数据仓库和数据挖掘技术在保险公司中的应用
研究大数据技术在保险行业中的应用
研究大数据技术在保险行业中的应用随着科技的不断发展，大数据技术已经被广泛应用于各行各业。
保险行业也不例外，它正在积极地探索和应用大数据技术，以提高风险评估的准确性、优化产品设计、提高业务效率等方面。
本文将探讨大数据技术在保险行业中的应用。
一、大数据在保险行业中的应用1、风险评估风险评估是保险公司最核心的业务之一。
通过大数据技术，保险公司可以收集、分析客户的个人信息、历史出险记录、社交媒体等数据，从而更准确地评估客户的风险水平。
例如，保险公司可以分析一个人的年龄、职业、驾龄、车辆品牌等信息，以预测这个人发生交通事故的概率。
这种基于数据的风险评估不仅可以帮助保险公司更好地了解客户，还可以降低保险公司的风险损失。
2、精准定价大数据技术可以帮助保险公司分析客户的消费行为、偏好以及对保险产品的需求，以设计出更具吸引力和竞争力的保险产品。
例如，保险公司可以分析客户的驾驶习惯、车辆类型、所处区域等信息，以设计出更符合客户需求的汽车保险产品。
在此基础上，保险公司可以给予客户更准确的保险报价，提高客户的满意度和忠诚度。
3、客户服务客户服务一直是保险公司的重要工作，大数据技术可以帮助保险公司更快、更准确地响应客户的需求。
例如，保险公司可以通过分析客户投诉信息、保险理赔的进程等方面的数据，发现客户的问题并采取适当的措施。
同时，大数据技术还可以帮助保险公司更好地了解客户的偏好、需求和反馈，以进一步提高客户满意度。
4、理赔处理理赔是保险行业的核心业务之一，大数据技术可以提高理赔处理的效率和准确性。
例如，保险公司可以通过分析客户的保险历史、保单信息、事故发生地点和时间等方面的数据，自动化地为客户快速处理理赔。
此外，保险公司还可以借助大数据技术，快速排查欺诈行为和虚假理赔，保证保险业务的合法性和规范性。
二、大数据技术带来的挑战和机遇大数据技术的应用给保险行业带来了巨大的机遇和挑战。
一方面，大数据技术可以提高风险评估的准确性和精确度，有助于保险公司更好地了解客户、创新产品并提高客户满意度；另一方面，大数据技术的引入也带来了一系列的挑战，例如数据质量问题、数据隐私和保护问题、数据管理和分析能力等问题。
保险行业的大数据分析如何利用大数据分析提升保险行业的效率和效果
保险行业的大数据分析如何利用大数据分析提升保险行业的效率和效果保险行业作为现代金融行业的重要组成部分，面对着庞大的数据量和复杂的风险管理挑战。
而大数据分析作为信息技术的重要应用，为保险行业提供了新的机遇和解决方案。
本文将探讨保险行业的大数据分析在提升效率和效果方面的作用。
一、数据挖掘与风险评估数据挖掘是大数据分析在保险行业中的重要应用之一。
通过对大数据的深入分析和挖掘，保险公司可以发现隐藏在海量数据背后的规律和趋势，从而为风险评估提供更准确的依据。
保险公司可以通过对客户的个人信息、历史理赔记录、资产状况等数据进行分析，建立风险评估模型，从而对客户的风险水平进行科学合理的评估。
这不仅有利于保险公司确定保险金额和费率，也为客户提供了更加个性化的保险方案。
二、精准营销和客户服务大数据分析在保险行业中还可以被应用于精准营销和客户服务。
传统的保险营销模式往往是基于大范围的推广和广告投放，成本高而效果低。
然而，随着大数据技术的发展，保险公司可以通过分析客户的购买偏好、消费习惯，以及社交网络数据等，实现精准的市场定位和客户分析。
通过大数据分析，保险公司可以准确把握客户的需求和偏好，有针对性地制定产品推介和营销策略，提高推销效果，降低市场推广成本。
