保 险 商 务 智 能 技 术
2.4.1结构体系
本系统基于分布对象( Distributed Objects)， 通过程序就可以自动使用和分析处理决策事务，适用于在一个分布式的计算环境中动态地描述、发布、发现和调用服务。基于Web Service所构建的系统应用程序的具有应用集成的特点，它可以用标准的方法把功能和数据暴露出来，供其它应用程序使用。如下图所示：
2.4.2基于数据仓库的数据挖掘技术的商务智能应用
数据仓库和数据挖掘是一类商务智能工具，该方法能充分利用现有的数据资源，在信息技术的辅助下，做出更好的商业决策。其目的是提高企业的市场竞争力和企业价值。随着商务智能的概念的提出，相应的备类计算概念和技术方法也不断提出，如符号计算、神经计算、模糊计算、进化计算、挖掘计算和多维分析计算等。
国内保险公司在过去若干年的时间里都积累了海量的、以不同形式存储的数据资料，由于这些资料十分繁杂，要从中发现有价值的信息和知识，达到决策支持服务的目的，成为迫切的一项工作。数据挖揖计算的提出，使我们认识到数据的真正价值，即蕴藏在数据中的信息和知识。
基于大型数据仓库的数据挖掘和其它计算技术的研究近年来职得了大量理论和技术成果，能为应用研究提供比较充分的理论指导。系统利用保险业多年来积累了大量数据资料，进行信息分析和数据挖掘，为保险企业的风险分析和控制提供基本知识和精算模式。
如下图所示：
2.4.3支持集中与分布的中间件
系统支持灵活的部署模式，既支持完全集中模式也支持应用分布与管理集中的混合模式，井提供两种模式的平滑过渡解决方案。我们设计的数据类( Data lntegration) 中间件，该中间件的作用是数据的存放、利用和增值。构建以数据为中心的应用，包涵报表、统计图、网格（表格)、XML；计算技术；数据选择/查询；语言级数据属性(语义)存取等等。如图所示：
2.4.4商务智能实现方法
保险企业的商务智能系统就是应用数据挖掘和精算技术帮助用户对自身产品设计、业务经营进行风险分析、风险管理、控制与决策的一种的工具。面向保险的商务智能工具可以按三种方式使用： 数据存储与管理、知识验证和发现。
◆数据仓库是( DW，Data Warehouse ) 数据的存储和管理模式；
◆验证模式是事先给出一种假设或估计，然后试图通过存取数据仓库中的数据来证明此假设或估计。这种模式的工具包括查询检索工具、报表系统、多维分析工具、统计分析工具、仿真系统和专业分析计算过程等；
◆发现模式是对事先并不知道发现的方式及关系，是知识发现的方法。数据挖掘工具就是发现模式中的一个范例。
系统应用了这三类商务智能工具，验证和发现这两种模式通常可分为三种方法：
◆信息处理：它专门用来支持初级用户的原始数据访问，包括数据分析和基本的统计分析、查询和服务等技术。
◆分析处理： 它主要是从商业维中按用户的角度来提供数据，可以回答和解决一些常杂的问题。它支持切片、组合、下卷和统览功能。为解决保险业务综台风险因素分析的特别需求，我们开发了一种组合分析技术，并设计了相应的算法；
◆数据挖掘( DM，Data Mining ) ： 它主要是浏览细节性的事务数据以便发掘隐藏的模式和关系。它使用线性和非线性回归模型、神经网络、决策树、规则归纳和集群等的技术，用来发现数据之间的关系，做出基于数据的推断。这些推断的结论往往隐藏在数据之中，不十分明显，或者过于复杂以致采用一般的统计分析方法难以奏效。
未完待续
更多内容，请续看下篇哦
这里有你不容错过的精彩
扫描下方二维码快关注哦
