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。
保险数据仓库数据抽取的设计与实现陈鸿雁【期刊名称】《中国金融电脑》【年(卷),期】2011(000)004【总页数】5页(P48-52)【作者】陈鸿雁【作者单位】中国人寿保险股份有限公司重庆市分公司【正文语种】中文随着保险行业竞争的加剧和信息化建设进程的推进，各家保险公司逐步实施了数据仓库建设，而数据抽取作为数据仓库建设的关键技术之一，其设计的好坏将直接影响整个数据仓库建设的成败。
在数据抽取的设计过程中，经常由于数据源质量不高、数据源修改主键、多表对一表抽取数据不同步和数据源不支持数据仓库的抽取等，导致数据抽取过程中出现数据遗漏、冗余、错误等情况的出现，造成数据质量差并影响公司信息决策。
一、数据抽取设计原理由于保险业务系统处理逻辑复杂，数据量大，开发平台和技术规范不统一等原因，给数据仓库抽取设计带来了不小的难度。
因此，在数据抽取设计时，既要考虑满足数据仓库之初管理需求的实现，又要考虑实现数据规范的统一、避免对OLTP（联机事务处理）数据库性能的影响、减少对OLTP库结构的修改等的约束，在保障数据抽取质量和效率的前提下，我们提出了保险数据仓库数据抽取解决方案（如图1所示）。
1.各数据抽取层的概述（1）OLTP数据源，即所有保险联机事务处理数据库以及其他非结构化数据。
为减少对OLTP的性能影响，我们对各生产库要抽取的源数据表增加了插入、删除、修改触发器，由触发器调用数据库内核捕获OLTP数据源的表记录变化，并按事务处理前后将这种变化保存在轨迹库中。
图1 数据仓库数据抽取体系结构（2）OLTP轨迹库，即保存反映OLTP数据变化的轨迹数据库，与OLTP数据源是一对一关系，且尽量选择相同数据库，这样确保对OLTP性能影响较小。
它与OLTP数据库表结构的不同之处在于，OLTP轨迹库表除比OLTP数据库表多三个字段，其他字段结构相同，多的三个字段分别表示：变化类型标识、更新时间戳、标识型字段，如一条记录在生产库中先被插入，而后修改再删除，这样在轨迹库中将保存三条记录。
