控制;⑤消除各种技术壁垒。 要做到上述目标并不容易。对高层管理者来说，由于统计口径的关系，很难获取一致性数据进行比对，很难及时监控到业务状况，不能有效地进行决策支持。对于业务部门主管与业务分析员，所需报表难以及时获取，即使取得的数据也难用于多视角、全方位地分析业务问题。对于IT部门来说，要不断帮助业务部门制作报表，时间相对较长，而且开发的报表越多，特别是分析型的报表越多，业务系统性能越受影响。 以某人寿保险有限公司为例，该公司的数据支持情况如下： 1保单管理系统中大致有50张左右的报表在运行，但随着公司业务的发展，数据分析及用于日常管理的制式报表与日俱增，报表数量将很快无法满足业务发展需求。 2各业务管理部门有各自的制式报表及统计需求，但在将数据汇总时，时常出现因统计时点不同、指标定义的理解差异等原因造成数据不一致，导致额外的数据校验工作。 3当前报表的IT实现基本上是按照单个报表需求来设计的，造成IT设计无法复用，报表开发缺乏整体规划，呈一种临时性状态，随着报表及统计需求的增加，IT相应的工作将与日俱增。 4因当前报表及数据统计都在保单管理系统中运行，随着需求数量的增加，保单管理系统将面临沉重的夜间批处理压力并严重影响日间日常业务操作的效率及稳定性。 针对上述系统现状，在建设中决定采用数据建模、ETL、数据分析以及数据展现等技术，实现风险管控分析、客户服务分析、客户维持分析、市场销售分析、综合分析和综合管理6大功能，达到以下目标：①代替原有手工报表方式，为业务人员节省时间;②提供精细的分析数据。业绩分析可以从营业部，钻取到营业组，甚至每个FC理财顾问，保全分析可以分析每种保全项目的明细;③统一的分析口径。各部门统计指标，可以在统一的时间点上进行公司级汇总;名称一致的统计口径，可以唯一定义一种统计方式;④唯一的报表平台。从报表需求获取到报表需求分析以及最后的实现都在一个体系下完成，公司数据分析工作逐步系统化和实用化。 3 系统设计 统计分析系统采用灵活架构，在构建一个统一、稳定的企业级数据仓库基础上，分步构建各个独立的分析应用数据集市，满足灵活性、扩展性要求，系统架构如图1所示。 保险数据仓库是一个中央的知识数据库，包含来自寿险系统、团险系统、短期险系统和电话销售系统等源系统的源数据，数据模型分为3层： 1数据准备层Staging Layer： 采用同源系统相似的数据结构存储源系统的每日增量数据。 2保险企业模型层Insurance Enterprise Models Layer： 作为保险数据仓库的核心，相应的保险企业模型部署在该层。根据保险行业的业务视图，保险企业模型分为10个主题，根据保险信息的特性而非事务处理的目的来设计，企业级上所有保险业务信息根据历史版本进行记录。在数据准备层通过ETL数据抽取转换装载程序进行数据批处理，采用增量机制装载