银行业商业智能解决方案.docxVIP

商业智能解决方案 银行业商业智能解决方案 商业智能项目是一个复杂的系统工程，不同于传统的在线交易系统项 目，它以数据为中心，面向分析，业务需求不确定，传统的面向在线交易系 统的开发方法不再适用。作为专业的金融业软件产品和解决方案提供商，我 们一直密切关注和跟踪研究国内外商业银行商业智能领域的建设工作，并将 商业智能确定为新世纪全力投入的战略方向之一。 一、 商业智能与数据分析 作为面向数据分析的商业智能系统，它与传统的面向流程的业务处理系 统有很大的区别，上述观点曾经在许多文章中提到，但更多是一些概念性质 的。作为商业智能的具体实施提供者，在本解决方案中，我们希望能够以更 为贴切的说明，来使应用者能够更好的理解系统分析的过程和内容，并能对 商业智能系统的实现理出一个清晰的思路。 数据分析与流程分析 作为商业智能系统一个最为经典的阐述，下面的话曾经无数次的被重 复，“商业智能以及数据仓库是不同于传统的业务处理系统，商业智能系统是面向数据分析的，而业务处理系统是面向流程的”。但这一概念性的东西在没有进行应用功能的设计时，往往显得极为虚无。在商业智能系统的设计中，如何才能真正体会到数据分析的含义，也许下面的陈述可以说明清楚。 传统的面向流程的系统分析方法主要是分析企业现有的业务处理流程，这一处理流程往往已经有固定的模式，系统分析的主要工作是将处理流程进行细分并转换为系统的功能模块。由于处理流程的固定特征，系统的功能模块的个数是有限的。这一过程最形象的比喻是拓路，从起点到终点之间已经有很多条途径，还包括无数种可能的途径，但拓路人只需要完成指定的那一条路，设计过程就相当于拆迁、取直之类的活动。 而数据分析型系统则必须根据另一种方式来完成。数据分析型系统的业务对象并不是一个企业的处理流程，而是企业的数据，这些数据在汇总后会产生多个维度，可以说数据分析就是将这些维度进行交叉，一个拥有十几个 1 商业智能解决方案 维度的数据集可以产生上百种交叉的组合，每一种组合都可形成一个功能实 现，但并不是每一个组合都被认为是有用的功能。数据型系统可以看成是造 句，二十几个字母，可以有无数种组合，但只有很有限的几种组合会成为句 子。 行业 地 收入 时间 VS 产品 流程分析 数据分析 数据分析的方法 在商业智能系统中，最常提到的数据分析过程是数据仓库 ETL 过程。ETL 过程不同于以往的系统实现，它通过分析源系统的数据，并整合装入数据仓库中，这种由数据到数据不反映任何实际业务功能的模块确实与传统的系统实现有很大的不同，可以说是一种传统概念上的数据分析模式，但我们更愿意将它纳入数据整合的范畴。数据整合是数据分析系统的基础，它可以将众多分散的数据源整合在一起，形成一个有机的数据集，这一数据集将成为数据分析的基础。 数据分析应该是在这一数据集基础上的进一步处理。当细节数据被汇总之后，唯一标识的关键字没有了，取而代之的是一组来自细节数据的属性的关键字，我们称之为视角或维度。数据分析就是将通过这些视角或维度的组合来观察数据。这些维度的交叉组合构成多种数据分析方式，主要包括结构分析、趋势分析、排名分析、同比分析、环比分析等，同时数据分析还需要完成诸如聚合、钻取、切片等功能。 2 商业智能解决方案 客户分析系统是在数据分析应用的最好体现。客户分析系统包括客户、 帐户、交易、协议等多个分析主题，每一个主题都拥有众多的维度，如客户 拥有职业、性别、年龄、行业、收入、学历等维度，帐户拥有币种、余额、 发生额、期限、到期日、帐户类别等维度，同时所有这些主题都拥有机构、 时间维度。理论上所有这些维度都是可以组合的，组合分析的结果构成客户 分析的功能集合。 数据分析的方法就是准备一个有序的数据集，然后通过多个角度去观 察，最终得出有价值的信息。 数据分析的应用 基于维度组合的数据分析的功能数目是相对于计算机系统而言是一个 巨大的数字。系统不可能将每一种组合都转换成一个计算机功能模块，但系统却必须提供给用户去实现每一种组合的手段。这就是数据分析系统与传统的业务处理系统的最大区别，业务处理系统的功能都是确定的，它实现一个具体的业务要求，而数据分析系统的功能则是不定的，它是对一个数据集的操作视图。 数据分析系统的定义决定了它的实现模式，许多的工具如 BO、OLAP也是基于此设计的，但是这样实现的却产生了一个现实中的悖论。一个数据分析系统建构成功了，没有任何的固定功能，业务人员问：“你的系统能够实现什么功能？”技术人员说：“我的系统什么数据都有，你想要什么功能？”实际上数据分析系统是可以采用固定功能的方法实现的，即系统只提供 固定的某些维度组合的分析功能。这样的系统会丧失大部分的数据分析组合，但如果对业务了解深入，选取最好的维度分析组合，基于有限功能集的系统可能更适合业务人员的需要。业