如何构建银行数据仓库

《如何构建银行数据仓库》由会员分享，可在线阅读，更多相关《如何构建银行数据仓库（10页珍藏版）》请在金锄头文库上搜索。

1、 1 如何构建银行数据仓库如何构建银行数据仓库 数据仓库技术作为一项数据管理领域的新技术，其精髓在于针对联机分 析处理(OLAP)提出了一种综合的解决方案，与以往很多技术不同的是， 它主要是一种概念，在此概念指导下完成系统的构造。既没有可以直接 购买到的现成产品，也没有具体的分析规范和实现方法，也就是说没有 成熟、可靠且被广泛接受的数据仓库标准。在以往关系数据库的设计和 实现中，不仅有详细的理论推导，还有无数的设计实例，无论你使用的 是什么公司的数据库产品、开发工具，只要按照规范做，那么实现同一 业务需求的方案都会很相似。而现有数据仓库的实现中，出现了 MOLAP 方案和 ROLAP 方案的区

2、别，出现了形形色色的数据仓库建模工具、表 现工具，而设计人员的个人经验和素质也会在其中扮演很重要的角色。 数据仓库技术的实现方式 目前在数据仓库技术的实际应用中主要包括如下几种具体实现方式。 1、在关系数据库上建立数据仓库(ROLAP) 2、在多维数据库上建立数据仓库(MOLAP) MOLAP 方案是以多维方式来组织数据，以多维方式来存储数据；ROLAP 2 方案则以二维关系表为核心表达多维概念，通过将多维结构划分为两类 表:维表和事实表，使关系型结构能较好地适应多维数据的表示和存 储。在多维数据模型的表达方面，多维矩阵比关系表更清晰且占用的存 储更少，而通过关系表间的连接来查询数据的 ROL

3、AP 系统，系统性能 成为最大问题。MOLAP 方案比 ROLAP 方案要简明，索引及数据聚合可 以自动进行并自动管理，但同时丧失了一定的灵活性。ROLAP 方案的 实现较为复杂，但灵活性较好，用户可以动态定义统计和计算方式，另 外能保护在已有关系数据库上的投资。 由于两种方案各有优劣，因此在实际应用中，往往将 MOLAP 和 ROLAP 结合使用，即所谓的混合模型。利用关系数据库存储历史数据、细节数 据或非数值型数据，发挥关系数据库技术成熟的优势，减少花费，而在 多维数据库中存储当前数据和常用统计数据，以提高操作性能。 3、在原有关系库上建立逻辑上的数据仓库 由于目前正在运行的 OLTP 系

4、统中已经积累了海量数据，如何从中提取 出决策所需的有用信息就成为用户最迫切的需要。新建数据仓库固然能 从功能、性能各方面给出一个完整的解决方案，但需要投入大量的人 力、物力，并且数据仓库的建设和分析数据的积累需要一段时间，无法 及时满足用户对信息分析的迫切需要。因此在筹建数据仓库的前期，可 以采用一些合适的表现工具，在原有 OLTP 系统上建立起一个逻辑的数 据仓库系统。尽管由于原有 OLTP 系统设计上的局限性，这样的系统可 3 能无法实现很多分析功能，但这样一个系统中数据结构固定、信息分析 需求相对稳定成熟，因此数据仓库的建模、实现过程会相对容易、便捷； 同时，这样的系统也会成为将来真正数

5、据仓库建设的原型。 信息系统与数据仓库的关系 由于数据量大、数据来源多样化，在商业银行构建管理信息系统时，不 可避免地会遇上如何管理这些浩如烟海的数据，以及如何从中提取有用 的信息的问题；而数据仓库的最大优点在于它能把企业网络中不同信息 岛上的商业数据集中到一起，存储在一个单一的集成的数据库中，并提 供各种手段对数据进行统计、分析。因此可以说，在银行使用数据仓库 构建管理信息系统，既有压力，又有数据基础，它们之间的联系是必然 的，难以割舍的。 数据仓库在商业银行的应用范围包括存款分析、贷款分析、客户市场分 析、相关金融业分析决策(证券、外汇买卖)、风险预测、效益分析等。 在银行信息系统构建时，

