论文部分内容阅读
摘要：社会保障工作中的“金保工程”不断取得进展，利用信息系统进行决策分析的需求日益增加，为了构建决策分析系统需要整合社会保障信息系统中的养老、医保、就业、人才四本数据库的资源。文章探讨了数据整合技术在社会保障信息系统中的应用。
关键词：社会保障；金保工程；数据整合；决策分析
0 引言
为了全面、准确、及时地收集社会保障业务信息，充分挖掘数据库中数据的价值，需建设一个宏观决策系统，借助现代信息技术，对数据进行汇总、整理、交换和分析等加工处理，形成宏观决策数据库，为社会保障政策的制定提供依据和支持，对政策执行情况进行监测。
为了适应宏观决策支持系统建设的需要，我们采用数据整合技术，充分整合养老、医保、就业、人才数据资源，并建设成统一的数据整合平台。该数据整合平台能将这四大数据资源，经过抽取、规则转换、清洗、加载，形成整合资源库，为宏观决策提供数据支持。
1 数据整合的需求
当前，社会保障部门领导要做出一项决策，往往依赖于信息系统，比如：实现常规统计分析、监测预警、预测分析、风险分析等；进行数据、图表、多媒体等各种形式的查询；对比计划和执行情况；对比本期和历史情况；对比部分和总体情况；监测社会保障政策的执行情况；预测政策出台效果；监测劳动力资源结构、市场需求、就业趋势、就业率变化状况；预测就业结构及变化趋势；监测基金收缴、发放、运转、储备和调剂状况；监测劳动保障待遇享受对象动态变化；预测人数变化趋势等等。
决策分析需要的数据通常都是统计数据，但是在现有信息系统下进行决策分析会比较复杂，原因如下：
(1)数据源利用问题，做出一个决策分析往往需要查询多个基于各种异构数据源的业务系统和外部系统，并进行大量数据分析，工作量大，数据利用率不高，且容易出现人为差错。
(2)数据源质量问题。现有业务信息系统的数据大量为业务数据，从这些数据难以提炼出有用信息。并且已有的业务信息系统平台及开发工具互不兼容，直接提取这些业务数据比较麻烦。
(3)数据源标准问题。各个业务系统没有统一的数据接口，也没有通用的数据标准和规范，各个业务数据库无法直接集成。
(4)历史数据问题。统计分析需要大量的历史数据业务系统的历史数据并不完整。
鉴于以上问题，需要建设一个数据整合平台，按照宏观决策的要求，利用数据整合技术，将相关数据提取、分类与整理后，经过数据计算与变换，最后形成宏观决策所需的数据和信息，保存在数据整合资源数据库中，为决策系统提供数据支持。
2 数据资源分析
数据整合资源库的数据都是一些统计和分析数据，如：每月各险种基金缴费统计、各年龄段基金缴费统计等，它们来源于生产数据，所以在数据整合之前，需对现有生产数据资源进行归类。现阶段生产数据资源主要分为公共信息数据集、养老基金数据集、医保基金数据集和就业基金数据集等。(1)公共信息数据集是实现各险种基础信息统一管理的基础数据集。主要包括：
个人基本信息个人信息库、IC卡信息库等。
单位基本信息单位基本信息库、单位所属分支机构信息库、社保机构信息库、社保机构经办人员库、银行信息库等。
参保基本信息库单位参保信息库和个人参保信息库等。
参数信息库职工平均工资信息库、账户记账利率信息库、银行利率信息库、社会保险缴费比例信息库、代码库、账户记账利率信息库、银行利率信息库等。
(2)养老基金数据集主要包括：
单位应付信息库单位应付信息库、单位实付信息库等。
离退休人员信息库离退休人员变更信息库、离退休人员账户信息库、离退休人员待遇信息库等。
养老保险待遇信息库养老保险待遇支付信息库、养老补发退发信息库、养老供养亲属基本信息库、养老供养亲属待遇信息库等。
