基于数据仓库的银行商业智能构建.doc

基于数据仓库的银行商业智能构建 ■ 中国农业发展银行总行 李小庆 随着计算机网络、人工智能数据库等技术的发展， 一项新的信息管理技术——商业智能（BI）诞生了，它 已成为当今信息管理技术的热门应用。实际上，商业智 能技术是数据库与人工智能这 2 项计算机技术相结合 的产物：利用人工智能中的机器学习、知识处理和神经 网络等算法，从数据库中发现知识，理清数据库中大量 数据之间的相互关联及存在规律，可供使用者有效分 析和利用数据库中已存储的各种有用信息，以帮助决 策者迅速做出决策，从而使银行产生巨大的经济效益。 商业智能是一种含有多种技术的灵活信息管理环境或 体系结构，用以支持结构式的即时查询、分析报告和决 策支持，可使决策人员对一段时间的历史数据进行分 析，以研究银行的过去、现状和未来发展趋势。 商业智能的本质，是提取收集到的数据，进行??能 化的分析，揭示企业的运作和市场情况，帮助管理层作 出正确明智的经营决定。一般常规的业务操作，通常都 会产生大量的数据，如存单、交易流水以及客户资料 等，其中一部分是决策关键数据，但并不是所有的数据 都对银行决策有决定意义。商业智能收集、清理、管理 和分析这些数据，将数据转化为有用的信息，然后及时 分发到银行各个部门，用于改善业务决策。银行可以利 用它的信息和结论进行更加灵活的阶段性决策，如采 用什么产品、针对哪类客户、如何选择和有效地推出服 务等，也可以实现高效的财务分析、销售分析、风险管 理、分销和后勤管理等。这一切都是为了降低成本，提 高利润率和扩大市场份额。商业智能可以帮助您将所 掌握的大量顾客信息转化为资本，让您的企业变成一 个善解人意的、以顾客为中心、以信息为驱动的电子商 务企业，从而使银行不但能保持自己顾客的忠诚度，而 且能进一步赢得竞争。 据集中在一起时，就建立了一个有关该银行业务的完 整视图。显然，使用商业智能，可以从历史角度更好地 理解银行的行为和运行状态，据此可以跟踪业务趋势， 便于进行预测、分析、制定计划并作出战略决策，以利 于银行的经营目标和未来的发展。所谓数据仓库，就是 把一个单位的历史数据收集到一个中央仓库中以便进 行处理，它是支持管理决策过程的、面向主题的、集成 的、随时间而变的、持久的数据集合。数据仓库技术是 当今信息管理技术的主流，是促进银行正确管理与决 策的重要决策支持工具。通常，在现有数据库的基础 上，建立和开发数据仓库往往会给银行带来巨大的经 济效益。银行数据仓库是一个面向数据分析型处理的 数据环境，其中的数据具有 4 个基本特征：面向主题 的、集成的、不可更新的、随时间不断变化的。这些特点 说明银行数据仓库从数据组织到面向数据处理都与原 来的数据库有较大的区别。这就决定了在进行银行数 据仓库设计时，不能照搬传统数据库系统的设计方法。 （一）银行数据仓库的设计方法 银行数据仓库设计与原数据库的设计有较大的不 同，包括以下几个方面。 1. 面向的处理类型不同 操作型数据库系统设计是建立操作型数据环境，其 设计方式是面向应用的，一般是从某一具体应用出发来 进行数据库设计，然后在数据库上建立起这些应用。银 行数据仓库的系统设计是面向分析的，它的开发往往从 最基本的主题开始，不断地发展新的主题，完善原有的 主题，最终建立一个面向主题的分析型数据环境。 2. 面向的需求不同 操作型数据库系统设计有一个确定的应用需求， 这是数据库系统设计与开发的基础。在银行数据仓库 环境下，并不存在操作型环境中较为固定的物流、数据 处理流和信息流，数据分析处理的需求更加灵活，没有 固定的格式。因而，在进行银行数据仓库设计时，很难 一、面向商业智能的银行数据仓库设计 事实上，当人们将一个银行中的多个数据源的数  应用 A 应用 B 应用 C 收集数据需求 分析应用需求 D B 构建数据库 应用编程 系统调试 系统实施 图 1 SD LC 设计方法 外部 D B 数据 D B 数据仓库建模 数据获取与集成 D W 构建数据仓库 BI应用编程 系统调试 理解需求 图 2 C LD S 设计方法 获得对用户需求的确切了解。这就决定了不能从用户 需求出发来进行银行数据仓库设计。 3. 系统设计的目标不同 设计 O LTP 数据库时，事务处理性能（主要表现为 事务处理的响应时间）是系统的主要设计目标。在进行 银行数据仓库设计时，关键是建立一个全局一致的数 据分析环境作为银行商业智能的基础。因此，银行数据 仓库设计的主要目标是：保证数据的 4 个基本特征，保 证数据的全局一致性，以实现对银行数据的全局管理 与控制。 4. 数据的来源与系统的输入不同 操作型环境数据的输入通常来自组织外部，设计 操作型数据库就是设计如何通过与外部交互得到数 据、如何将获得的数据用适当的方