同时，大数据分析还可以帮助保险公司实现客户服务的个性化和精准化，提高客户满意度和忠诚度。
三、欺诈识别和风控管理大数据分析在保险行业中也发挥着重要的作用，可以帮助保险公司识别欺诈行为和进行风险控制。
通过对保险理赔数据、行为数据等进行综合分析和对比，保险公司可以发现异常数据和模式，从而及时识别出欺诈行为。
此外，大数据分析还可以帮助保险公司提高风控管理的水平。
通过对历史理赔数据进行分析和建模，保险公司可以预测和评估不同风险类型的概率以及赔付金额，从而为风险管理提供科学依据，降低理赔风险和赔付成本。
四、创新保险产品和服务大数据分析为保险行业带来了创新的机遇。
通过对大数据的深入挖掘，保险公司可以发现市场和客户需求中的新机会，创造新的保险产品和服务。
大数据在保险行业中的应用
大数据在保险行业中的应用在数字化发展的今天，大数据技术正在快速地渗透进入各行各业，保险行业也不例外。
大数据在保险行业中的应用，既可以提高保险公司的盈利能力，也能够提升客户的保险体验。
本文将深入探讨大数据在保险行业中的应用。
一、大数据可以提高保险公司的效率1. 优化保险公司的营销策略在过去，保险公司营销策略的决策往往依赖于直觉和经验。
然而，大数据技术的引入，可以让保险公司更准确地了解客户的需求和行为模式，从而制定更加精准、个性化的营销策略。
例如，保险公司可以通过分析客户的购买记录和偏好，预测客户的需求，并基于此提供定制化的优惠策略，从而增加客户的忠诚度和满意度。
2. 提高保险理赔的效率保险公司需要对客户提出的理赔进行审核和处理。
在过去，这需要大量的人力和时间，而且容易出现错误。
但是，使用大数据技术，保险公司可以对客户提供的信息进行全面分析和处理，从而极大提高理赔的效率和准确性。
例如，通过分析客户提供的病历、车辆保养记录等信息，保险公司可以更加准确地判断理赔事项，并及时给出理赔结果，提高客户的满意度。
二、大数据可以提升保险客户的体验1. 提供个性化的保险服务每位客户的需求和风险因素都是不同的，因此保险服务也应该是个性化的。
大数据技术可以通过分析客户的兴趣、消费习惯、家庭背景等信息，给出个性化的保险方案和建议，让客户感受到更精准的保险服务，并提高客户的满意度和忠诚度。
2. 预测和避免风险大数据技术可以对客户的风险因素进行全面的分析和预测，从而帮助客户及时预防和避免风险。
例如，通过分析客户的医疗记录和生活习惯，保险公司可以及时提醒客户注意身体健康，并给予相关建议。
在车险方面，分析客户的驾驶记录和车辆保养情况，可以帮助客户预测潜在的风险因素，从而有效地避免车辆损失。
三、大数据面临的挑战和未来发展趋势1. 数据完整性和隐私保护在大数据应用中，数据的完整性和隐私保护是非常重要的问题。
保险公司需要为客户的数据隐私和安全负责，同时确保数据的准确性和完整性。
大数据分析助力保险行业实现精准理赔
大数据分析助力保险行业实现精准理赔随着科技的快速发展，大数据分析在各个领域扮演着越来越重要的角色。
在保险行业中，利用大数据分析技术可以帮助实现精准理赔，为客户提供更好的保险服务。
本文将探讨大数据分析在保险行业中的应用和优势。
一、大数据分析在保险行业中的应用1. 精准定价：通过收集和分析大量的数据，保险公司可以更准确地评估风险，并据此制定更合理的保险价格。
例如，根据客户的个人资料、健康状况、驾驶记录等信息，保险公司可以使用大数据分析技术来判断客户的风险，并据此调整保险费率。
2. 欺诈检测：大数据分析可以帮助保险公司识别和防止欺诈行为。
通过分析大量的数据，保险公司可以发现异常模式和不正常的索赔行为。
