摘要：保险公司经过持续不断的业务信息化建设，已经建立了核心业务处理系统、财务系统、营销人员管理系统、数据服务平台等多个不同层次的业务应用系统，这些系统为保险公司的快速发展起到了十分重要的作用，同时产生出大量的基础数据。随着保险公司客户的增加及业务数据量的增长，需要对公司决策者和管理者提供更方便更有效的数据分析应用，客户关系管理（CRM）由此应运而生。
本文从某保险公司分析型CRM系统的需求分析、总体设计、系统实施以及系统测试等方面出发，从保险行业产品和行销特点的角度，重点分析了保险行业客户信息处理的特点和客户关系管理系统建立的必要性和特殊性。详细讨论了构建保险行业分析型CRM所采用的技术、技术难点以及实现方法。
在论文的最后，介绍了系统的测试情况、系统上线实施的工作阶段和工作体会，结合作者的研究方向和实践经验，对系统未来发展方向做出总结。
关键词：CRM 保险行业 保险客户 商业智能 联机分析处理
中图分类号：TP311 文献标识码：A 文章编号：1007-9416(2012)01-0098-04
1、绪论
1.1 CRM的产生、系统组成
随着市场经济的深入发展，企业对市场和客户的依赖已经逐步提高到几乎企业生存高度，谁能把握住市场的脉搏，满足客户对产品的需求，谁就能赢得市场，赢得客户，从而企业才能生存、发展、壮大。。因此，企业以客户为本，就是以客户关系为本，客户关系的竞争实乃是市场竞争的焦点，市场营销的实质实际上也就是市场客户关系的大博弈，如果企业不能认识这一市场营销的本质，那它很可能无法长期有效地赢得客户并最终赢得市场，因此企业在处理与市场客户关系时，越来越感觉到没有信息技术支持将力不从心，CRM应用系统由此应运而生。
1.2 CRM发展的意义
通过某保险公司CRM系统的设计和实施，对公司有以下几个现实意义：(1)市场开拓。(2)吸引、保留客户，提高客户忠诚度。(3)减少销售环节、降低人力成本。(4)为管理层提供数据分析决策支持。
1.3 保险业的特点及国内现状
保险行业已经成为了国内发展最为迅速的行业之一，随着改革开发以来，国内的保险业也逐渐与国际保险体系接轨，这既面临发展的机遇也同时面临严峻的考验。保险行业具有以下的特征：购买行为的可持续性、后续服务的复杂性、经营对象的风险性、成本的不可确定性、产品的特殊性。
从我国保险行业整体客户关系管理建设和应用的情况来看，也存在一些不可忽视的问题，部分保险企业至今还未将客户关系管理系统提上日程，甚至有的管理者主观上对客户关系管理建设缺乏足够的认识，总认为销售更重要，不注重维系客户关系。也有的保险企业虽然上线了客户关系管理系统，但由于缺乏各部门的通力协作，始终未能将系统真正应用起来或没有达到预期的目的。
1.4 主要研究内容和目标
研究内容：通过对某保险公司分析型CRM系统的研究，首先对该系统研发过程中对业务需求进行了分析，同时，了解了系统开发中实际的特有方法，包含对系统的需求分析，系统的模型设计、报表的分析、ETL设计以及系统如何实施，最后进行系统的验证测试。
建设目标：某保险公司的CRM系统建设是通过建立一个统一的客户信息数据分析系统平台，为公司管理层提供统一的门户界面，并采用数据仓库及数据挖掘工具等决策分析技术制作信息报表，从而挖掘有价值的信息。公司CRM系统建设的目标：(1)整合各方面的资源，提高管理效率。(2)为客户建立一体化服务渠道，提供差异化服务，提高公司对客户的服务能力，及时了解和解决客户的投诉和要求，确保对客户的保留能力，提高客户满意度。(3)对客户数据进行分析挖掘，制作其报表为公司决策提供支持。
2、分析型CRM的组成和相关技术
2.1 分析型CRM的组成
分析型CRM系统以发掘客户价值为目标，把客户分层分类，并把分析结果提交操作型CRM系统，使其开展有依据、有策略的、积极进取的营销活动和差异化的客户服务。分析型CRM由以下4个方面组成：分析主题、数据建模、ETL应用、分析展现应用。
(1)分析主题：分析主题涵盖10个主要领域，即客户、产品、渠道、营销、销售/承保、理赔、服务、组织/员工、财务等9个基本领域，以及在此基础上派生的综合经营分析领域。
(2)分析展现：分析型CRM应用一般会应用商务智能工具，将这些分析工具大量应用于保险行业的分析应用中，比如仪表盘、即席查询、数据挖掘、移动分析、业务简报、实时决策等应用模式。
