《金融智能》4 金融智能框架与核心技术.pptx

金 融 智 能1 金融智能框架与核心技术金融智能的组成 金融智能是企业利用数据仓库（Data Warehousing，简称DW）、数据挖掘（Data Mining，简称DM）、联机分析处理（On Line Analytical Processing ，简称OLAP）、决策支持系统（Decision Support System，简称DSS）等现代信息技术对企业经营过程中产生的大量结构化和非结构化金融数据和信息进行收集、整理、分析，以便辅助企业做出正确决策、采取有效行动、优化流程、全面提升商务绩效的工具、方法、技术的统称。金融智能的框架层次基于商务智能的框架，最著名的方案有：Bill Inmon的企业信息工厂、Zachman的企业框架、美国数据仓库研究院的金融智能组件架构、Gartner的商务智能框架、商务智能厂商Business Object的商务智能架构、商务智能厂商Microstrategy的商务智能架构。 金融智能由交易系统层、基础设施层、功能层、组织层和战略层等5个层面自下而上构成的层次结构。金融智能的框架层次原始数据层，指企业的业务系统，是原始数据的来源地，金融智能系统的数据来源就是这些业务系统。基础设施层，负责对来自交易系统层的原始数据进行抽取、转换等加工，并把处理好的数据放入数据仓库。功能层，是对基础设施层的处理好的数据进行分析，以辅助运营和战略。组织层，实施需要组织的保证，即成立技术支持部门。战略层，在上述4层的支撑下，真正实现智能：虚拟化、透明化。金融智能的组成框架战略层未来战略：全球化、虚拟化、透明化组织：技能和BI技术部分过程：方法论和绩效管理组织层支持功能：战略、运营、分析应用类型：智能套件、智能平台功能层基础设施层使用技术：数据仓库、数据预处理、元数据互联网金融信息等ERP企业资源规划CRM客户关系管理SCM供应链管理原始数据层金融智能的架构模型数据获取数据管理数据分析数据展现报表ETL解决方案Intranet/Internet决策人员销售系统数据仓库管理人员生产系统查询即席查询采购系统产品报告分析人员例外分析财务系统OLAP分析业务人员数据挖掘数据挖掘互联网元数据管理金融智能的组成金融智能主要包括以下几个部分组成 1）数据源与数据抽取 2）数据仓库 3）访问工具 4）决策支持工具 5）金融智能应用 6）系统管理 7）元数据管理金融智能的功能 商务智能应该具有以下的主要功能 1.数据集成（集成零散数据） 2.信息展示（报表，数据图） 3.运营分析（运营成本收入，盈亏分析） 4.战略决策支持（投资组合策略，ex. sony）金融智能核心技术 金融智能是多项技术交叉在一起的复合应用，即将数据、信息成功地转化为决策知识，提供一种决策的辅助手段。金融智能还是一套完整的解决方案，他是将数据仓库、联机分析处理和数据挖掘等结合起来应用到商业活动中，从不同的数据源收集数据，经过抽取、转换和加载的过程，送入到数据仓库或数据集市，然后使用合适的查询与分析工具、数据挖掘工具和联机分析处理工具对信息再进行处理，将信息转变成为辅助决策的知识，最后将知识呈现于用户面前，以实现技术服务与决策的目的。金融智能核心技术-数据仓库数据仓库起源 随着ERP、CRM等信息系统的广泛应用以及互联网的蓬勃发展，使得企业数据量激增，为了获得更高层次的数据分析，数据库已越来越难以满足这种需求。由于数据量的增加，数据变得越来越难以访问和管理，由此产生了数据仓库。 随着数据库技术的应用和发展，开始尝试对数据库中的数据进行再加工，形成一个综合的、面向分析的环境，以更好地支持决策分析，从而形成了数据仓库技术。金融智能核心技术-数据仓库数据仓库与数据库的区别 1）数据仓库的数据是来源于其他数据库的。 2）数据仓库的建立并不是要取代数据库，他要建立在一个较全面和完善的信息应用的基础上。 3）数据仓库是数据库技术的一种新的应用。 4）数据仓库是一个综合的解决方案，而数据库只是一个现成的产品。 5）数据仓库需要一个功能十分强大的数据库引擎来驱动。 6）数据仓库并没有严格的数学理论基础，他更偏向于工程。金融智能核心技术-数据挖掘数据挖掘起源 数据挖掘一词是在1989年8月于美国底特律市召开的第十一界国际联合人工智能学术会议上正式提出的，与KDD（知识发现）混用。从1995年开始，每年一次的KDD国际学术会议，将KDD和数据挖掘方面的研究推向了高潮。从此，“数据挖掘”一词开始流行。在中文文献中，数据挖掘有时还被翻译为“数据采掘”“数据开采”“数据发掘”等。金融智能核心技术-数据挖掘 数据挖掘（DM）是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等，他可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系