随着国民收入的不断提高与国家各项政策的支持,国内保险业得到了空前快速的发展。而伴随着快速发展的同时,保险公司也产生了大量的历史数据,如何通过技术手段从保险公司的历史数据中发现对企业发展有利用价值的信息,辅助企业管理者们对决策问题进行分析与研究,成为国内各保险公司的当务之急。商业智能是一种基于数据仓库技术,并结合在线分析处理和数据挖掘技术来体现商业价值的服务系统,作为新兴的企业决策支持系统解决方案,可以辅助保险公司在海量的历史业务数据中发现有价值的知识。本文深入研究分析商业智能技术,并从保险公司的日常业务场景需求出发,搭建了基于在线联机分析处理的企业级数据仓库,并在此基础上构建了基于数据挖掘技术的推荐系统。利用多种数据挖掘算法构建模型,来辅助企业管理者完成决策行为。在建立基于在线联机分析处理的数据仓库中,对数据抽取、数据转换、数据装载的过程深入研究分析,建立一套适合保险公司使用的数据加工存储体系。在面向主题的数据仓库中构建数据立方体模型,进行在线联机分析处理。通过对数据切片、数据切块、数据旋转等操作方法的研究,结合保险公司各级管理者关注的指标,实现动态、快速的获取不同维度的汇总数据。在构建基于保单交易信息数据挖掘的推荐系统中,对基于协同过滤、基于二分图网络、基于产品内容的基础算法进行深入的研究,并在此基础上提出了改进算法,分别为基于时序行为的协同过滤算法、引入产品分类系数的协同过滤算法、考虑了连边权重属性的二分图网络算法。结合某财险公司的历史数据对上述算法分别构建模型并进行仿真实验,仿真实验表明改进算法较传统算法的准确度与多样性均有所提升。同时说明通过数据挖掘算法对历史保单交易数据进行分析,可以为交叉销售、挖掘潜在客户提供决策支持。