关键的难点是目前BI的模型跟市场情况有距离。要消除这些距离，一是保险公司要对自己生产出来的数据做很好的管理，同时要丰富更多的数据，重点是丰富那些和保户有关，虽然不是直接相关，但的确对BI应用很重要的数据。
把这些数据补充完之后，要在这些数据基础上抽取出一些，提炼业务模型。比如车险，只抽取车的品牌、排量、生产年代、行驶地点、车主……这些数据还不行，还要在这些要素的基础上，跟标的其他相关数据、社会公共信息实际的数据结合在一起，根据实际情况调整这些要素在分析当中的权重，这样制订出来的模型才有实际价值。
保险企业不一定要自己做这些事，要找有意于此的IT企业共同来做。双方要发挥各自的优势整理数据模型，保险公司先提供数据，IT企业先去做基础分析，在分析基础上，保险企业再提炼数据模型，然后IT企业再做结果的数据挖掘，这是一个交互的过程。在这个过程中，简单的一两次交互是不够的，要很多次的交互才能把数据的价值真正提炼出来。
保险本身就很复杂，由于业务人员不懂IT，IT人员更需要理解业务人员的意图，形成IT语言，才能跟IT专业公司沟通，在众多的基础数据上才能提炼出有效模型。
如何保证有效实施
应该如何保证BI系统的有效实施？
首先，不要把BI实施作为一个IT项目，而要作为一个商业计划。业界已有先例，比如电子商务应用，现在几乎每个保险公司都有这方面的应用，甚至做了很多产品的改造，在结算方面也有很大投入，但实际在保险业中，以电子商务为渠道所形成的业务回报与电子商务资金投入相比，不尽如人意。究其原因，这是把电子商务作为一个IT项目而不是商业计划所造成的。因此，BI不能再以做IT项目的方式来做，它是一种依托于数据基础，加上分析工具，加上保险行业专业知识的整合。从某种程度上说，技术并不是决定性的因素，手段的提供方、合作方的配合，公司的配合程度、重视程度这些因素反而更加重要。如果公司不去真正使用BI系统的话，就没有机会验证系统价值，这样的系统只有死路一条。
其次，在启动BI项目的时候，应用领域选择很关键，既不能选择基础很差的领域，也不能选择应用价值很小的领域。选择技术基础很差的领域很难取得好效果，选择应用价值很小的领域，分析出来的结果对公司没有什么意义。需要选择那些保险公司用得很熟悉，目前存在的问题清楚可见的领域，这样BI系统做起来既有数据基础，效果也会更明显，价值也更大。
总之，实施BI需要抓住一个常用点，迅速产生效果。例如对客户的进行数据分析，形成黑名单，运用到系统当中，一些劣质客户就会被挡在外面。而一些优质客户在费率体系、产品和后续理赔上都会得到更优秀的或是个性化的服务。这样企业马上就会见到应用效果，公司不只是业务规模扩大了，利润也增加了。
链接：BI及其工具
商业智能也称BI，是Business Intelligence的缩写。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。
商业智能所谈的数据来自企业业务系统的订单、库存、交易账目、客户和供应商等企业所处行业和竞争对手的数据以及企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的。为了将数据转化为知识，需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

（c112）