数据仓库体系培训(内部)教材.ppt

* * 统一数据管控架构 * 元 数 据 管 理 数据标准管理 数据质量管理 影响分析、血缘分析 代码标准落地 提供检核对象 定位检核问题 检核指标存储 提供映射源 数据标准存储 数据标准信息模型 数据标准文档 提供检核规则 提供检核问题 检核规则 指标模型 源系统 源系统 源系统 ETL 数据服务 Stage FDM ADM 数据服务 数据服务 数据平台 应用系统 元数据 元数据 元数据 业务元数据 操作元数据 技术元数据 综合信息服务管理 数据标准需求 数据质量需求 元数据需求 银行业务需求 数据仓库体系规划 * 应用体系 应用主题·应用模式·应用方案·实施规划 数据体系 数据架构· ODS·基础层·汇总层·集市层 技术体系 统一交换·统一监控·统一调度·统一发布·统一管控 运维体系 数据存储·数据质量·元数据·安全 组织架构 管控体系 组织架构·管控流程·管控内容 管控体系 从数据体系、技术体系、应用体系、运维体系和管控体系五个方面阐述数据仓库规划。 国内银行商业智能应用 * 客户管理 支持国内银行的数据仓库应用种类超过40余个，主要分布如下 ： 运营管理 风险管理 财务管理 信息管理 客户信息管理系统（CIM） 分析型客户关系管理系统（ACRM） 操作型客户关系管理（OCRM ） 个人积分计算 客户贡献度计算/模型 客户流失概率模型 客户聚类细分模型 产品购买关联度模型 业务统计分析 信用卡分析 渠道分析、中间业务分析 平衡计分卡 经营指标快报(KPI Dashboard) 利润贡献度 客户经理绩效考核 产品绩效分析 1104监管报表 人行反洗钱 人行征信 非现场稽核 五级分类数据加工 内部评级法 定价系统 客户违约概率模型 信用卡申请评分模型 资本充足率 资产负债管理 关联交易应用支持 人行集中金融统计 内部财务信息分析 管理会计 数据标准 企业数据架构 数据质量管理 元数据管理（Metadata） 数据访问安全管理 常见的应用模式及其演变发展 * 报表 发生什么事情 预定义报表 分析 为什么会发生 随机查询, BI Tools 预测 什么将会发生 数据挖掘模型 使用于操作 什么正在发生 捕捉动态事件 ACTIVATING MAKE it happen! 事件营销 操作智能是决策智能向业务系统和流程的延伸。 决策智能 操作智能 业务需求/分析和应用模式的关系 OLAP/固定报表 随机查询 挖掘模型 用途：提供日常业务管理统计，辅助发现业务发展趋势。 场景：客户分布发生变化或者某项业务趋势呈现异常，转而使用其他分析手段，以“客户交易金额和笔数分布发生变化”为例。 用途：提供解决那些无法预先定义的查询分析需求以及查找问题时的详细钻取。 场景： “客户交易金额和笔数分布发生变化”的详细分析，比如“哪些客户的哪些交易有了变化，是交易种类、金额、笔数还是交易场所？这些客户的特征是怎样的？他们在我行持有的产品分布如何？” 用途：数据挖掘通过模式识别与数学模型技术从数据仓库中的大量明细数据中发现隐藏的模式与趋势。 场景： 经过随机分析发现那些属于“交易金额和笔数分布发生变化”的客户群中发现部分客户最近有销户或者已经很长时间不发生往来的倾向，因此需要利用“客户流失模型”进行评分，结合“客户等级”确定需要进行挽留的客户名单。 用途：支持综合、复杂业务逻辑的应用，提供前端的用户使用界面。 场景： 设计营销活动进行客户挽留，输入该营销活动的“执行策略、日期、预计成本”以及具体的“沟通计划”和“渠道使用规则”等信息。 上述各模式的使用顺序与逻辑仅是示例，依赖于具体的使用场景。 应用系统 分析人员 应用规划考虑维度 IT部门除了考虑数据质量、数据可用性、投资预算规模之外，更重要的是考虑应用实施能否满足业务用户目前收益心理预期等因素，要想的大（全面，具体，全局观）。 数据仓库建设规划，要分步骤进行实施，起步从小做起（）； 不同业务部门对业务应用的优先度要求不同，必须综合考虑不同部门对业务应用的策略价值和投资回报评价，形成初步的规划后，再经数据仓库管理委员会讨论确定。 数据仓库建设规划，通常从以下三个方面进行评估： 实施难度：IT部门评估 策略价值：决策层评估 投资回报：应用部门评估 实施路线规划 仓库规划咨询 管控平台建设 ODS系统优化 业 管 技 管理驾驶舱 统一报送平台 即席查询 构建数据仓库技术框架 数据仓库部分模型入仓 数据标准扩展与落地 数据管控平台应用 业 管 技 数据仓库接入范围扩展 数据仓库主题完善 数据标准完善 完善、推广管控应用 完善流程与制度 建立商业智能团队 风险应用 客户管理 业 商业智能团队，扩大业务支持范围 推广数据挖掘和即席查询 应用迁移 管 全方位管控体系的执行和推广 提升数据资产质