6、由于历史情况和现实需求的不同，存在两种途 径: 1、建设新系统 由于目前国内商业银行对银行内部运营的监管，缺乏很好的数据搜集机 制，因此可以在构建管理信息系统时，分数据收集录入和数据汇总分析 4 两部分来考虑。这样的系统中由于不需考虑大量历史数据的处理问题， 同时考虑到搜集过程中可能存在多个数据来源，因此可以在系统建设的 同时构建数据仓库，将搜集来的各种数据通过数据抽取整合到数据仓库 中。 2、完善原有系统 而对于已经存在 OLTP 系统，其中沉淀了大量历史数据，则可以先在原 有系统上建立逻辑数据仓库，即使用数据分析的表现工具，在关系模型 上构建一个虚拟的多维模型。当系统需求稳定后，再建立物理

7、数据仓 库，这样既节省投资，又缩短开发工期。 实现中需要注意的问题 一、模型设计中的问题 模型设计(包括逻辑模型设计和物理模型设计)是系统的基础和成败的 关键，在实际操作中，视实现技术的不同应分别对下列问题引起注意。 1、直接构建数据仓库 直接构建数据仓库时，必须按业务分析的要求重组 OLTP 系统中的数 据，并要按不同侧重点分别组织，使之便于使用。 *主题的确定 主题是一个逻辑概念，它应该能够完整、统一地刻画出分析对象所涉及 5 的各项数据以及相互联系。划分主题的根据主要来源于两方面:对原有 固定报表的分析和对业务人员的访谈。原有固定报表能较好地反映出以 往工作对数据分析的需求，而且数据含义

8、和格式相对成熟、稳定，在模 型设计中需要大量借鉴。但仅仅满足于替代目前的手工报表还远远不应 是构建管理信息系统的目标，还应该通过业务访谈，进一步挖掘出日常 工作中潜在的更广、更深的分析需求。只有这样，才能真正了解构建数 据仓库模型所需的主题划分。 *分析内容的细化 主题的划分实际上是与分析内容的范围直接相关的，一旦主题划分清楚 了，下一步就是细化分析的具体内容以及根据分析内容的性质确定它在 数据仓库中的位置。通常维元素对应的是分析角度，而度量对应的是分 析关心的具体指标。一个指标究竟是作为维元素、度量还是维属性，取 决于具体的业务需求，但从实际操作中可以总结出如下的概念性经验: 作为维元素或维

9、属性的通常是离散型的数据，只允许有限的取值；作为 度量的是连续型数据，取值无限。如果一定要用连续型数据作为维元 素，则必须对其按取值进行分段，以分段值作为实际的维元素。判断分 析指标是作为维元素还是维属性时，则需要综合考虑这个指标占用的存 储空间与相关查询的使用频度。 需要特别强调的是，在细化分析内容的过程中，务必解决指标的歧义问 题。在不同报表中以及在业务访谈中同一名称的指标，是否是在同样条 6 件限定下，通过同样方法提取或计算得到的，它们之间的相互关系是什 么，这些问题都必须从熟悉业务的分析人员那里得到准确、清晰的答 案，否则将会影响到模型设计、数据提取、数据展现等多个方面。 *粒度的设计

10、 数据仓库模型中所存储的数据的粒度将对信息系统的多方面产生影 响。事实表中以各种维度的什么层次作为最细粒度，将决定存储的数据 能否满足信息分析的功能需求，而粒度的层次划分、以及聚合表中粒度 的选择将直接影响查询的响应时间。 如果同一个信息系统要在大范围、多层次上同时运行，如部门级和企业 级，还应考虑不同层次的数据仓库采用不同的粒度。 *模型设计中的技巧 复合指标尤其是比率类指标的定义，必须注意累加时是先加减后乘除， 还是反之。户数、笔数的计算，这类指标在分析或报表中经常出现，但 不需要作为单独的指标物理存在于数据库中，但定义分析模型时一定应 该准备。度量的时间特性，针对分析指标在时间维上的不同

11、表现，可分 为可累加指标、半可累加指标和不可累加指标。 2、在原有数据基础上构建逻辑数据仓库 如果直接使用 OLTP 系统中的数据进行数据分析处理，会遇到许多麻 烦，有时甚至是不可能实现的。这并不是说关系数据库不好，而是因为 其设计思路不适应较大规模数据分析。因此在使用这种方法时，需要注 7 意下列问题的处理: *不同的时间单位 这是实现过程中最常遇到的问题，也往往是最难解决的问题。OLTP 系 统中存储的时间往往采用与实际业务发生相同的时间单位，如帐务数据 单位为日期，财务报表单位为月或半年。而面向分析时，往往要将不同 时间单位的数据统一到同一个结果中，这样就必须存在适当的转换机制 才能实现

