数据仓库技术及其在银行业的应用

详见：附件
   
    利用先进的数据仓库技术建立集中的、包含详细交易数据的商业智能解决方案，已经成为各大银行对内加强经营管理和决策支持，对外更好地了解客户需求，开发新产品或服务，利用现有渠道对客户进行交叉销售，增加赢利能力，并在特定的业务领域提供差异化服务的重要手段。
    与前几年不同的是，大家目前都在谈论企业级数据仓库(EDW，Enterprise Data Warehouse)，对于数据集市的定位也基本形成共识，那就是数据集市应该从属于企业级数据仓库。所谓EDW，基本的要求是整个企业能够共享统一的数据存储模型，为各级业务人员提供一致的信息视图。实施时可以先按照需求的轻重缓急选择部分业务主题，然后逐步扩展到涵盖全部业务。
    两种数据仓库体系架构
    集线器结构
    之所以把这种结构称为“Hub and Spoke”，是因为中央数据库汇集了来自各业务处理系统的数据，同时也负责向各从属数据集市提供信息，看上去象一个Hub （集线器）一样。而业务人员在进行数据分析与信息访问时将根据需要连接到不同的数据集市，这种交叉复杂的连接看上去就象Spoke(车轮辐条)一样。由于这样的关系，著名评估机构Gartner Group把这种结构的数据仓库形象地称为“Hub and Spoke Data Warehouse”。

集线器结构的企业级数据仓库
    “Hub and Spoke”结构解决了企业内统一数据存储模型的问题，但从实际使用的角度来看仍有比较严重的缺陷。主要体现在两方面：一是业务人员对信息的访问非常不方便，很难进行跨数据集市或跨部门的信息分析。数据集市的存储模型需要根据预先定义的分析需求进行规划和设计，业务人员根据分工到指定的数据集市上去访问相关信息。如果需求发生变化，就需要对数据集市重新规划。这显然不能满足日益变化的市场需求。中央数据库只是起统一数据存储和刷新数据集市的作用，一般不提供信息访问。另一个问题是每个数据集市都需要相应的软硬件投入，当数据集市增加时，系统整体投资迅速增加，同时管理的复杂性也随之增加。这些都意味着巨大的整体拥有成本。
    为什么不直接访问中央数据仓库而非要设计一个数据集市层呢？主要原因在于当中央数据库保存越来越多的数据、并发用户越来越多时，一般的数据库引擎无法承担这样的负载，只好把它们分解到不同的数据集市。
    集中式结构
    与前面讨论的“Hub and Spoke”结构相比，集中式结构与之主要的差别在于：数据集市分成物理与逻辑两种，物理数据集市设立在中央数据仓库之外，具有专门的软硬件设备。一般都使用OLAP服务器，按照特定需求组建多维立方体来提供多维信息分析。逻辑数据集市设立在中央数据仓库之内，由在基础数据之上形成的小结表或者逻辑视图组成。业务人员既可以访问多维立方体，也可以访问中央数据仓库内的小结表或者逻辑视图。这些分析主要针对预先定义的业务需求，并且粒度比较粗。基于OLAP服务器的数据集市比基于RDBMS的数据集市要容易维护得多，当然规模也相对较小。