例如，如果有客户频繁提出索赔申请并且索赔金额过大，保险公司可以使用大数据分析技术来检测并识别出这种欺诈行为。
3. 精准理赔：大数据分析可以帮助保险公司更快速、更准确地处理理赔申请。
通过分析和比对大量的数据，保险公司可以判断索赔申请的真实性，并且可以根据客户的个人情况和历史数据来决定理赔金额。
这不仅可以提高理赔的效率，还可以减少人为因素对理赔结果的影响。
二、大数据分析在保险行业中的优势1. 提高客户满意度：通过大数据分析，保险公司可以更好地了解客户的需求和喜好，从而提供更加个性化、精准的保险方案。
客户在购买保险时，可以根据自己的实际情况和需求选择最适合的保险产品，从而提高客户的满意度。
2. 降低成本：大数据分析可以提高保险公司的运营效率，降低企业的成本。
通过分析客户的数据，保险公司可以更好地控制风险，减少不必要的索赔支出。
此外，大数据分析还可以帮助保险公司更好地管理客户和业务流程，提高工作效率，降低后台管理成本。
3. 预测未来趋势：大数据分析可以帮助保险公司预测未来的市场趋势和客户需求。
通过分析和挖掘大量的数据，保险公司可以了解市场的变化和客户的需求，从而及时调整保险产品和服务策略。
这可以帮助保险公司保持竞争优势，提前抢占市场机会。
数据挖掘技术在保险行业中的应用
数据挖掘技术在保险行业中的应用随着时代的发展，人们对于保险行业的需求越来越高。
因此，如何提高保险的精准性和运营效率成为了保险公司面临的一项重大挑战。
数据挖掘技术的产生和发展正好能够解决这些问题，成为了保险行业的发展的新方向和新机遇。
一、数据挖掘技术的介绍数据挖掘技术是一种从大量数据中自动发现、提取和分析模式的过程。
它的主要作用是将大量的数据转化为有价值的知识，从而为决策提供支持。
数据挖掘技术包括数据预处理、数据挖掘和结果分析等环节。
在保险行业中，数据挖掘技术可以采集大量的数据，对其进行处理和分析，从而得出有利的决策建议，使得保险行业真正实现提高客户满意度和效率的目标。
二、数据挖掘技术在保险业中的应用1.客户需求分析数据挖掘技术可以为保险公司提供客户需求分析的决策建议。
保险公司可以通过分析客户数据的结构、行为和生活习惯等等，了解客户的需求、偏好和消费习惯，为保险公司提供更适合客户需求的产品和服务。
例如，通过分析客户购买意愿和时间、所在的地理位置和所购买的保险分类等因素，保险公司可以制定个性化的营销策略，更好地满足客户的需求和提高销售效率。
2.风险管理作为保险公司的主要业务，风险管理是保险公司的核心能力之一。
传统的风险管理方法主要基于经验和判断，而数据挖掘技术可以帮助保险公司更好地识别风险、分析损失类型和概率，并且提供高效的保险理赔服务。
例如，通过分析客户的历史保险记录、事故经验和信用评估等因素，保险公司可以预测客户在未来的风险情况，从而更加精确地定价和承保，有效避免风险。
3.客户忠诚度分析通过数据挖掘技术，保险公司可以分析客户的满意度和忠诚度，并且为其提供更加具有独特性和优势的产品和服务，提高客户满意度和忠诚度。
例如，通过分析客户对于服务的满意度反馈、客户投诉和主动询问等因素，保险公司可以及时得到客户信号，从而及时调整对于服务的内部流程和服务质量，通过不断的改进流程和提高服务品质，逐渐提高客户的忠诚度。
大数据在保险领域的应用场景
大数据在保险领域的应用场景
1. 保险产品设计：通过大数据分析客户需求和行为模式，提高产品精准性和人性化程度，增加销售准确率和降低风险。
2. 风险评估：通过大数据采集和分析，了解客户的历史信息、风险指数、疾病史、健康状况等，准确评估风险并提供个性化的保险方案。