(3)医疗基金数据集主要包括：
医疗参保人员信息库医疗保险参保人员基本信息库、医疗包干人员基本信息库、参保人员及账户变动信息库、人员就诊档案信息库等。
医疗机构信息库定点医疗机构结算参数库、定点医疗服务机构信息库、定点医疗机构预付费用信息库、定点医疗机构应付信息库、定点医疗机构年度结算信息库、定点医疗机构药品目录库等。
医疗待遇信息库费用分类信息库、医疗保险结算费用信息库、医疗包干人员预付费用库、医疗包干人员费用结算库、医疗保险个人账户返还库、医疗费用分段个人自付比例库、定点医疗机构预付标准库等。
(4)就业相关数据集主要包括：
就业服务机构信息库社保代发机构基本信息库、社保代发机构拨付记录库、就业机构服务情况库等。
参保人员机构信息库参保人员失业保险信息库、人员失业情况信息库、失业人员变更信息库、个人职业指导和介绍就业情况库等。
失业待遇信息库失业待遇信息库、失业人员待遇支付明细库、失业保险补发退发信息库、失业待遇金额标准库、失业保险金享受期限标准库等。
人才交流信息库人才引进信息库、人才派遣信息库、人才就业信息库、人才调动信息库、再就业信息库、人事代理信息库、毕业生落户信息库、企业招聘信息库、个人应聘信息库等。
3 数据整合的实现方式
社会保障信息系统数据库一般都是关系型数据库，数据整合通常可以采用数据库开发技术和ETL技术实现。以下分别介绍这两种实现技术。
3．1 数据库开发技术
利用数据库开发技术的数据整合主要指利用数据库本身的功能，如触发器、PL／SQL存储过程、DBLINK等功能，完成对各个业务系统所需数据的抽取、查询和关联等。
这种数据整合技术有如下优点：
(1)适合于同种数据库之间的数据集成。
(2)投资少，基本都是靠开发人员手工编程为主，只需要一些开发费用。
但也存在一些局限性：
(1)扩展性较差。由于都是开发人员手工编程，后期的维护成本较高，特别是在决策需求发生变化时，需要开发人员修改程序源代码。
(2)数据整合效率难以保证。由于数据库都靠开发商编写，在系统日趋庞大的情况下，在面对复杂的数据整合问题上，效率难以得到保证。
3．2 ETL技术
通过ETL技术及专业ETL软件，对业务数据库的数据经过抽取(Extract)、转换(Transform)，最后加载(Load)到目标数据库，实现业务数据之间的整合。
这种数据整合技术有如下优点：
(1)高效率。ETL软件的数据抽取、转换、加载的效率非常高，特别是对于大数据量的抽取。并且支持对ORACLE9i的增量数据抽取。
(2)改进数据质量。能够根据各种条件校验源数据和目标数据质量，清洗垃圾数据。
(3)强大管理功能。能够通过Web管理界面对数据抽取策 略执行制定时间触发方式，对抽取结果进行分析等。
(4)多平台、多数据源支持。支持各种平台、各种数据库系统(如ORACLE、SQLServer等)以及不同版本数据库的数据抽取。
(5)具备多种数据转换控件，能够完成各种非常复杂的数据转换工作。
但是该数据整合实现技术也存在一些局限性：投资费用较为昂贵，实施周期通常较长。
4 数据整合的实施
数据整合实施工作大致可以分为4个阶段：
(1)业务分析阶段。该阶段主要包括了解需要采集的数据结构定义，和数据表之间的业务联系，例如：需：要了解社保个人信息及账户、单位个人信息及账户、退休人员信息等业务表的数据结构定义，表之间的相互关联等。
(2)设计实施阶段。该阶段主要定义数据整合规则及策略。前者包括字段映射、合并、函数计算定义等。后者主要定义时间策略(定时策略、自动重试、手工策略、事件触发等)。