2.2 相关技术
数据仓库技术：数据仓库概念创始人W.H.I.Inmon对数据仓库的定义是：数据仓库是面向主题的、集成的、相对稳定的、不同时间的数据集合，用于支持经营管理中的决策制定过程。
ETL技术：数据整合的核心内容是从数据源中抽取数据，然后对这些数据进行转化，最终加载的目标数据库或者数据仓库中去，这也就是我们通常所说的 ETL 过程（Extract Transform Load）。
OLAP技术：OLAP是针对特定的分析主题，设计多种可能的观察形式，设计相应的分析主题结构(即事实表和维表的设计,维度建模)，使决策分析者可在多维数据模型的基础上进行快速、稳定和交互性的访问，并进行各种复杂的分析和预测工作。
OLAP分析示意图如图1所示。
数据挖掘技术：数据挖掘技术是根据企业的既定业务目标和存在的问题，对大量的企业数据进行探索，揭示隐藏其中的规律，并将其模型化，指导并应用于实际的企业经营中。
同数据仓库和数据集市及其应用结构，图2数据挖掘示意图
WEB门户技术：门户是一个信息发布平台，系统管理员和部门管理员根据不同的权限将信息发布到相应的部门和用户的门户，这些信息既可以是常用的应用，常用的流程，也可以是常用的数据。同时用户可以将自己经常关心的信息发布到自己的门户，这样极大的方便用户对信息的定位和查找。
3、数据仓库子系统的设计与实现
3.1 具有商业智能特点的分析型CRM
具有商业智能特点的CRM系统，必然将数据分析作为重点功能，通过数据分析和数据挖掘客户相关的信息，为决策支持者提供信息支持。具有保险公司特点的分析性CRM系统有以下几个特征：
(1)保险公司全国分公司核心系统的数据经过数据清洗转换，为数据仓库模型提供基础数据。
(2)CRM系统主要还是以客户分析为主，保费、保单等分析仅作为客户分析的一个角度属性，待未来发展顺利，在逐步完善。
(3)通过微软公司的BI工具，实现以WEB方式进行数据分析的方案，提供下钻，切片，旋转等多种OLAP技术，为用户提供不同角度来观察数据。
3.2 CRM系统的体系架构
分析型CRM系统的总体技术架构图如下图3所示，主要由数据仓库子系统和报表、OLAP子系统两部分组成。
图3 CRM应用系统架构图
数据仓库子系统是CRM的基础，它用于数据的存储和组织，为报表系统、OLAP多维分析提供原始数据。主要通过从全国各分公司业务数据库里抽取数据、并将抽取出的数据进行统一格式的转换、然后将数据装载到数据仓库环境当中、同时也会对数据进行清洗及管理和维护数据仓库。
3.3 数据仓库的设计
分析型CRM系统一般遵循以下的数据仓库设计步骤，大体如：(1)概念模型设计：确定系统的边界范围。(2)逻辑模型设计：分析主题域，确定要装载的数据源。(3)物理模型设计：将逻辑模型转换为数据库的物理存储结构，确定数据索引方法、存储结构、数据存储位置。(4)数据仓库的生成：实现数据抽取、转换、加载及清洗。(5)用商务智能OLAP工具对主题进行开发：采用分析工具AnalysisServices对数据进行分析并展示分析结果，并通过报表工具进行联机分析展示。
概念模型设计:数据仓库设计中概念模型设计的目的是确定面向主题的信息包围。本公司的客户信息数据仓库中客户购买主题信息如图4所示。
逻辑模型设计：数据仓库的逻辑模型一般有星型模型和雪花模型两种。星型模型是基于关系型数据库的、面向OLAP的一种多维数据模型的数据组织形式，它由事实表和多个维度表组成。通过使用一个包括主题的事实表和多个包含事实的非正规化描述的维度表来执行决策支持查询，从而获得比规范化设计结构更高的查询性能。雪花模型虽然较星型模型更符合规范化的设计结构，但它增加了查询的复杂度，降低了查询的性能。因此，这里采用星型模型。星型模型的建立要以概念模型中的信息包图为基础，将信息包图转换为星型模型，具体方法为：将信息包图中的度量实体放入星型模型的中心位置上。信息包图中的维度实体放入度量实体的周边。该客户信息数据仓库中客户购买主题的逻辑模型如图4所示。
