關鍵的難點是目前BI的模型跟市場情況有距離。要消除這些距離，一是保險公司要對自己生產出來的數據做很好的管理，同時要豐富更多的數據，重點是豐富那些和保戶有關，雖然不是直接相關，但的確對BI應用很重要的數據。
把這些數據補充完之后，要在這些數據基礎上抽取出一些，提煉業務模型。比如車險，只抽取車的品牌、排量、生產年代、行駛地點、車主……這些數據還不行，還要在這些要素的基礎上，跟標的其他相關數據、社會公共信息實際的數據結合在一起，根據實際情況調整這些要素在分析當中的權重，這樣制訂出來的模型才有實際價值。
保險企業不一定要自己做這些事，要找有意于此的IT企業共同來做。雙方要發揮各自的優勢整理數據模型，保險公司先提供數據，IT企業先去做基礎分析，在分析基礎上，保險企業再提煉數據模型，然后IT企業再做結果的數據挖掘，這是一個交互的過程。在這個過程中，簡單的一兩次交互是不夠的，要很多次的交互才能把數據的價值真正提煉出來。
保險本身就很復雜，由于業務人員不懂IT，IT人員更需要理解業務人員的意圖，形成IT語言，才能跟IT專業公司溝通，在眾多的基礎數據上才能提煉出有效模型。
如何保證有效實施
應該如何保證BI系統的有效實施？
首先，不要把BI實施作為一個IT項目，而要作為一個商業計劃。業界已有先例，比如電子商務應用，現在幾乎每個保險公司都有這方面的應用，甚至做了很多產品的改造，在結算方面也有很大投入，但實際在保險業中，以電子商務為渠道所形成的業務回報與電子商務資金投入相比，不盡如人意。究其原因，這是把電子商務作為一個IT項目而不是商業計劃所造成的。因此，BI不能再以做IT項目的方式來做，它是一種依托于數據基礎，加上分析工具，加上保險行業專業知識的整合。從某種程度上說，技術并不是決定性的因素，手段的提供方、合作方的配合，公司的配合程度、重視程度這些因素反而更加重要。如果公司不去真正使用BI系統的話，就沒有機會驗證系統價值，這樣的系統只有死路一條。
其次，在啟動BI項目的時候，應用領域選擇很關鍵，既不能選擇基礎很差的領域，也不能選擇應用價值很小的領域。選擇技術基礎很差的領域很難取得好效果，選擇應用價值很小的領域，分析出來的結果對公司沒有什么意義。需要選擇那些保險公司用得很熟悉，目前存在的問題清楚可見的領域，這樣BI系統做起來既有數據基礎，效果也會更明顯，價值也更大。
總之，實施BI需要抓住一個常用點，迅速產生效果。例如對客戶的進行數據分析，形成黑名單，運用到系統當中，一些劣質客戶就會被擋在外面。而一些優質客戶在費率體系、產品和后續理賠上都會得到更優秀的或是個性化的服務。這樣企業馬上就會見到應用效果，公司不只是業務規模擴大了，利潤也增加了。
鏈接：BI及其工具
商業智能也稱BI，是Business Intelligence的縮寫。商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。
商業智能所談的數據來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等企業所處行業和競爭對手的數據以及企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理(OLAP)工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什么新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。

（c112）