3. 保险诈骗预防：大数据能对客户历史信息建立深度学习模型，对异常行为进行分析，识别保险诈骗风险，并及时反馈保险公司。
4. 精细化营销：通过挖掘客户画像、社交网络分析、销售渠道的优化和定位信息分析，提高销售效率和用户满意度。
5. 理赔管理：使用大数据技术进行快速定损、理赔预测、理赔风险管理、行为分析，提高客户满意度和压缩理赔成本。
6. 智能化服务：通过人工智能技术，为客户提供智能化服务，包括智能投保系统、智能理赔系统、智能客服机器人等。
7. 保险数据分析：通过大数据技术，分析和挖掘保险行业的数据趋势、变化和未来发展方向，为保险公司提供决策支持。
数据挖掘技术在寿险客户购买行为分析中的应用
在 寿 险 产 品 的 销 售 过 程 中 ， 四 种 角 色 参 与 ： 保 人 和 有 投
本 文 的 实 验 是 采 用 数 据 集 市 （ ａａ Ｍ ｒ） 形 式 。 数 据 集 Ｄ ｔ ａｔ 的
——■■—一 舞孰端蠢 鬻 ■———■■—● —■■——一
维普资讯
Ｈ
中国高新 技术企 业
一
数据挖掘技 术在 寿险客户 购买行 为分析 中的应 用
◆ 文 ／齐春 莹 张效 严
【 要 】 我 国寿 险行 业 经过 近 二 十年 的 发展 ， 累 ３ 大 量客 户数 据 。本 文通 过 客 户 的 购 买记 录 ， 摘 积 ’
数 据 挖 掘 的 目 标 就 是 从 大 量 数 据 中 ， 现 隐 藏 于 其 后 的 发
规 律或 数 据 间 的关 系 ． 而 服 务 于决 策 。 从
２２ 数 据 仓 库 与 数 据 挖 掘 ．
２数 据清 洗 。 寿 险业 的数 据 与其 他 数 据一 样 ， 常是 含 有 常
噪 声 、 完 全 和 不 一 致 的 ， 据 预 处 理 能 够 帮 助 改 善 数 据 的 质 不 数 量 ． 进 而 帮 助 提 高 数 据 挖 掘 进 程 的 有 效 性 和 准 确 性 。 数 据 清
噪 数 据 仓 库 （ ａ ｒｈ ｕｅ Ｄ ｔ Ｗａｅ ｏｓ ）是 一 个 面 向 主 题 的 （ ｕｊｃ 理 主 要 包 括 遗 漏 数 据 清 理 、 声 数 据 处 理 和 错 误 数 据 处 理 。 ａ ｓ ｂｅｔ
Ｏ ｉ ｔｄ 、 成 的 （ｎｅ ｒｔ ） 相 对 稳 定 的 （ ｏ — ｏ ｔｅ 、 映 ｒ ｎｅ ） 集 ｅ Ｉｔｇ ｅ 、 ａ Ｎ ｎ Ｖ ｌｉ ） 反 ａｌ
大数据在保险业中的应用介绍
数据挖掘与分析
数据挖掘
利用机器学习、关联分析等技术，挖掘数据中的潜在规律和关联关系。
数据分析
通过统计分析、趋势预测等方法，对保险业务数据进行深入分析，为业务决策提供支持。
数据可视化与报告生成
数据可视化
利用图表、图像等形式，直观展示数据分析 结果，帮助用户更好地理解数据。
报告生成
根据分析结果，生成各类业务报告，如风险 评估报告、客户画像报告等，为业务决策提
特性
包括数据量大、处理速度快、数据类 型多样、价值密度低等。
大数据在保险业中的重要性
提高风险评估准确
性
大数据可以帮助保险公司更准确 地评估风险，从而制定更合理的 保险产品和定价策略。
优化客户体验
通过对大数据的分析，保险公司 可以更好地了解客户需求，提供 个性化的服务和产品。
提升运营效率
大数据技术可以帮助保险公司优 化业务流程，提高工作效率，降 低运营成本。
01 区块链技术可以提高保险业务的透明度和可追溯 性，降低操作风险。
02 通过智能合约，保险公司可以自动执行保险合同 条款，简化理赔流程。
03 区块链技术可以保护客户隐私和数据安全，防止 信息泄露和被篡改。
