《数据仓库在银行管理信息系统的应用研究》由会员分享，可在线阅读，更多相关《数据仓库在银行管理信息系统的应用研究（5页珍藏版）》请在金锄头文库上搜索。
1、 1 数据仓库在银行管理信息系统的应用研究 苏俊峰1 , 2 黄亚楼1( 1 . 南开大学，信息管理学院，天津 3 0 0 0 7 1 ） ( 2 . 中国银行 华北信息中心，北京，1 0 0 0 7 1 ） Email: 摘要：针对银行现有业务系统如何进行统一整合，并解决数据一致性的问题，本文利用数据仓库对银行管理信息系统进行了研究， 给出了其应用架构，并讨论了实际系统建设中关键的技术问题。 关键字：银行 数据仓库 管理信息系统 1.引言 随着 W T O 的加入，全球经济一体化的趋势，新巴塞尔协议的要求，为银行业务发展和管 理提出了更高的要求；同时银行电子化的发展，积累了大量的客户信息，账
2、户信息和交易信 息， 也迫切需要银行提供更好的技术手段进行深层次的分析， 挖掘客户价值， 提高经营效益，因此如何进行应用系统整合，构建统一的数据视图，建设管理信息系统( M a n a g e m e n t I n f o r m a t i o n S y s t e m , M I S ) ，是现代银行业面临的重要课题，数据仓库（D a t a W a r e h o u s e ）技术为银行业提供了新的技术平台和技术手段。 2 . 管理信息系统发展历程 银行管理信息系统则是为满足业务发展要求，适应市场竞争需要，以计算机和现代化通 讯网络技术为手段，以先进的金融管理理论为基础，对现有银行
3、业务经营进行现代化管理，旨在提高经营管理决策的质量、效率和水平的综合性信息系统。 阶 段 年 代 代 表 技 术 特 征 初级阶段- - - 面 向 业 务 处 理阶段 2 0世纪 5 0 - - - 7 0 年代 以电子数据处理（E D P ）为代 表，高级语言，文件管理技术 实现数据处理的电子化， 把人从繁重的事务处理 中解脱出来， 提高了工效 发 展 阶 段 - - - -面 向 系统阶段 2 0世纪 7 0 - - - 8 0 年代 以早期的管理信息系统（M I S ） 为代表，数据库技术、网络技术和科学管理方法的发展 是一体化集成的系统， 表 现为系统的综合性和动态性 提 高 阶 段
4、 - - - -面 向 决策支持阶段 2 0世纪 8 0 - - - 9 0 年代 以决策支持系统（D S S ）为代 表，包括如：专家系统、人工智能、 知识表达等多学科融合发展的产物 强调面向用户， 趋向于提 供更深层次信息的挖掘和分析， 真正使信息转化为管理决策所需的知识 综 合 应 用 服务阶段 （或商 业智能阶段） 2 0世纪 9 0年代以后 基于 w e b的信息系统、E R P 、电子商务、数据仓库、数据挖 掘、I n t e r n e t / I n t r a n e t 、多 媒体技术等 为管理者智能决策分析、研究、学习提供支持，实 现信息集成管理， 提高管 理决策的水平
5、http:/2 表 1银行管理信息系统的发展史 Fig1. The History of Bank Management Information System 由表 1 银行管理信息系统的发展史可见计算机技术、网络技术、数据库技术，决策支持 技术的发展为银行管理决策提供了更好的手段和平台， 管理信息系统建设也是随着科学技术发展而不断丰富完善、充实提高。 3 . 基于数据仓库的管理信息系统应用架构 3 . 1 数据仓库 按照数据仓库之父 W. H. Inmon 的定义1：“ 数据仓库是一个面向主题的、集成的、随时 间变化的、稳定的数据集合，支持管理部门的决策过程”。数据仓库主要特征：面向主题的、
