随着数据库技术的广泛应用,产生了大量分散在各个行业的数据。面对大量繁杂而分散的数据资源,如何有效地管理和重组数据资源,提炼出有价值的信息以供决策使用,成为数据库发展面临的一个急于解决的问题。此时,数据仓库与数据挖掘技术的产生和发展为这个问题的解决提供了有效的理论和方法指导。论文以美国Ox International公司的医疗保险业务为背景,在已开发的信息系统上,提出了面向分析的数据仓库与数据挖掘的解决方案。该方案从决策角度出发,针对公司业务建立多维数据模型,将原系统中的历史数据加以处理,并有组织的存放到数据仓库。在此基础上,利用OLAP和数据挖掘技术,对数据仓库中的数据进行各种复杂分析,从而为公司决策提供重要的依据。论文对医疗保险数据仓库与数据挖掘的关键技术进行了详细研究,主要研究内容如下:(1)分析了数据仓库的设计过程,研究了数据仓库的数据模型设计、数据仓库生成、数据仓库管理维护等,着重讨论了数据仓库的维度建模技术。(2)阐述了数据挖掘的基本原理,研究了数据挖掘的工作流程和建模,并对常用挖掘方法—决策树与聚类进行了详细研究。(3)对SQL Server的数据分析环境进行了详尽的阐述,着重研究了DTS服务和Analysis Services服务。(4)在上述关键技术研究的基础上,以医疗保险信息系统为研究对象,设计了医疗保险数据仓库模型,在SQL Server平台上创建了数据仓库,对其进行了OLAP分析和数据挖掘,并对其作用进行了评估。论文相关研究成果已应用于医疗保险信息系统,目前系统运行良好,对公司决策产生了积极的作用。