数据仓库在银行信息化中应用.docxVIP

数据仓库在银行信息化中应用 摘要：随着我国金融行业的快速发展，传统的金融信息系 统已经无法满足银行在经营过程中的各种需求。因此众多银 行开始构建数据仓库，并基于此技术进行业务运作、经营管 理、客户关系管理、银行产品推广等各种分析，在激烈的竞 争中掌握主动、获得更大的发展空间。 关键词：数据仓库；银行信息化；应用 中图分类号：TP311. 13文献标识码：A文章编号： 1007-9599 (2012) 17-0000-02 1 引言 近些年我国经济取得了快速的发展，金融信息化程度也 随之得以大幅的提升。金融行业是我国国民经济的重要组成 部分之一，也是市场经济的核心行业，因此重点发展金融信 息化、提高金融信息化水平是我国信息化战略中一项不能或 缺的内容。金融信息化的发展促进金融市场逐步联合成一个 整体，大大提高了各类相关信息的收集、处理和发布从而提 髙金融企业的竞争能力。 2数据仓库的设计要求 传统的金融信息管理系统大多采用c/s结构，客户直接 访问生产数据库，完成信息的查询、更新、管理。但这就存 在很多缺陷，例如系统安全性不够、系统仅仅是信息的存储 容器而无法达到分析预测的高度等等。随着数据库的发展以 及数据仓库技术的出现，越来越多的金融企业开始构建自己 的数据仓库。 与传统的金融信息管理系统不同的是，基于数据仓库技 术构建的系统不仅保留了原有系统的各种业务功能，同时在 金融结构多年累积的数据的基础上，进一步加强信息查询分 析预测以及报表的功能，使用户数据得以最大的利用。数据 仓库的设计应满足如下一些要求： 3建立数据仓库的基础 目前投入使用的金融信息管理系统大部分是基于关系 数据库(Relational Database Service, RDS)技术，因 为关系数据库起步较早，发展较成熟，使用复杂性较低。关 系型数据库是构建数据仓库的基础，但仅仅是使用关系数据 库也不能完全构建符合用户需求的数据仓库，还需要使用其 他的数据库技术，例如，优化查询、位图索引、动态分区等, 在大型数据仓库应用环境中，通过上述几项技术使关系数据 库管理系统的性能极大的优化和提升。 4建立数据仓库的过程 基于用户的需求构建数据仓库，通常由以下三个步骤组 成：设计、数据抽取、数据管理。 4.1数据仓库设计。系统设计师基于用户的需求和企 业的数据设计数据仓库的结构。常用的结构包括星型模型和 雪花模型，在星型模型中事实表居中，多个维表分布在事实 表周围与其连接。在星型模型的基础上发展出雪花模型。具 体的构建过程包括如下三个部分： 确定用户数据库涉及的各个数据源的细节，这些 细节包括使用数据源的方式、用户数据结构、数据更新频率、 数据拥有者等。(2)确定从用户数据源抽取数据的方式。设 计师需要制定计划如何从各个用户数据源抽取数据，并对数 据进行恰当的格式转换并储存在当前库。(3)设计师应该将 用户数据细分成数个业务主题，并基于这些业务主题构建业 务主题表。这些业务主题表就是基于用户数据的数据子集， 即数据集市(DataMart)o 一般来说，数据集市往往针对部 分用户数据(例如某一部门的用户数据、某一类特定产品的 等)，因此，它的规模通常较小，开发成本较低，开发周期 较短。在实际的数据仓库构建过程中，设计师通常首先基于 用户核心数据构建若干个数据集市，在基于数据集市构建企 业级数据仓库。 4.2数据抽取模块。再完成数据仓库的设计后，需要 构建数据抽取模块。数据抽取模块基于之前设计的数据抽取 规则对各类数据源(包括各类数据库、文本数据、各类用户 知识库等)中的数据进行转换、清洗并储存到目标库中。在 从数据源转换和清洗数据时，通常需要将数据先暂存为一个 中间模式，并将数据存储在数据库临时区，这样是为了保证 数据的安全性以及一致性。举例来说，存在两个存储人员基 本信息的数据源，在确定数据源中人员的某些属性编码时， 可能采用完全不同的编码形式。例如一个是整型、另一个是 字符型。在确定人员性别这属性的编码时，可以采用2字节 长度字符型，其中存贮的值为中文“男”和“女”，也可以 采用1字节长度字符型，其中存贮的值为“M”和“F” o这 两个数据源使用的这两种数据编码表达的内容是一致的，但 这两个数据源对目标数据来说，这些数据必须被转换成一种 统一的数据表述方法，并且由用户进行确认，这样才能保证 数据源的质量。因此设计师需要基于用户的需求才能实现用 户数据的统一。较早的技术，开发人员使用程序生成器和建 立手工规则的方式来抽取数据，随着技术的进步目前市场上 出现的专业的抽取工具，如SAS的数据仓库产品SAS/WA (Warehouse Administrator) Ardent 公司的 Infomoter 产品。 4.3数据维护模块。数据维护模块主要由元数据维护 和目标数