物理模型设计：物理模型是指教据在数据仓库中的存放形式和组织形式。设计物理模型，要在星型模型或雪花模型的基础上。确定事实表和维表的结构；明确二者的数据字段、数据类型、关联字段、索引结构；确定数据仓库中多维数据集的存储结构，如物理存取方式、数据存储结构、数据存放位置以厦存储分配是否分区等．进行物理模型设计时，应重点考虑的因素有I／O存取时问、空间利用率和维护代价。
3.4 ETL的设计与实现
ETL承担企业数据仓库数据维护角色，保证历史数据的完整性/准确性；ETL负责OCRM与公司现有核心业务系统、外围应用系统进行实时数据交换的角色，保证业务操作时相关业务数据的及时性/准确性。
设计方法：本课题进行数据装载和抽取工作关系非常密切，在同一数据处理过程中完成，与抽取工作相应，数据加载工作也分为两类：历史数据装载和增量数据加载，其中增量装载分为维表的增量装载和事实表的增量装载。维表数据的增量装载是事实表数据增量装载的基础，一般在程序开发和执行过程中，都要求维表的数据先装载，成功后在执行事实表的装载，维表装载是工作中的重点。
一般来说，维表的增量装载也分为三种策略来处理维度表种的变化情况，这三种方式中，所有的输入数据都与现存数据进行比较，如果在自然键上没有发现匹配的记录，那么输入的记录就会被插入到维度表中。一般自然键我们也叫做外键，在数据库中一般设置为自增长加的int数据类型，它能唯一确定一条记录。这三种方式如：(1)一般该方式不需要保留历史记录，直接根据自然键进行判断，如果输入的记录在目标表中存在，那么直接将输入的记录去更新目标表的记录，根据自然健关联，这种策略比较简单。(2)如果记录中一些重要值需要保留，维表的数据发生变化需要体现历史轨迹。在此方式中，如果输入数据属于重要值，并且它与目标表中相应的值不同，那么现存的记录就已过期，于是在维表中插入一条新记录，通过时间方式或者状态位方式标注原有的记录过期；如果变化的字段不属于重要值，那么直接对目标表记录更新。(3)这种方式用于跟踪重要值得变化，但不是为了每个变化就添加一条记录，而是在现存记录上使用不同列来保存当前值和任意前一个值。当发现一个重要变化时，该字段所有以前值都向其下一个以前的值移动一列，并用输入字段值添加当前列。
综合来看，方式1处理过程比较简单也易操作，但许多重要的历史信息不能保留，因此我们对于一些静态的维表就采用此策略，例如客户年龄分段表和时间维度表。方式三过于复杂，我们的系统当中就未采用，方式二在我们的一些维度表，如险种、机构等中就采用了此方式来处理。
客户归并设计:客户归并主要是由于本公司业务系统众多，且客户唯一标记并不统一，因此为避免客户的重复挖掘，识别不同业务客户号对应的是否是同一个客户，消除业务系统对客户的分隔，需要对设计客户归并模型用于报表分析与挖掘。
客户分级设计:客户分级模型的建立，主要是通过客户对本公司的贡献度而设计的模型，用于报表分析与挖掘，通过此模型的建议，可以对本公司的客户进行级别确定，如金卡客户、银卡客户等。
3.5 数据仓库的管理
异常监控:在数据进行ETL过程中随时都有可能出现异常情况，为了准确地检测出各类异常情况，及时发现异常数据并进行相应的补救工作，我们在ETL过程中增加了一套异常数据检测安全机制，从而对数据采集、数据转换装载及清洗过程中实施监控。
监控的主要思路描述如：(1)建立异常信息表和执行步骤日志表，其中异常日志表中用于记录事实表装载过程中，出现异常的记录系统编号、异常信息描述等情况。执行步骤日志表用来描述每一个ETL抽取任务的开始时间、结束时间以及是否正常执行完毕等信息。(2)对各项数据抽取程序中增加对异常情况的判断和处理，比如在事实表处理过程中，发现一条事实记录未能找到对应的维度信息，那么抽取过程中就会将自动将该条事实记录保存为未知状态的信息，并插入在异常信息表中，便于后期运维人员对该条记录进行查看和维护。
抽取调度程序:问题提出：抽取调度程序（系统调度）是合理安排各项抽取程序执行时间、先后顺序，以确保使用数据的准确性和有效性。主要考虑到：确定各类ETL包的装载顺序、各项数据增量装载的时间和顺序。由于调度任务繁多，并且较为繁杂，若由人工去手工调度各类抽取程序，将会大大增加工作量，也会容易出现疏漏，因此考虑为了减轻工作量，需自动化实现对各类抽取任务调度，这也是我们课题需要完成的任务之一。