6、集成的、时变的、稳定的，用于管理决策。数据仓库的发展是分析型应用和操作型应用分离的产物，数据仓库不是一个产品，而是一整套解决方案，数据仓库的建设是一个不断完善、 螺旋上升的过程。 典型数据仓库体系结构分三层：数据获取层、数据存储层和数据展现层。数据获取层， 对不同业务系统数据，内外部信息进行抽取、转换、清洗和加载，这是数据仓库技术中工作 量最大的环节，是构建数据仓库的基础；数据存储层确定数据存储结构、索引结构并进行优化存储分配；数据展现层利用查询工具、报表工具、数据挖掘和 OLAP 多维分析工具、企业门户整合等技术，支持 B/S，C/S的应用结构，满足各级管理决策分析。 在数据仓库的发展过程中
7、，因为需求的不确定性、设计方法等因素，许多按照瀑布式开 发的大型数据仓库项目最终都以失败告终，即使完成系统性能业大打折扣， 因此业界总结经验教训提出了分而治之的螺旋式开发方法，将数据仓库庞大的任务分成多个阶段， 在每一阶段，项目按照需求分析定义，系统分析，系统设计，开发、实事、维护和评估来进行，在一 个阶段完成后，再开始新的阶段建设。 3 . 2 逻辑数据模型 逻辑数据模型是用来发现、记录和沟通业务，展现业务规则的详细蓝图，是用图形的方式展现业务规则，是数据仓库组织数据的方法，是 IT 人员和业务人员沟通的工具。目前各大厂商如：IBM，NCR 等均依据国际银行成功的应用案例总结而成各自的逻辑数
8、据模型，虽然分类标准各异， 但基本架构、 主题、属性相近，银行数据仓库数据模型的主题大多包括： 账户、客户、事件、机构、渠道、产品、地理位置、营销活动等。逻辑数据模型中数据粒度的设计也至关重要， 针对银行大数据量需要采用双重粒度，对细节数据只保留短期的数据在数据仓库中，周期外的数据数据仓库保留综合数据。 3 . 3 E T L （E x t r a c t , t r a n s f o r m a n d l o a d ）策略 ETL2作为数据仓库系统的关键部件，完成数据抽取、清洗、转换和加载的工作，是构 建数据仓库、评估数据仓库效率和性能的重要指标。银行因对社会业务服务的需要，有的系统数
9、据装载必须在规定的时间内完成，因此对数据加载能力也提出了要求。ETL 其目的之一是为数据重组统一视图，其次也为改进数据质量。 数据质量无论哪个行业确是一个比较棘手的问题，因此 ETL 同时包括数据质量和数据标准的策略。ETL 的方法3包括析取 （Extracting） 、 条件 （Conditioning） 、 剔除（Scrubbing） 、 合并 （Merging） 、 浓缩 （Enrichment） 、http:/3 确认 （V alidating） 、加载（Loading） 、评分（Scoring） 、家庭关系识别（House holding）等；实际项目中采取多级 ETL方法，有的在源
10、系统数据中抽取，有的在加载服务器中，有的在数据仓库之中进行。 3 . 4 元数据管理 数据仓库是逐渐反复不断完善的过程，元数据管理与数据仓库数据生命周期有关， 对数 据仓库系统管理极其重要。元数据4是关于数据的数据，其主要内容包括数据仓库中的表的结构，属性、数据仓库的记录系统，映射，抽取日志，存储过程，数据模型说明等。目前与元数据相关的数据仓库工具可分为四类：(1)数据抽取工具：把业务系统中的数据抽取、转换、集成到数据仓库中，如 DataStage、Informatica 等。(2)前端展现工具：包括 OLAP 分析、 报表和商业智能工具等，如 MicroStrategy 的 DSS Agen
11、t、Cognos 的 PowerPlay、Business Objects 的 BO，以及 Brio 等。它们通过语义层把关系表映射成与业务相关的事实和维来支持多维业务视图，进而对数据仓库中的数据进行多维分析。(3)建模工具：可以提供更高层 的与特定业务相关的语义。如 CA 的 ERwin、Sysbase 的 PowerDesigner以、Rational的 Rose等。(4)元数据存储工具：元数据通常存储在专用的数据库中，还有一类被称为元数据知识 库4（Metadata Repository）的工具，它们独立于其它工具，为元数据提供一个集中的存储 空间，这些工具包括微软的 Repositor