物联网与车联网保险的兴起
随着物联网和车联网技术的发展，保险公司可以实时监测车辆和设备运行 状态，提供更精准的保险服务。
05
大数据在保险业中的未来 展望
人工智能与大数据的结合
01
人工智能与大数据的结合将进一步优化保险业务流程，提高 决策效率和准确性。
02
通过机器学习和自然语言处理技术，保险公司能够更准确地 分析客户需求，提供个性化服务。
03
人工智能可以帮助保险公司进行风险评估和预测，减少欺诈 行为，降低赔付率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
杨 杉 何 ， 跃
（． １ 四川 大学 锦 城 学 院 ， 川 成 都 ６ １３ ； 四 １７ １ ２ 四 川 大学 工 商管理 学 院 ， ． 四川 成都 ６０６ ） １０４
摘 要： 随着我 国保 险 市场 的开放 ， 国保险业 的垄 断格 局被 打破 ， 我 竞争 也 日趋激 烈 。保 险业 作 为传 统数 据 处理 密集 型行
１ １ 数 据 仓 库 的 概 念模 型 设计 ．
人寿保险公 司 ” 是 文 中研究 的具 体实 例 。该 公 司 内 ） 部使用的计算 机 业务 处 理系 统 已大 大提 高 了工作 效 率 ， 这些数 据并 没有系统 集中 ， 但 而是分散在不同地点
收 稿 日期 ：００ １ — ８ 修 回 日期 ：０ １ ０ — Ｏ ２ １— ０ ２ ； ２ １— １３
性 别 年 龄
婚 姻状 况 平 均年 收 入
１ 客 Ｉ 户Ｄ Ｌ
险种 ｌ Ｄ
机构 ｌ Ｄ
健保 康险
意外保 险 终身 或
ｎ ｍ ） 险 种 （ ｒ ｕ ｔ ｎｍ ） 理 赔 金 额 （ ｏ ｐｎａ — ａｅ、 ｐｏ ｃ— ａ ｅ 、 ｄ ｃｎｅ ｓ ｅ ｔ
ｍ ｎｙ ｏ ｅ）
ｐ ｎ ａｅ ｒｓ ｅ ｓ ｔ— ｉｋ
—
ｓｔ ： 户 号 （ｌ ｎ—ｄ 、 别 （ｅ ） 年 龄 ｅ” 客 ｃ ｅｔｉ） 性 ｉ ｓｘ 、
（ ｇ） 婚 姻状 况 （ ａｉ — ｔｕ ） 收入 （ｎｏ ｅ 、 育 ａｅ 、 ｍ ｒ ｌｓ ｔ 、 ａ ａｓ ｉ ｍ ）教 ｃ 程 度 （ ｄ ｃｔ ｎ） 职 业 （ ｃｕａ ｏ 、 构 （ ｇｎ — ｅｕａ ｏ 、 ｉ ｏｃｐ ｔｎ） 机 ｉ ａｅ ｔ
业 之一 ， 已经积 累 的大量业 务数 据 。如果 能够 根据 保险公 司 的实 际情况 ， 构建 数据 仓 库平 台 ， 利用 数 据挖 掘 技术 挖掘 其 中 蕴涵 的知识 和 信息 ， 就能有 效地 制定 市场 策略 ， 以及 时把 握市场 机会 。结 合 Ａ人 寿保险 公 司的实 际情 况 ， 细设 计和 实 现 详 了 Ａ人 寿保 险公 司的数 据仓库 ， 接着 以该数 据仓库 为数 据源 ， 分别 实现 了客 户流失 挖掘 模型 和客 户理 赔 风险 模 型 ， 用直 利 观 的图表方 式将 数据 挖掘 的结 果展示 出来 。最 后给 出 了模 型 的验 证 与评 价 方法 ， 出 了有价 值 的 结论 ， 得 可以 为保 险 公 司 的决 策层提 供参 考 。 关键词 ： 据挖 掘 ； 寿保 险 ； 数 人 客户 流失 ； 户理赔 客
客户个人信息 、 承保信息 （ 新投 保信息 、 保信息 ） 退 续 、 保信息和理赔信息 。
１ ２ 数据 仓库的逻辑模 型设计 ．
挖掘 、 管理信息 系统 、 决策 技术 ； 何
跃， 博士 ， 副教授 ， 究方 向为 研
管理信 息系统 、 数据挖掘 、 决策支持系统。
数据仓库 中广 泛使用 的多维 模 型主 要有 星 型模
