《【企业管理咨询】2019年银行系统科技应用规划项目》由会员分享，可在线阅读，更多相关《【企业管理咨询】2019年银行系统科技应用规划项目（53页珍藏版）》请在金锄头文库上搜索。
1、中国XXXX科技应用规划项目MIS中国XXXX2019 年 9 月 23 日1MIS 系统目标功能模式1.1 数据仓库架构数据仓库以及建立在数据仓库基础之上的 OLAP 和数据挖掘应用是满足现代商业银行管理信息系统很好的技术解决方案。所以，在我们逐一讨论银行管理信息系统和分析型客户关系管理系统之前，首先让我们了解一下数据仓库的一般架构，如下图所示：源系统1数据仓库监控及管理数据整合（ETL）操作数据存储多维数据存储应用层表现层源系统2抽取数据集市查询应用GUI源系统3数据接口转换报表应用SQL,API，HTML、API用户文件报表工具ODS源系统4清洗OLAP应用上载SQL,数据挖掘应用其它源
2、系API统元数据 元数据库（业务和技术方面）资源和管理 元数据库（业务和技术方面）资源和管理信息总线1.1.1图 1数据仓库一般架构源系统数据源指存储从 OLTP（联机事务处理）系统来的事务数据的数据存储库。数据源可能包括综合业务系统、信贷管理系统、网银系统、龙卡交换中心、个人信贷信息系统等作业系统以及外部数据源。这些数据源必然包含不同的语义定义和格式。在某些情况下，在不同的系统之间会出现冗余的数据，这些信息的共享和协调并没有被合理的配置。正是因为这个原因，建设一个可以为银行各个部门以及其它信息用户提供一致的、无冗余的、可靠的集中化的信息基础架构将给建设银行带来增值利益。数据源代表了运营和事务
3、处理（OLTP）业务应用所搜集和存储的数据。数据仓库一般从一个单一的数据源开始，或者从能满足初始报表和分析需求的最少的数据源开始，然后在数据仓库的整个生命周期内扩展到一个互动式的情况以包含更多的数据源和外部系统（如有必要）。1.1.2ETL1.1.2.1 抽取抽取是指识别最佳的数据源，并从中获得所需的数据。它是将数据导入数据仓库的第一步。抽取意味着读取并理解源数据，并复制数据仓库所需要的部分。它由以下选择、全抽取、Delta抽取等功能组成。1.1.2.2 转换转换包含很多不同的技术和步骤；它泛指使数据仓库信息适合于终端使用的过程。这一过程包括那些将源数据格式变为目标数据库格式的模块。转换是选择
4、、变更或操作数据的过程。一般而言，转换包括映射、清洗、汇总、重排和排序等步骤。转换过程中使用的业务规则必须在元数据中加以捕捉和保存以确保对数据有一个恰当和一致的理解。1.1.2.3 加载加载是指将转换好的数据放入数据仓库中的过程。通过批加载工具处理大批量和预排序数据，可以优化数据加载的性能。1.1.2.4 ETL 元数据ETL 元数据提供了管理用于源系统到 ODS，ETL 的映射和转换规则的工具。元数据能够帮助用户理解数据含意，数据是如何到达用户的，之间发生了什么事情。业务用户需要理解他们访问的数据。ETL 部分的元数据大致会包含下列内容： 数据源和 ODS 数据之间的映射关系 ETL 过程描
5、述参数（包括抽取、清洗、衍生、汇总、变形的逻辑） 数据加载计划 数据加载纪录（如日志、时间标签等）1.1.3 操作数据存储（ODS）ODS 是一个集成和集中化的数据存储，它由多个主题的企业级数据组成，包括低层的、细粒度的、为报表目的而长期保存的数据。ODS 必须以关系型数据库来存储和管理数据，最佳的结构通常是按照与业务远景和战略一致的主题而划分的第三范式。2019-09-2332002 BearingPoint, Inc.1.1.3.1 ODS 元数据ODS 所需的元数据主要是银行范围的实体关系模型或逻辑数据模型（LDM）。ETL 元数据将元数据域映射到数据仓库数据域（属性），在 ETL 过程
6、中提供转换、清洗、确认和整合的规则，作为业务需求的解决。1.1.4多维数据存储（数据集市）数据集市代表用多维模型存储的数据，这些数据为不同的应用服务器和 IT 用户提供汇总数 据。数据集市是针对某一特定主题、部门或用户类别的一组数据集合。这些数据经过优化以达 到快速访问和分析报告的目的；因此，数据结构是高度汇总并具有索引的。一般来说，数据集 市所包含的历史数据要比 ODS 少得多。这一层的重点是要以能方便、及时访问的方式组织企业数据。在数据集市中，数据按星型模式 和雪花模式组织，这比第三范式更容易操控。工具供应商都会要求或者推荐数据使用星型模 式。一般而言，他们的工具生成好的 SQL 语句的功
