如何构建保险数据仓库

笔者和保险公司的IT朋友聊数据仓库及BI应用时，发现一个问题。在他们的保险IT规划都很忌讳用保险数据仓库这个词。可以说有很多原因，如数据仓库金融行业内失败案例多，投入大和实际应用周期长，应用效果不明显等。但是不管怎样，数据仓库，该提还得提，该研究还得研究，保险业数据大集中后的下一步应用就是数据分析，数据分析的基础还必须进行数据仓库的基础工作。

数据仓库技术作为一项数据管理领域的新技术，其精髓在于针对联机分析处理(OLAP)提出了一种综合的解决方案，与以往很多技术不同的是，它主要是一种概念，在此概念指导下完成系统的构造。既没有可以直接购买到的现成产品，也没有具体的分析规范和实现方法，也就是说没有成熟、可靠且被广泛接受的数据仓库标准。在以往关系数据库的设计和实现中，不仅有详细的理论推导，还有无数的设计实例，无论你使用的是什么公司的数据库产品、开发工具，只要按照规范做，那么实现同一业务需求的方案都会很相似。而现有数据仓库的实现中，出现了MOLAP方案和ROLAP方案的区别，出现了形形色色的数据仓库建模工具、表现工具，而设计人员的个人经验和素质也会在其中扮演很重要的角色。

一、数据仓库技术的实现方式

目前在数据仓库技术的实际应用中主要包括如下几种具体实现方式。

1、在关系数据库上建立数据仓库(ROLAP)

2、在数据库上建立数据仓库(MOLAP)

MOLAP方案是以方式来组织数据，以方式来存储数据；ROLAP方案则以二维关系表为核心表达概念，通过将结构划分为两类表:维表和事实表，使关系型结构能较好地适应数据的表示和存储。在数据模型的表达方面，矩阵比关系表更清晰且占用的存储更少，而通过关系表间的连接来查询数据的ROLAP系统，系统性能成为最大问题。MOLAP方案比ROLAP方案要简明，索引及数据聚合可以自动进行并自动管理，但同时丧失了一定的灵活性。ROLAP方案的实现较为复杂，但灵活性较好，用户可以动态定义统计和计算方式，另外能保护在已有关系数据库上的投资。

由于两种方案各有优劣，因此在实际应用中，往往将MOLAP和ROLAP结合使用，即所谓的混合模型。利用关系数据库存储历史数据、细节数据或非数值型数据，发挥关系数据库技术成熟的优势，减少花费，而在数据库中存储当前数据和常用统计数据，以提高操作性能。

3、在原有关系库上建立逻辑上的数据仓库

由于目前正在运行的OLTP系统中已经积累了海量数据，如何从中提取出决策所需的有用信息就成为用户最迫切的需要。新建数据仓库固然能从功能、性能各方面给出一个完整的解决方案，但需要投入大量的人力、物力，并且数据仓库的建设和分析数据的积累需要一段时间，无法及时满足用户对信息分析的迫切需要。因此在筹建数据仓库的前期，可以采用一些合适的表现工具，在原有OLTP系统上建立起一个逻辑的数据仓库系统。尽管由于原有OLTP系统设计上的局限性，这样的系统可能无法实现很多分析功能，但这样一个系统中数据结构固定、信息分析需求相对稳定成熟，因此数据仓库的建模、实现过程会相对容易、便捷；同时，这样的系统也会成为将来真正数据仓库建设的原型。

二、信息系统与数据仓库的关系

由于数据量大、数据来源多样化，在商业保险构建管理信息系统时，不可避免地会遇上如何管理这些浩如烟海的数据，以及如何从中提取有用的信息的问题；而数据仓库的最大优点在于它能把企业网络中不同信息岛上的商业数据集中到一起，存储在一个单一的集成的数据库中，并提供各种手段对数据进行统计、分析。因此可以说，在保险使用数据仓库构建管理信息系统，既有压力，又有数据基础，它们之间的联系是必然的，难以割舍的。

数据仓库在商业保险的应用范围包括承保分析、理赔分析、客户分析、保险精算、风险预测、效益分析等。

在保险信息系统构建时，由于历史情况和现实需求的不同，存在两种途径:

1、建设新系统

由于目前国内商业保险对保险内部运营的监管，缺乏很好的数据搜集机制，因此可以在构建管理信息系统时，分数据收集录入和数据汇总分析两部分来考虑。这样的系统中由于不需考虑大量历史数据的处理问题，同时考虑到搜集过程中可能存在多个数据来源，因此可以在系统建设的同时构建数据仓库，将搜集来的各种数据通过数据抽取整合到数据仓库中。

2、完善原有系统

而对于已经存在OLTP系统，其中沉淀了大量历史数据，则可以先在原有系统上建立逻辑数据仓库，即使用数据分析的表现工具，在关系模型上构建一个虚拟的模型。当系统需求稳定后，再建立物理数据仓库，这样既节省投资，又缩短开发工期。

三、实现中需要注意的问题

.....未完待续