随着我国医保覆盖面不断扩大,参保人数在不断增加,医保业务也愈加繁杂,为了提高医保工作的效率,医疗保险信息系统得到广泛应用。医保信息系统中存储了大量的数据信息,但并未得到充分的分析和利用。为了进一步发现医保数据中的潜在知识和有用信息,可将数据挖掘技术应用于医保数据分析。利用数据挖掘技术发现医保数据中有价值的信息,有助于医保工作的实施及医院的管理等。目前,国内外已有许多学者研究如何使用数据挖掘技术解决医保领域的问题,常见的有医疗费用预测、医保欺诈检测、医保基金管理等。本文应用数据挖掘技术对医保数据进行分析,研究了频繁转诊序列挖掘和大病保险影响因素分析的问题,内容如下：1)挖掘频繁转诊序列,在更细粒度上研究患者在不同医院间的转诊行为模式。首先抽取转诊序列集,然后用类Apriori算法挖掘频繁转诊序列,针对类Apriori算法存在的不足,提出了两点改进措施。频繁转诊序列挖掘实验表明,改进后的算法运行效率更高。通过对转诊序列挖掘结果进行分析,提取有价值的信息,为医院管理提供指导。2)应用C4.5决策树分类算法分析大病保险的影响因素,研究大病患者的特征。首先针对数据本身的特点和存在的问题进行数据预处理,包括特征抽取、数据清洗、数据离散化和类别平衡化等。然后用预处理后的数据生成决策树,实验得到的分类模型具有较高的分类性能。最后根据决策树提供的信息,分析大病保险影响因素的重要性并抽取规则。