(3)数据校验阶段。数据校验阶段是数据整合最重要的解段。由于不同业务信息资源之间的语义差别，会引起各种不完整甚至错误信息的产生，因此在系统正式运行之前，必须建立严格的数据校验机制，以保证生产数据和整合平台数据的一致性。建议采用如下方法：
数据的采样每张表取出一些数据作为参照，跟转换后数据进行比较。
数据的计数每张表记录原始数据的记录总数，跟转换后数据进行比较。
数据的重要指标汇总各主要汇总指标，要跟转换后进行比较。
(4)系统上线阶段。将设计好的数据整合流程正式发布，并可设定计划定时执行，系统管理人员可以通过监控界面，进行任务监控和跟踪。随着数据转换业务逐渐增加，管理人员可以根据具体的业务需求，修改计划，合理安排数据转换任务，以在规定的时间内完成所有的数据转换和加载任务。
5 数据整合实施中的管理
数据整合实施的管理，应明确指导思想、具体目标和实施步骤，对数据整合软硬件平台建设作出统一要求。工作中，我们切实做到了如下几点：
(1)组织领导到位。成立了保险业务数据整合工作领导小组，统一组织、实施和部署工作进展。同时，抽调业务骨干、技术人员组成工作小组，专门负责相关具体协调事项。
(2)开展数据整合的技术较为繁杂，涉及数据整合技术和业务知识，又是一项全新的任务，对相关技术人员的业务素质要求很高。因此，我们积极组织技术业务参加各种业务知识培训，并邀请技术专家系统讲解数据整合软件的使用方法，从人员素质方面为开展数据整合工作提供保证。
6 结束语
数据整合平台能够实现多个业务应用系统、多种异构数据源信息的综合利用，为提高社会保障决策水平提供基础数据。但是，数据整合是一项复杂而又基础性的工作，在实际整合过程中会遇到许多想象不到的问题，只有将这些问题一一化解，对数据转换的结果认真校验，才能确保数据整合的准确性，才能最终达到数据整合平台建设“完整、正确、统一、及时、安全”的要求。
关键词：社会保障；金保工程；数据整合；决策分析
0 引言
为了全面、准确、及时地收集社会保障业务信息，充分挖掘数据库中数据的价值，需建设一个宏观决策系统，借助现代信息技术，对数据进行汇总、整理、交换和分析等加工处理，形成宏观决策数据库，为社会保障政策的制定提供依据和支持，对政策执行情况进行监测。
为了适应宏观决策支持系统建设的需要，我们采用数据整合技术，充分整合养老、医保、就业、人才数据资源，并建设成统一的数据整合平台。该数据整合平台能将这四大数据资源，经过抽取、规则转换、清洗、加载，形成整合资源库，为宏观决策提供数据支持。
1 数据整合的需求
当前，社会保障部门领导要做出一项决策，往往依赖于信息系统，比如：实现常规统计分析、监测预警、预测分析、风险分析等；进行数据、图表、多媒体等各种形式的查询；对比计划和执行情况；对比本期和历史情况；对比部分和总体情况；监测社会保障政策的执行情况；预测政策出台效果；监测劳动力资源结构、市场需求、就业趋势、就业率变化状况；预测就业结构及变化趋势；监测基金收缴、发放、运转、储备和调剂状况；监测劳动保障待遇享受对象动态变化；预测人数变化趋势等等。
决策分析需要的数据通常都是统计数据，但是在现有信息系统下进行决策分析会比较复杂，原因如下：
(1)数据源利用问题，做出一个决策分析往往需要查询多个基于各种异构数据源的业务系统和外部系统，并进行大量数据分析，工作量大，数据利用率不高，且容易出现人为差错。
(2)数据源质量问题。现有业务信息系统的数据大量为业务数据，从这些数据难以提炼出有用信息。并且已有的业务信息系统平台及开发工具互不兼容，直接提取这些业务数据比较麻烦。