２ １２ ．． 数 据 预 处 理
退 保 时问 退 保 金额 退 保 蟓
广｛ ●
职业 （ｃｕａｉ ） 机构 （ ｇｎ— ａ ｅ 、 ｏｃｐｔ ｎ 、 ｏ ａｅｔｎ ｍ ） 险种 （ ｒｄｃ— ｐｏｕ ｔ
ｎｍ ） 缴 费方式 （ ａｔ ｅｎｍ ） 总保 费（ｏ ｌｐｅ ｉ ａｅ 、 ｐｙ ｐ— ａ ｅ 、 ｙ ｔａ ｒ — ｔ— ｍ ｕ１ 、 ｎ） 退保金额 （ ｕ — ｏｅ ） 退保原 因（ ｕｔｒ ｓ ） ｑ ｉ ｍ ｎｙ 、 ｔ ｑｉ ｅ ｏ 。 — ａｎ 客户理赔风 险分析 所需 字段 组成 的数 据 集 “ ｏ— ｃｎ
Ｌｉｅ Ｉ ｓ ａ ｅ Ｃｏ ｐ ｎ ｆ ｎ ｕｒ ｎｃ ｍ ａ ｙ
’
ＹＡＮ Ｇ ｈａ ， Ｓ ｈ ＨＥ ｅ Ｙｕ
（ ．ｉｃｅｇＣ ｌ ｇ ｆ ｉ ｕｎＵｎｖｒｔ ， ｈｎ ｄ １７ １ Ｃ ｉ ； １ Ｊ ｈｎ ｏｌ ｅｏ ｃ ａ ｉｅｓｙ Ｃ ｅ ｇｕ６ ３ ， ｈｎ ｎ ｅ Ｓｈ ｉ １ ａ ２ Ｂ ｓ ｅｓ ｎｇｍｅｔ ｏ ｅｅ Ｓｃｕ ｎｖｒｉ ， ｈ ｎ ｄ １０ ４ Ｃ ｉａ） ． ｕｉ ｓ Ｍａａｅ ｎ ｌ ｇ ， ｉ ａ Ｕ ｉｅｓｙ Ｃ ｅｇ ｕ６ ０６ ， ｈｎ ｎ Ｃ ｌ ｈｎ ｔ
策能力 ， 而提供更好 的产 品和服务 ， 从 赢得更多客户 。
很难获取有价值 的信 息或规 律 ， 也就 很难把 握市 场机
会， 规避市场风险 。 中国人寿保 险股 份有 限公 司 Ａ分 公 司 （ 称 “ 简 Ａ
１ 保 险公 司 数 据 仓 库 的 设 计
保险公 司分支机构较多 ， 地域分布较广 ， 数据仓库 的数据来源于总部及各个地理位置分散 的分公 司。
第 ２ 卷 第 ６期 １ ２ １ 年 ６月 ０１
计 算 机 技 术 与 发 展
ＣＯＭＰＵ ＴＥＲ ＴＥＣＨＮＯＬ０ＧＹ ＡＮＤ ＤＥＶＥＬ ＯＰＭＥＮ Ｔ
Ｖｏ ． １ Ｎｏ ６ １２ ．
Ｊ ｎ ２ １ ｕｅ ０１
数 据 仓 库 和 数 据 挖 掘 技 术 在 保 险公 司 中的 应 用
Ｏ 引 言
随着外资公 司不 断涌人 中 国保 险 市场 ， 国内保 险 市场 的竞争 愈 发激 烈 ， 中国寿 险带 来 了 巨大 冲击 。 给
假如保险公 司无法有 效利用 积 累的 内部 业务数 据 ， 就
的业务 系统 和不 同地点 的计算机 中些零散 的数 据集 中 起来 ， 并挖掘 出有价值 的信息 ， 将大大提高管理层 的决
中 图分 类号 ：Ｐ １ Ｔ ３ １ 文献标 识码 ： Ａ 文章 编号 ： ７ — ２ Ｘ ２ １ ）６ ０ ５ — ４ １ ３ ６ ９ （ ０ ０ — １７ ０ ６ １
Ａｐｐ ｉａ ｉ ｎ ｏ ｔ ａ ｅ ｏ ｓ ｎｄ Ｄａ ａ Ｍ ｉ ｎ ｏ ｌｃ ｔｏ ｆＤａ ａ Ｗ ｒ ｈ ｕ ｅ ａ ｔ ｎｉ ｇ ｔ
两 种 ， 中采用“ 文 星型模型 ” 。将 退保 主题和 理赔 主题 作为 中心 的星型数据模 型 ， 由一个事实表 、 五个维 表组
成 。事实表 中的每条 记录 含有指 向每个 维 表 的指 针 ， 从而将多维数据连接起来 ， 如图 １ 图 ２ 示。 、 所
客 信 息维 表 客 Ｊ。Ｄ ’１ 退 保 事实 表 保 号 险 种维 表 险种 Ｉ Ｄ
在本保险业数据仓库 系统 中 ， 主要 是分 析与客 户
相关的信息 ， 因此只关心与客户密切相关 的四个主题 ：
基金项 目： 国家 自然科学基金资助项 目（０ ７ ０７） ７ ７ １６ 作者简介： 杨 杉 （９ ３ ， ， １ ８ 一） 女 四川成 都人 ， 硕士 ， 究方 向为数 据 研