12、。 *冗余信息 所谓冗余信息，就是指不同关系表中存在的同一含义的字段，而同一含 义不仅指这些字段的取得或计算方式一样，还指它们成立的条件一样， 例如截止某一时间同一地区的同一贷种的贷款余额。在 OLTP 系统中， 这样的字段往往是基于性能考虑而设计的，而在面向分析设计模型时， 为了保证结果的唯一性和准确性，就必须用且只用其中之一的数据产生 分析结果。 *表间连接 由于 OLTP 系统中表的设计面向业务处理，既要保证数据的完整性、一 致性，又要考虑响应时间，因此表与表之间既相对独立，又相互依赖。 在设计数据仓库逻辑模型时，对表间的连接必须做出相应取舍，既要保 证分析数据能通过连接取得或计算出，又

13、要避免出现环路，造成分析数 据的歧义。另外，不同的连接途径还会出现不同的查询速度，影响数据 8 分析的响应性能。 *统计表的设计 如果上述问题不能在原有数据库基础上得到很好的解决，那么权益之计 就是构建统计表，即简单化的数据仓库，形式类似数据仓库的事实表， 定时计算统计数据放入，将时间、冗余、连接等问题摈除，进行简单分 析。 二、数据抽取中的问题 数据抽取是一件技术含量不高，但非常烦琐的工作，必须有专人负责数 据抽取的工作。在对其进行设计时，要注意的问题有: 1、数据抽取的规则要作为元数据进行规范和管理，抽取过程中的源表、 源字段、目的表、目的字段、转换规则以及转换条件都要作好详细记录。 这样

14、不仅便于编程人员实现，而且在抽取规则或逻辑模型发生变化时也 便于修改。 2、如何记录业务数据库中的变动情况是数据抽取中一个重要的环节。 由于数据仓库中按时间保存数据，因此不同时间点之间数据的差异就成 为一个关键性因素。通常可以利用数据库管理系统提供的手段在数据库 级产生数据变动日志，根据日志再判断数据的变动情况完成抽取，这样 是一个从性能、可操作性以及对原业务系统的影响等多方面综合考虑都 比较理想的方法。 3、当数据仓库中同一表中的数据来自于原有系统中不同的表，甚至不 9 同的库时，抽取时务必保证这些数据单位一致，而且都满足同一时间条 件。 4、数据抽取不仅要考虑数据的提取，还要考虑抽取的时间

15、安排和执行 方式，这样才是一个完整的数据抽取方案，也才能保证抽取出来的数据 准确、可用。 三、后期维护、优化中的问题 数据仓库的建设是一个长期工作，它同其他系统一样需要在运行的过程 中不断进行调整、完善。这其中包括两方面的工作: 1、性能 数据仓库涉及海量数据的查询，数据的大量写入读出，不仅对数据库系 统的要求很高，而且与 OLTP 系统的要求极为不同，因此在系统设计、 实施和维护的过程中，数据仓库系统的性能都是一个不可忽视的问题。 尤其是在运行期间，要密切关注应用对系统资源的消耗情况，针对应用 的特点及时对系统进行调整，包括调整数据库参数、数据分片放置、创 建特殊索引乃至提高系统配置等。 2

16、、模型 应用与需求是相互促进、不断发展的，随着信息系统建成运行，用户在 对系统了解不断加深的过程中，也会对系统提出更新更高的要求。如何 在最小投入的前提下满足用户的需求，也是一个值得注意和潜心研究的 问题。首先要尽可能挖掘现有系统的潜力，其次考虑，对主题的增加或 10 可在现有系统上增加少量指标就可解决的需求，对系统进行适当调整， 最后才考虑对系统进行重构，尽可能减小系统建设中的投入。 数据仓库应用的深化 按照上述方法实现的应用中，主要完成了报表的生成和日常业务的分 析，这并不能给企业带来真正的效益，也远远没有发挥出数据仓库的应 用价值。随着应用的深入，可以由企业的技术人员与业务人员紧密配 合，规划出对企业有实际价值的应用模型，并根据实际业务的发展不断 调整模型自身的参数，以期找出企业运作过程中的规律，即在数据仓库 上进行数据挖掘，构建 DSS 系统，这样才能充分体现构建数据仓库的