解决方案：经过我们评估，我们决定采用通过用VB二次开发出一个任务进程作业来实现自动化的各类抽取任务调度。我们首先将各类抽取任务按照其抽取数据源来进行分类，然后按照其中先后的顺序对各类任务进行依赖关系设置，其功能为调度控制系统中各项任务的运行，任务的类型主要为DTS或SSIS包，后续会有其他的任务类型，如.exe、.bat、存储过程等。
4、分析型CRM系统的数据分析与展示
本次课题采用微软公司BI开发工具在三层结构上实现了以浏览器方式分析与表现决策分析的结果。
4.1 OLAP分析
我们公司采用微软的Analysis Services(SSAS)作为联机分析多维数据库OLAP的开发工具，该产品使用服务器组件和客户端组件为商业智能应用程序提供联机分析处理和数据挖掘功能：Analysis Services的服务器组件作为Microsoft Windows服务来实现。
4.2 EXCEL的联机分析服务
通过Analysis Services来建立多维数据集实现OLAP操作后，可以直接利用现有工具MS Office套件中的Excel2007，来实现对多维数据集的数据展现功能，从而可以方便地得到各种统计报表和分析图形，实现上卷、下钻、切片、切块、旋转等OLAP运算。
结合我公司在EXCEL联机分析服务上的经验，以下从EXCEL在商务智能中的作用、技术简介、技术特性上进行介绍
EXCEL在商务智能中的作用：当前OLAP技术已相当成熟，给我们提供了解决问题的新思路，让我们考虑把技术人员从烦琐的报表样式开发中解放出来，同时能有效提高用户满意度。目前我们觉得Excel是一个不错的OLAP前端工具，适合于业务人员自行获取数据和制作报表。
技术特性：Excel与Analysis Services 的整合具有良好的互操作性，通过熟悉的工具将数据信息显示在Excel表格当中，并可以拖拽方式扩展分析信息的显示范围。
Excel 其实就是一种功能全面的 Analysis Services 客户端，也可以称之为报表前端工具。两者整合在一起后可以给用户提供了如下功能：
(1)Excel能够访问在Analysis Services OLAP多维数据集中存储的数。(2)Excel提供了透视表，可向用户展示多维数据，并使用户能够对数据进行切片和划分。服务器执行处理，结果将被缓存到服务器和客户端上，以增强性能。(3)Excel为用户提供Analysis Services特性和分析功能，如KPI、计算成员、命名集、操作和翻译。(4)Excel可以利用Data Mining Add-Ins for Office 2007为终端用户提供丰富的预测和统计分析功能。(5)Excel能够增加自动分析功能，如突出显示数据与表中其他区域或数据范围中的模式不同等异常、根据当前趋势预测未来值、分析不同应用场景的可能结果，以及确定修改的内容以适应特定目标。
4.3 报表服务
我们采用微软公司的Reporting Services系列开发工具，实现对数据仓库数据的动态查询，建立信息目录及报表的数据结构信息文件（.rdl文件），Reporting Services提供了多种不同的方法将报表交付给最终用户。
报表服务的体系结构图6.
图6 报表服务体系统结构
Report Server是Reporting Services产品中的难点之一。它是一种可以让你与其他人（至少是有权限访问服务器的那些人）共享报表的软件。
报表交付：报表通过Report Manager的Web站点发送给用户，也可能作为响应发送给另外一个程序而不是用户请求的Web服务，还可能通过电子邮件发送给订阅该报表的用户。
4.4 报表发布门户
我们公司采用微软的SharePoint Server作为商务智能解决方案，通过集成EXCEL报表，Reporting Servers报表，以及用户权限体系等。其中我们主要利用Performance Point Service进行多维数据的分析和展示。
全面的协作、发布、和仪表盘解决方案:(1)基于SharePoint快速开发部署面向企业的业务分析仪表盘报表；(2)支持多维数据的随意钻入和交互性；(3)仪表盘对象集中管理并可重用；(4)在仪表盘整合了微软的其他BI前端工具：Excel、SQL Reporting Services、Visio等.
