| [摘要] 数据仓库的建设必须基于比较完善的信息化构架，在原来成功的数据库应用的基础上，积累大量准确的基础数据，根据养老等社保行业自身的发展需求建立数据仓库。随着信息社会的发展，数据仓库技术将为养老等社保行业管理决策提供越来越高的决策支持功能。 [关键词] 数据库； 社保； 社保服务 [Abstract] the building of data warehouse must be based on relatively perfect information-based framework, the success in the original database application based on the accumulation of a large number of accurate basic data, lunwen114according to old-age social security sectors, such as the development needs of their own to set up a data warehouse. With the development of the information society, data warehouse technology for old-age social security sectors, such as the provision of management decision-making is getting higher and higher decision-making support. [Key words] database; social security; social security services 目前，各地市社保中心均统一建立了职工养老保险管理信息。但是，作为社保工作服务的延伸，各参保企业仍大量存在手工、半手工的工作模式，由此带来的问题是：企业和中心数据交换缓慢（报表方式），信息延迟，错误率高，中心和企业沟通困难（对账困难），服务质量不高，工作效率取决于人员业务素质等问题。如何提供更快、更好、更准确的专业服务日趋突出，显然通过传统的手工经办方式，已无法完成日常经办工作。随着信息化的不断深入，不少社保机构的信息系统都经历了数次的升级甚至更换，这样就不可避免的存在运行于不同平台上的、不同结构标准的档案数据集。当要跨越一定的时间长度来查询历史信息时，或者需要汇总多个系统的文件信息时，数据处理和查询的代价都很大。如果能建立档案数据仓库，将数据分离出来进行集成和管理，不但可以满足社保机构的各级用户对档案数据进行快速查询分析等需要，而且可以减轻操作型环境数据存储历史数据和信息型处理负担，使得操作型环境更具有可塑性。 数据库是一个面向主题的、集成的、相对稳定、随时间变化的数据集合，用于支持管理决策制定过程。这可以从两个层次予以理解。首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行重组，并包含大量的历史数据，而且存放在数据仓库中的数据一般不再修改。数据仓库作为一个系统，是多种技术的综合，它由源数据、数据准备抽取、转换和装载、元数据、管理和控制部件及数据仓库工具几部分组成。通过挖掘数据仓库中存储的大量数据，从中抽取有意义的、隐含的，以前未知的并有潜在使用价值的知识。 养老保险数据仓库包括需求分析、数据仓库建模和数据转换等技术工作，需要熟悉各类社会保险，如养老保险的业务流程和应用，本文仅以养老保险数据仓库的设计为例，论述社保数据仓库设计的核心环节。 根据需求分析，养老保险业务主要模块分为，参保单位信息、个人参保信息和个人账户信息。此三大模块为最主要的信息内容，现在以个人账户信息为例说明数据建模情况。参保人员个人账户信息包括：个人编码、身份证号码、姓名、性别、出生时间、参加工作时间、历年来个人月缴费基数、个人缴纳比例、单位划转比例、缴费月数、当年利息、累计利息、个人身份、特殊工种标识（井下、有害、高温）、本人参统时间、用工形式、视同缴费年限、核定连续工龄、所属基层单位名称等。主要的维度和层次包括：缴费月数，层次主要分为年、季度、月份、星期、日期等。参保人信息主要包括年龄、性别、婚姻、职业等。根据概念模型和逻辑模型，对数据粒度和数据组织进行设计，设计出详细的事实表和维度表。 数据结构创建好后，把最主要的个人参保信息、参保单位信息和个人账户信息等中的相关数据导入到数据仓库中。在生成数据仓库时，关键的就是数据质量。数据仓库中存有大量的历史数据，还有当前细节数据、轻度综合和高度综合数据，以满足决策者对不同时间和不同粒度层次的要求。数据的来源可以是企业内部的或是外部的，常常是由不同的数据系统、不同的操作系统及应用生成，因此，数据很容易出现不齐全、不一致或重复的现象。因此在抽取及整合的过程中，必须加上一些步骤，使数据整齐一致。数据转换服务(DTS)是实现转换数据的功能工具，在使用DTS进行数据转换或者是将数据导入、导出到数据仓库中时，DTS必须考虑以下5个过程：即数据提取、转换、清理、加载、汇总几个过程。在数据装载到数据仓库时，不但要进行数据的转换，还必须注意基础代码的统 一。数据准备好后，便可以用工具软件如Excel 、Analysis Services 等进行数据分析、数据挖掘和财务决策。 基于数据仓库的养老保险信息系统采用3层C /S体系结构，将表现层、逻辑层、数据层分离。 最底层是数据仓库服务器，这是一个关系数据库系统，养老保险信息系统的数据集市，元数据库也放在这一层；中间层为OLAP服务器，它是一种特殊的服务器，可以直接实现多维数据的操作；最顶层主要是应用服务器，主要是商业智能应用程序，包括查询和报告工具，OLAP分析和数据挖掘，以及各种报表生成工具。 考虑到兼容性和易用性的需要，前端通过Excel展现。根据养老保险管理决策需求，相应的统计报表可以分为以下两个方面。一是以单位为轴心，分别跟个人、缴费基数、单位类型进行组合，并根据单位缴费事实表中的度量值进行统计，可以得到各个参保单位在相应维度的参保人次、平均缴费、平均基数，并且可以对单位参保形式维度的不同进行比照，以得到参保形式大类、个人子类等不同层次的参保的统计报表。另一方面，我们还可以进行多维度组合形成多维报表，如进行个人参保维度、缴费日期维度、缴费基数维度的组合，可以得到各类参保形式的参保人数、平均基数、缴费率、以及个人缴纳和单位缴纳多少的变化情况，从而为了解人均收入、人均参保年龄和人均福利制度等的决策提供帮助。 数据仓库、联机处理分析、数据挖掘技术是20世纪90年代以来研究的热点，发展至今，这3种技术在养老等社保行业决策支持中的综合应用取得了一定的效果。数据仓库的建设必须基于比较完善的信息化构架，在原来成功的数据库应用的基础上，积累大量准确的基础数据，根据养老等社保行业自身的发展需求建立数据仓库。随着信息社会的发展，数据仓库技术将为养老等社保行业管理决策提供越来越高的决策支持功能。 |