12、y，CA 的 Repository 和 Sybase的 WCC 等。 4 银行管理信息系统应用 4 . 1 数据仓库的建立 银行是信息密集的行业，其电子化发展程度相对较高，应用系统架构也较为复杂。目前银行系统状况主要硬件平台包括IBM ES9000，RS/6000，SERVER 等，操作系统为OS/390， UNIX、WINDOWS 等，数据库包括 DB2，ORACLE 等，异构系统平台，众多业务应用。根据以上的模型和策略，我们提出了以下银行管理信息系统，通过采集核心业务系统和外围 系统，经过 ETL评估，建立如下数据仓库。 数据展现层 数据获取层 核 心业 务 系 统 外 围 系 统 E T
13、 L 数据存储层 数据 仓库 CUBE 数 据集市 查询工具 报表工具 多维分析 数据挖掘 元数据管理 银 行管 理信息 系统应 用 http:/4 表 2 银行管理信息系统应用 Fig2. T h e A p p l i c a t i o n o f b a n k m a n a g e m e n t i n f o r m a t i o n s y s t e m 4 . 2 管理信息系统的分类 4 . 2 . 1财务管理和绩效管理 财务和绩效管理是管理信息系统的核心， 基于数据仓库的财务分析应用可以支持多维盈 利性分析和财务绩效指标的计算。 多维盈利性分析的维度主要包括账户、 客
14、户、 渠道、产品、 机构等；而财务绩效指标是银行业绩考评的重要指标之一，它与客户指标、内部流程指标、 员工指标共同构成平衡记分卡的基础。 4 . 2 . 2资产负债管理 资产负债管理能力是衡量现代商业银行的关键指标。 资产负债管理通过预测市场利率、 汇率、资产风险变动趋势，结合有关金融模型及数据进行分析和预测，为银行资产负债结构 调整提供决策依据，使其在规模、期限、利率组合上实现有效合理搭配；同时，它还通过支 持风险资本配置运算和内部资金转移价格的制定， 引导资金流向和使用方式，从而使银行在 风险和回报之间取得最佳的平衡；此外还可以帮助银行达到金融监管及对外信息披露的要 求，以及满足在机构和产
15、品管理方面实现分类监测、指导的需要。 4 . 2 . 3全面风险管理 全面风险管理（E n t e r p r i s e - W i d e R i s k M a n a g e m e n t ，简称 E R M ）是指对整个机构内各个 层次的业务单位，各个种类风险的通盘管理，这种管理要求将信用风险、市场风险、操作风 险及各种其他风险以及包含这些风险的各种金融资产与资产组合， 承担这些风险的各个业务 单位纳入到统一的体系中，对各类风险依据统一的标准进行测量并加总， 而且依据全部业务 的相关性对风险实行管理和控制。 4 . 2 . 4利润贡献度分析 利润贡献度分析是在账户详细交易数据的基础
16、上，利用净利息收入（N I R ） 、其他收入 （O R ） 、直接费用（D E ） 、风险准备（R P ）等主要因子进行利润贡献度计算并汇总，以此考察 不同机构、产品、渠道、账户、客户对银行利润的实际贡献。 4 . 2 . 5客户关系管理 客户关系管理应用通常是通过对客户进行深入的分析，了解客户的特征、轮廓、利润贡 献度和需求等，对客户基本情况、持有产品、交易行为、客户分布等进行分析，利用客户单 一视图，通过沟通管理，在适当的时间，通过适当的渠道，为客户提供适当的差异化产品和 服务，最终帮助银行实现从以产品为中心的经营模式向以客户为中心的经营模式转变。 银行 业基于数据仓库的 C R M 应用的核心是分析型 C R M 。根据所应用客户群体的类别，又可分为公 司客户和零售客户，两类客户的分析重点有所不同。一般