深入丰富的分析:(1)丰富的可视化呈现(信息解析树,业绩数据地图化呈现,透视图表)；(2)高级自定制分组和筛选。
5、总结与展望
整个课题实现过程中，充分考虑了业务各个部门的数据分析要求，建立了以客户归并、客户分级、客户模型等数据模型用于报表分析，同时利用商务智能软件开发出多张分析类报表。从系统上线投产并稳定运行一段时间的情况来看，系统无论是从功能上还是性能上都已经达到预期的建设目标。
总体讲，整个系统设计实现过程中，解决了一些用户对于客户数据分析的问题，所设计实现的系统为保险公司提供了一个很好的客户分析模型平台，支持各种角度的客户分析，为更好地适应市场的变化和决策管理提供了重要的技术支持。
本文不仅是对我多年学习和工作的总结及检验，使我有信心将所学专业和所从事工作相结合，理论应用于实际，更使我有动力本着终生学习的态度不断追求专业技术进步紧跟时代和行业发展的步伐，并在实践中检验理论知识。在完成文章过程中，曾遇到一些自己不易解决的技术问题，如代码生成和软件产品的质量不符合用户要求；系统开发周期长；软件开发费用过高等。随着商务智能技术的不断普及和推广应用，用户对报表的展现方式有更高的要求，对较先进的软件开发技术的需求也越来越迫切，面向新一代网站(Silver light)技术逐渐被人们看成是解决这些问题的一种较好方法，可以大大提高用户体验度。
参考文献
[1]周亚庆.基于能力的客户关系管理研究[D].杭州:浙江大学,2002.
[2]伊蒙.数据仓库[M].机械工业出版社,2003.
[3]朱爱群.客户关系管理与数据挖掘[M].2006.
[4]魏华林,林宝清.保险学[M].北京:高等教育出版社,2005.
[5]何荣勤.CRM原理设计实践[M].2003.
[6]周良.客户关系管理系统设计研究[J].2002.
[7]刘同明.数据挖掘技术及其应用[M].北京:国防工业出版社,2001．
[8]潘维民.CRM中的数据仓库[N].计算机世界,2003.56-58．
[9]何荣勤.CRM原理设计实践[M].北京:电子工业出版社,2003．
[10]彭佳红,沈岳,张林峰.数据挖掘中的特征选择及其算法研究[J].计算机工程与设计,2005,26(5): 1176-1178．
[11]马根峰.广东电信公话业务中CRM系统的研究与探索[J].计算机工程与设计,2005,26(5):1361-1362．
[12]Alex Berson,Stephen Smith，Kurt Thearling.构建面向CRM的数据挖掘应用[M].北京:人民邮电出版社,2004．
[13]王珊.数据仓库技术与联机分析处理[M].北京:科学出版社,2003．
[14]萨师煊,王珊.数据库系统概论[M].北京:高等教育出版社,2004.
[15]章立民.SQL SERVER 2000中文版完全实战[M].中国铁道出版社,2005.
[16]吴小平主编.保险基础支持.北京:高等出版社,2002.
[17]张伟.论保险业CRM系统的建立与实施.保险研究,2002.
[18]袁露.客户关系管理应成为保险企业的战略选择.保险天地,2004.
[19]包昌火,谢新洲.数据仓库和数据挖掘.清华大学出版社,2006.
[20]毕建欣.基于数据挖掘技术的保险客户细分管理.金融信息化论坛,2006.
[21]张敏.数据挖掘技术在保险客户群体细分中的应用研究,天津财经大学.
[22]焦惠敏,汪林林.商务智能在现代企业中的应用与研究[J].计算机工程与设计,2006,27(13):2503-2506.
[23]焦有章．2009-2010年中国商业智能市场分析[EB/OL]..cn/qkpdf/szjs/szjs201201/szjs20120166-2.pdf" style="color:red" target="_blank">原版全文