7、能比较有限。所以结构越简单会带来越大的 优势。同样，图表工具也要求快速的响应。星型模式在这一点要比范式设计优越。数据集市可以是物理或逻辑的。物理的数据集市保存在数据库中，逻辑的数据集市则可以是ODS 的一系列视图。如果是逻辑数据集市，它将使用与 ODS 相同的软硬件平台。物理数据集市可以是关系型数据库或多维数据库（MDDB）。一般来说物理的数据集市适用于复杂的业务逻辑和大量的数据。1.1.5OLAPOLAP（联机分析处理）以多维数据分析著名。在数据仓库中查询和分析信息方面提供先进的能力。可以从多角度、多方位地考察客户的信息，如按产品维度、地区纬度、时间维度等。OLAP 一般可以划分为 3 种类
8、型：关系型 OLAP（ROLAP）：使用一个关系型的或者扩展关系型的数据库管理系统（DBMS）来存储和管理仓库数据。ROLAP 服务器负责对每一个 DBMS 后台的优化，汇总浏览逻辑的实施，以及其他的工具和服务。ROLAP 一般比 MOLAP 具有更好的可扩展性。2019-09-2342002 BearingPoint, Inc. 多维 OLAP（MOLAP）：通过基于阵列的多维存储引擎，多维 OLAP 能支持多维数据访 问。它们直接将多维视图映射到数据立方体阵列结构。使用数据立方体的优势在于它能 对预先计算好的汇总数据进行快速索引。 混合 OLAP（HOLAP）：HOLAP 方法结合了 RO
9、LAP 和 MOLAP 技术，汲取了 ROLAP 的可扩 展优势和 MOLAP 的快速计算优势。举例来说，一个 HOLAP 服务器允许大量的底层数据储 存于关系数据库中，同时将汇总数据储存在另外的 MOLAP 存储库中。在以下的分析型客户关系管理和管理信息系统中会给出 OLAP 的应用示例。1.1.6数据挖掘数据挖掘是按照企业既定的业务目标，对大量的企业数据进行探索、揭示隐藏其中的规律性并进一步将之模型化的先进、有效的方法。如通过对客户各种数据深入分析，了解客户的行为，建立模型，并对客户未来的行为进行预测。下表为一般的数据挖掘方法分类和功能说明。本文不就具体算法展开详细讨论，但会在以下的分析型
10、客户关系管理和管理信息系统中会给出数据挖掘的应用示例：类别功能算法预测模型分类决策树， 神经网络， 差异分析 ，Logistic 回 归 ，Probit 回归数值预测线性回归，非线性回归，径向基函数分割聚类分析K均 值 ，Demographic ， 神经网络链接分析关联发现统计，集合论序列关联发现统计，集合论2019-09-232002 BearingPoint, Inc.5相似时间序列发现统计，集合论预测时间序列预测诸如 ARIMA, Box-Jenkins, 神 经 网络等的统计时间序列模型表 1数据挖掘分类和功能1.1.7表现层表现层主要以图形方式以及灵活的、可配置的报表工具向用户展现最
11、终的结果。图形化方式应该就不同的应用支持包括 2-D 图、树状显示、散点图、线图、饼图等多种图形展示方式；可配置的报表工具应该提供可配置的报表模版以及自定义报表的能力。1.2 管理信息系统体系结构1.2.1管理信息系统数据仓库体系架构这里的管理信息系统主要指的是分析型客户关系管理系统、管理会计系统、信贷风险管理系统、资产负债管理信息系统。管理信息系统是为不同的管理主题服务的，它是对集中的业务数据和其他银行内/外数据的综合分析、处理和应用。由于总、分行之间的管理职能有所不同，总分行管理信息系统对数据的要求也随着不同的管理需求有所不同。此外，由于越来越多管理决策需要详尽的、多维的支持信息；同时也要
12、求管理信息系统能具备一定的分析预测和知识发现能力。这就要求管理信息系统建立在数据仓库技术的基础之上。有四种方案组织建行的管理信息系统数据仓库：将数据完全集中在总行或在部分一级分行集中数据是一个方面；针对每一个单独的管理主题构建一个数据仓库与建立统一的数据仓库是另一方面。以下分别描述这四种数据仓库建设方法的优劣：第一种方法：总行建立一个集中的、面向多个管理主题的数据仓库该方法将所有的管理信息系统所需的所有细粒度数据以及汇总数据都集中存储在总行的一个数据仓库之中，该数据仓库将面向所有的管理主题包括分析型客户关系管理、管理会计、资产负债管理和信贷风险管理。分行以客户端方式获得所需的分析后的信息。该2019-09-2362002 BearingPoint, Inc.方法的优势在于能提供一个全行集中的数据存储、保证全行数据的一致性。该方法的劣势在于该方法的构建成本太高，它将从总行、数据中心以及分行抽取数据，抽取的难度相对较大，此外，构建全行集中的数据仓库对容量的要求也相当高（举例来说，假设100,000,000 个人账户平均每年交易 20 次，每次交易需要 1000 字节的存储空间来记录交易的相关内容，为了分析型的客户关系管理，每个账户的交易记录至少要保持两年。那
