许多保险企业不断对数据仓库、数据架构、分析法和商业智能(BI)平台进行巨大投资，却仍然无法从商业智能行动中获得期望或需要的价值。过去十年，保险企业在数据仓库和商业智能建设方面进行的投资已达数亿美元。

　　虽然保险企业给予数据库极大的关注并加大了投资，但却收效甚微;很多也仅仅只是将老旧系统中庞大、单调的报告数据转移到新系统中，而保险企业手中的信息依然杂乱零散、相互矛盾、更新缓慢且缺乏指导意义。企业高管和经理们在面对各种充满不详预兆的报告时依然手足无措。他们在解读这些信息对于业务变动所具有的意义时困难重重。原因在于企业掌握的信息要么过多，要么太少，很少能刚好符合需要，而且它们始终未能具备深度钻研和分析问题真正根源的能力。

　　当前，商业智能为保险业实际带来的变革似乎与当初承诺截然不同。为何本应拥有更佳数据和系统的保险企业，仍在不断制作毫无洞察力与影响力的静态电子数据表格?其主要原因表现在如下三个方面：

　　首先，商业智能计划的重点在于技术，而非真正的资产——信息。

　　第二，新型商业智能系统的设计照搬了老一代系统面向部门使用者的孤立的片段式的报告模式，而未能强调企业整体的洞察力。

　　第三，将商业智能视为一种信息技术项目，由信息技术部门进行管理和控制，而不是由企业级的业务部门管理。

　　但商业智能的前景并未因此而黯淡下去。随着分析法的不断发展和进步，商业智能越来越受到关注，因其有助保险企业将业务洞见纳入业务流程之中，释放自身的增长潜力。保险企业可将商业智能应用于企业的方方面面，赋予员工更强大的洞察能力，提高绩效。

　　对保险企业来说，如果要从巨大的商业智能投资中实现期望的投资回报。必须扭转数据系统的当前模式，及时向员工提供适当信息，帮助其分析、评估和应对不断变化的市场条件，以推动业绩增长。

　　长期以来，保险业中的预测性分析法主要专注于风险细分或定价。但对保险企业而言，预测性分析法具有更为广泛的用途;可用于企业的重要经营活动，从各个领域优化经营绩效。例如，在将分析转化为行动的过程中，预测性分析法可帮助企业解答如下关键问题：

　　基于业务技能对核保人员分配核保任务是否有意义?针对特定规模、行业、位置或范围的保险标的，风险分析信息可为我提供哪些洞察?

　　如何从营销支出中获取最大回报?城市或农村地区的保险经纪人谁拥有更多机遇?

　　对于特定的损失类型，从客户服务和理赔的角度看，谁是最佳理赔供应商?

　　对于特定的损失或行业类型，哪些诉讼人将最为合适?

　　为通过商业智能投资获取更多洞察与价值，保险企业需采取以下六项关键行动，进一步推动实现整体观。

　　建立一套与整个企业关系最为紧密的核心数据。

　　建立核心的管理中心，明确其价值并定义职能。

　　开始有计划地对数据进行清理。

　　快速开发商用工具。

　　报告智能化。

　　构建解决方案，提供广泛而细致的洞见。

　　为了更好地明确自身业务经营的前进方向，保险企业必须充分挖掘商业智能的所有潜力，其中既存在着巨大的机遇，同时也需要完成许多艰巨的工作。借助商业智能，保险企业的大量数据可通过精密的分析工具加以过滤，从而有助企业更快做出决策，采取具体行动，改善业务经营，并最终实现增长。