数据仓库提升管理信息化.docVIP

数据仓库提升管理信息化2011年4月，中国银监会出台《中国银行业实施新监管标准的指导意见》，明确了我国银行业实施国际新监管标准的原则和目标，其中着重强调了数据基础和IT系统建设的重要性。实施新监管标准的核心，是风险计量的精细化，要求建立良好的数据管理环境，完善数据架构，建设统一的风险管理信息系统，为新监管标准实施奠定坚实的基础。 目前，在银行的信息管理中，信息孤岛现象比较普遍，随着业务规模扩大、客户结构复杂化、产品复合化衍生化，进行数据治理和数据整合，使之更好地服务于经营管理，是银行面临的难题之一。其中，如何将分散在各个业务及管理环节的海量信息数据进行有效管理与利用，推动业务流程改善，提升工作效率，为企业发展决策提供有力依据，是我国商业银行特别是区域银行信息化建设面临的重要课题。在这种情况下，数据仓库平台建设显得尤为重要。龙江银行的实践初步证明，数据仓库系统对于推动银行实现信息规范化和集约化管理、增强核心竞争力具有重要意义。 数据仓库是持续完善的过程 龙江银行成立于2009年底，是在原齐齐哈尔市商业银行、牡丹江市商业银行、大庆市商业银行和七台河市城市信用社（三行一社）的基础上合并重组设立。龙江银行战略定位非常清晰：面向农业产业、面向中小企业、面向地方经济。为适应“三个面向”的发展战略，科技规划定位于要做一个以客户为中心、适应业务创新的流程银行，构建基础稳固、业务领先、信息完备、治理科学的信息科技支撑体系。为此，需要一个强大的数据仓库系统，来实现管理信息化的提升，将所有的信息进行收集、整合、识别，用于决策依据，从而将龙江银行特有的管理理念贯穿到整个信息化体系中，形成区别于同业的巨大优势。 数据仓库建设在很大程度上不是一个技术实现的问题，而是一个综合治理的问题，主要包括以下三个方面： 信息的采集与管理。从技术角度讲，信息的管理非常简单，无非是增加、删除、修改、查询。但是，从信息采集、管理、应用角度讲，则是一个异常复杂的系统工程。从目前银行的情况看，信用卡、信贷业务的信息质量相对较高，其他业务的信息质量则较差。究其原因，在于信息管理。国内商业银行尚未形成有计划、成体系、安全的信息管理模式，所以信息的来源始终是一个制约海量数据管理的瓶颈问题。 信息的标准与清洗。因为历史原因，现阶段国内商业银行的信息呈现“孤岛”现象，即信息被锁定在不同的应用系统中，而且不同的系统中，信息标准不同，信息粒度各异，导致信息的有效性较差、质量不高、关键信息缺乏。商业银行对于数据清洗与信息标准化关注度较高，但多数采用技术手段实现，这样一来，因为没有解决信息源头的问题，可以看到的现象是：后面清理着垃圾，前面不断制造垃圾，无法从根本上解决数据质量不高的顽疾。 数据应用。数据应用是一个长期建设的过程，因此，数据仓库的建设，需要统筹规划，最重要的是不要在建设过程中出现反复，从而影响数据的质量与准确性。对于银行业务来说，关键要建立一个较为完善的指标体系，它好比一个筛子，不论数据源多么繁杂和富于变化，都能进行有效的筛选，并实现数据源与数据应用的有效隔离，尽可能减少因数据源的频繁变化而影响既有应用的再开发。 因此，数据仓库建设是一个持续完善和改进的过程。 数据仓库的源是银行既有系统的数据，包括交易数据、客户数据、产品数据等。因为数据仓库模型是先进管理思想的集成，所以依托原有系统建立的数据仓库，反过来对现有系统和管理模式也有一个完善和推动的过程。 龙江银行数据仓库建设是分布实施的。数据仓库建设是基于应用驱动、业务驱动。业务需要什么，就去找什么数据源，然后放到数据仓库里面。通过这种方式来提取数据源，保证了数据源从整体范围约定上的准确性。下一步，是数据质量管理，构建一个完整的数据质量管理系统。随着数据仓库不断扩充，还会有数据周期管理，解决数据全面和提取效率的矛盾。应用驱动的方式，保证所有进到数据仓库的数据都会被使用到，所以即使数据质量有问题，也会很早就反映出来。数据质量不怕有问题，而是怕有了问题不知道，怕没有管理。 在构建数据仓库过程中，龙江银行数据仓库平台采用了IBM迭代开发方法论，严格遵循需求分析、设计、编码、测设、上线流程，项目成果根据迭代周期分模块、分批上线，既整体降低了项目风险，也可快速响应业务需求，及时反映业务价值。同时，数据仓库整体解决方案为数据仓库建设提供了从底层数据抽取、整理、转换到数据仓库管理、数据集市、负载管理、安全控制、前端展现及Web应用部署运行的端到端解决方案。 目前，龙江银行数据仓库之上的应用主要是分析系统，也就是说，把已经有的东西展现和挖掘出来。比如原来屋子里有很多东西，横摆竖搁，较为混乱，那么现在按照条理框架整理出来了，能够清楚地显示这里是什么东西，那里是什么东西，揭示他们之