(3)数据源标准问题。各个业务系统没有统一的数据接口，也没有通用的数据标准和规范，各个业务数据库无法直接集成。
(4)历史数据问题。统计分析需要大量的历史数据业务系统的历史数据并不完整。
鉴于以上问题，需要建设一个数据整合平台，按照宏观决策的要求，利用数据整合技术，将相关数据提取、分类与整理后，经过数据计算与变换，最后形成宏观决策所需的数据和信息，保存在数据整合资源数据库中，为决策系统提供数据支持。
2 数据资源分析
数据整合资源库的数据都是一些统计和分析数据，如：每月各险种基金缴费统计、各年龄段基金缴费统计等，它们来源于生产数据，所以在数据整合之前，需对现有生产数据资源进行归类。现阶段生产数据资源主要分为公共信息数据集、养老基金数据集、医保基金数据集和就业基金数据集等。(1)公共信息数据集是实现各险种基础信息统一管理的基础数据集。主要包括：
个人基本信息个人信息库、IC卡信息库等。
单位基本信息单位基本信息库、单位所属分支机构信息库、社保机构信息库、社保机构经办人员库、银行信息库等。
参保基本信息库单位参保信息库和个人参保信息库等。
参数信息库职工平均工资信息库、账户记账利率信息库、银行利率信息库、社会保险缴费比例信息库、代码库、账户记账利率信息库、银行利率信息库等。
(2)养老基金数据集主要包括：
单位应付信息库单位应付信息库、单位实付信息库等。
离退休人员信息库离退休人员变更信息库、离退休人员账户信息库、离退休人员待遇信息库等。
养老保险待遇信息库养老保险待遇支付信息库、养老补发退发信息库、养老供养亲属基本信息库、养老供养亲属待遇信息库等。
(3)医疗基金数据集主要包括：
医疗参保人员信息库医疗保险参保人员基本信息库、医疗包干人员基本信息库、参保人员及账户变动信息库、人员就诊档案信息库等。
医疗机构信息库定点医疗机构结算参数库、定点医疗服务机构信息库、定点医疗机构预付费用信息库、定点医疗机构应付信息库、定点医疗机构年度结算信息库、定点医疗机构药品目录库等。
医疗待遇信息库费用分类信息库、医疗保险结算费用信息库、医疗包干人员预付费用库、医疗包干人员费用结算库、医疗保险个人账户返还库、医疗费用分段个人自付比例库、定点医疗机构预付标准库等。
(4)就业相关数据集主要包括：
就业服务机构信息库社保代发机构基本信息库、社保代发机构拨付记录库、就业机构服务情况库等。
参保人员机构信息库参保人员失业保险信息库、人员失业情况信息库、失业人员变更信息库、个人职业指导和介绍就业情况库等。
失业待遇信息库失业待遇信息库、失业人员待遇支付明细库、失业保险补发退发信息库、失业待遇金额标准库、失业保险金享受期限标准库等。
人才交流信息库人才引进信息库、人才派遣信息库、人才就业信息库、人才调动信息库、再就业信息库、人事代理信息库、毕业生落户信息库、企业招聘信息库、个人应聘信息库等。
3 数据整合的实现方式
社会保障信息系统数据库一般都是关系型数据库，数据整合通常可以采用数据库开发技术和ETL技术实现。以下分别介绍这两种实现技术。
3．1 数据库开发技术
利用数据库开发技术的数据整合主要指利用数据库本身的功能，如触发器、PL／SQL存储过程、DBLINK等功能，完成对各个业务系统所需数据的抽取、查询和关联等。
这种数据整合技术有如下优点：
(1)适合于同种数据库之间的数据集成。
(2)投资少，基本都是靠开发人员手工编程为主，只需要一些开发费用。
但也存在一些局限性：
(1)扩展性较差。由于都是开发人员手工编程，后期的维护成本较高，特别是在决策需求发生变化时，需要开发人员修改程序源代码。