集中式结构的企业级数据仓库
    中央数据库采用符合数据库范式理论(一般为第三范式)的存储模型来保存基础数据，从而为整个企业提供一致的信息视图。上面说明的数据集市主要针对粒度较粗、预先定义的分析需求，对于动态的业务查询、粒度较细的或者针对基础数据的分析需求则由中央数据库提供。因此业务人员可以直接访问到最基础的详细数据，特别是高级业务分析师，将更频繁地基于详细数据进行分析，以便挖掘出内在的、隐含的业务规则，帮助企业主管更好地进行业务决策。
    在中央数据库中还设立了一个数据转换与缓冲区(Data Staging Area)，作为ETL（抽取转换装载机制）处理的一部分。由于在很多数据仓库的ETL处理流程中，需要对源数据作一些比较复杂的转换与清洗工作，如果仅借助于ETL工具实现这种转换与清洗，由于没有数据库的支撑(ETL工具均在数据库之外运行)，经常会产生比较严重的性能问题。于是在一些系统中增加一个ODS(Operational Data Store)层来进行数据的整理，但这就像设立基于RDBMS的数据集市一样，将大大增加整体投资和管理复杂性。理想的方法是，在中央数据库中设置一部分存储空间来作为数据转换与缓冲区，借助数据仓库引擎强大的复杂查询处理能力，通过SQL实现数据的转换与清洗。这种实现方法简单、快速、并且不容易出错，当然对中央数据仓库引擎的处理能力就提出了更高的要求。
    选择这种数据仓库基础平台的基本要求第一是线性扩展能力。原始数据对任何一个数据仓库来说，都是最主要的负载之一。随着数据量的增长，系统性能会逐渐下降。为了维持合理的业务查询响应时间，要求数据仓库引擎和相应的数据库服务器具有优良的线性扩展能力。一些系统的扩展能力非常有限，当数据量增长到一定规模时（比如TB级以上）已经很难满足日常的业务分析要求，不得不把数据分离到多个小规模的数据集市，形成所谓的“Hub and Spoke”结构。第二项基本要求是并行处理能力。许多业务查询与分析都是动态(Ad-hoc Query)的，数据库传统的索引技术对动态分析和模糊查询的帮助不大。系统必须具有非常好的并行处理能力，才能满足复杂的、动态的分析需求，并且承担比较复杂的数据转换与清洗工作。第三个基本要求是简单的系统管理。对于大型的数据仓库应用系统而言，如何能有效而简单地进行系统管理是非常重要的。特别是当数据量不断扩大时，如果没有一种有效而且简单的系统管理措施，那么系统的运行费用将会很高。
    数据仓库技术在银行业的应用
    数据仓库体系结构属于基础设施的建设，只有稳固的数据仓库基础设施才能支撑灵活多样的数据仓库应用。对于银行业来说，数据仓库的应用面非常广，基本上涵盖了银行经营管理与业务运作的各个方面。
    现在国内几大商业银行都在着手调研、准备或者尝试实施基于数据仓库技术的各种解决方案。比如，中国工商银行进行了以个人客户关系管理（PCRM）和业绩价值管理（PVMS）为主题的应用试点，中国银行则全面规划了信用卡系统，其中很重要的一个子系统就是基于数据仓库技术的销售和客户服务系统，中国农业银行正在广东分行进行经营分析系统的建设，中国民生银行也全面启动了客户信息管理（CIM）和企业级数据仓库的建设。
    银行通过逐步建立企业级数据仓库，可以对全行业务数据进行集中存储和统一管理，科学合理地对信息进行详细分类，及时准确收集信息和分析信息，确保管理层随时掌握银行的经营风险、运营情况和经营目标。在引入详细交易数据以后，可以通过各种数据的关联分析，衡量各类客户需求、满意度、赢利能力、潜在价值、信用度和风险度等指标，帮助银行识别不同的客户群体，确定目标市场，为实施差别化服务、产品合理定价的策略提供技术支持。

银行应用数据仓库模型
    在一次数据仓库用户大会上，香港东亚银行的CTO在结束其演讲时深有体会地谈到，东亚银行花了两至三年的时间来完善其数据仓库的基础设施，现在终于得到可观的回报。对于各大商业银行而言，同样需要一定的时间来建立数据仓库基础设施，并在建置的过程中逐步完善数据质量。这种打基础的过程是无法省略的。更为重要的是，在建立数据仓库的过程当中，可以培养一批既懂数据仓库技术、又精通银行业务的高级分析人才，这对于更好发挥数据仓库价值是非常重要的。

来自：http://cnw2005.cnw.com.cn/admin/pubadmin/switch.asp?columnid=6147&articleid=39075

BI是个很好的学习方向，也有比较好的前景，学习ing