随着信息技术的飞速发展,各行业的业务数据规模也不断增大,企业的管理者面对大量的来至不同方面的业务信息,需要对企业决策问题进行分析和研究。目前,商务智能系统能够使决策者获取及时准确的信息,以理解商务活动并做出智能化、更有效的决策。商务智能(BI,Business Intelligence)是对与企业有关的所有内部和外部的数据进行汇总、过滤、分析和综合利用,使数据转换成信息和知识的过程。近几年来,国内保险业快速发展,保险市场竞争也不断加剧。为了提高市场占有率,充分了解客户的购买行为,制定正确的营销策略,建立保险公司商业智能系统有着十分重要的意义。保险公司的商务智能系统建立在数据仓库、联机分析处理和数据挖掘等技术之上,应用于保险商务活动并形成了一组信息应用技术,实际上是管理活动的智能化。其中,数据仓库是基础,它提供商务智能所需要的各种信息;管理决策者使用联机分析工具对反映保险商务活动的数据仓库进行智能分析,可以提高企业的竞争能力;而数据挖掘可以从数据仓库的海量信息中归纳出商务知识。本文深入了解保险行业的领域知识,详细阐述了数据挖掘技术在保险业客户分析中的应用。本文的主要工作如下:1.介绍了商务智能的概念和体系架构。2.从保险业的基本流程入手,详细阐述了交叉销售、客户分类、客户关系管理等领域的背景知识,介绍数据挖掘和数据仓库技术在该领域分析中的应用。3.从数据仓库概念入手,分别介绍了数据仓库概念模型和逻辑模型的设计与实现。4.从数据挖掘技术入手,分别介绍了分类、聚类、关联规则等算法及其在保险商务智能系统中的应用,并提出了交叉销售模型。通过对FP-Growth算法分析,提出的改进算法能提高树节点遍历效率,从而降低了时间开销,并用实验进行验证。5.介绍了保险业的商务智能系统,包括数据加载与钻取,数据挖掘模型设计和商务智能客户端数据展现。本文着重介绍商务智能系统在保险业的应用,在保险数据仓库的基础上,建立不同主题的数据集市,利用OLAP(On Line Analytical Processing)技术和数据挖掘技术来实现降低企业运行成本、建立更好的客户关系管理、提高销售收入等商务活动。论文对保险业务流程进行了梳理,围绕保险业务处理进行各级需求分析,完成数据仓库的主题选取和建立数据模型。保险数据仓库在数据组织上以保险业务数据的特点为出发点,具有通用性和可扩展性。同时论文指出,数据挖掘技术在保险行业有着广阔的应用前景。商务智能系统应用的成功关键在于用户的应用情况,因此应该通过数据挖掘工具将数据挖掘技术应用到实际工作中。