(2)数据整合效率难以保证。由于数据库都靠开发商编写，在系统日趋庞大的情况下，在面对复杂的数据整合问题上，效率难以得到保证。
3．2 ETL技术
通过ETL技术及专业ETL软件，对业务数据库的数据经过抽取(Extract)、转换(Transform)，最后加载(Load)到目标数据库，实现业务数据之间的整合。
这种数据整合技术有如下优点：
(1)高效率。ETL软件的数据抽取、转换、加载的效率非常高，特别是对于大数据量的抽取。并且支持对ORACLE9i的增量数据抽取。
(2)改进数据质量。能够根据各种条件校验源数据和目标数据质量，清洗垃圾数据。
(3)强大管理功能。能够通过Web管理界面对数据抽取策 略执行制定时间触发方式，对抽取结果进行分析等。
(4)多平台、多数据源支持。支持各种平台、各种数据库系统(如ORACLE、SQLServer等)以及不同版本数据库的数据抽取。
(5)具备多种数据转换控件，能够完成各种非常复杂的数据转换工作。
但是该数据整合实现技术也存在一些局限性：投资费用较为昂贵，实施周期通常较长。
4 数据整合的实施
数据整合实施工作大致可以分为4个阶段：
(1)业务分析阶段。该阶段主要包括了解需要采集的数据结构定义，和数据表之间的业务联系，例如：需：要了解社保个人信息及账户、单位个人信息及账户、退休人员信息等业务表的数据结构定义，表之间的相互关联等。
(2)设计实施阶段。该阶段主要定义数据整合规则及策略。前者包括字段映射、合并、函数计算定义等。后者主要定义时间策略(定时策略、自动重试、手工策略、事件触发等)。
(3)数据校验阶段。数据校验阶段是数据整合最重要的解段。由于不同业务信息资源之间的语义差别，会引起各种不完整甚至错误信息的产生，因此在系统正式运行之前，必须建立严格的数据校验机制，以保证生产数据和整合平台数据的一致性。建议采用如下方法：
数据的采样每张表取出一些数据作为参照，跟转换后数据进行比较。
数据的计数每张表记录原始数据的记录总数，跟转换后数据进行比较。
数据的重要指标汇总各主要汇总指标，要跟转换后进行比较。
(4)系统上线阶段。将设计好的数据整合流程正式发布，并可设定计划定时执行，系统管理人员可以通过监控界面，进行任务监控和跟踪。随着数据转换业务逐渐增加，管理人员可以根据具体的业务需求，修改计划，合理安排数据转换任务，以在规定的时间内完成所有的数据转换和加载任务。
5 数据整合实施中的管理
数据整合实施的管理，应明确指导思想、具体目标和实施步骤，对数据整合软硬件平台建设作出统一要求。工作中，我们切实做到了如下几点：
(1)组织领导到位。成立了保险业务数据整合工作领导小组，统一组织、实施和部署工作进展。同时，抽调业务骨干、技术人员组成工作小组，专门负责相关具体协调事项。
(2)开展数据整合的技术较为繁杂，涉及数据整合技术和业务知识，又是一项全新的任务，对相关技术人员的业务素质要求很高。因此，我们积极组织技术业务参加各种业务知识培训，并邀请技术专家系统讲解数据整合软件的使用方法，从人员素质方面为开展数据整合工作提供保证。
6 结束语
数据整合平台能够实现多个业务应用系统、多种异构数据源信息的综合利用，为提高社会保障决策水平提供基础数据。但是，数据整合是一项复杂而又基础性的工作，在实际整合过程中会遇到许多想象不到的问题，只有将这些问题一一化解，对数据转换的结果认真校验，才能确保数据整合的准确性，才能最终达到数据整合平台建设“完整、正确、统一、及时、安全”的要求。