数据仓库技术及其在银行业的应用.pdfVIP

数据仓库技术及其在银行业的应用

■NCRTeradata数据仓库事业部王闯舟

利用先进的数据仓库技术建立集中的、包含详细易数据的商业智能解决方

案，已经成为各大银行对内加强经营管理和决策支持，对外更好地了解客户需求，开发

新产品或服务，利用现有渠道对客户进行叉销售，增加赢利能力，并在特定的业务领

域提供差异化服务的重要手段。

与前几年不同的是，大家目前都在谈论企业级数据仓库（EDW,EnterpriseData

Warehouse）,对于数据集市的定位也基本形成共识，那就是数据集市应该从属于企业级

数据仓库。所谓EDW,基本的要求是整个企业能够共享统一的数据存储模型，为各级业

务人员提供一致的信息视图。实施时可以先按照需求的轻重缓急选择部分业务主题，然

后逐步扩展到涵盖全部业务。

两种数据仓库体系架构

集线器结构

之所以把这种结构称为“HubandSpoke，是因为中央数据库汇集了来刍各

业务处理系统的数据，同时也负责向各从属数据集市提供信息，看上去象一个Hub集（

线器）一样。而业务人员在进行数据分析与信息访问时将根据需要连接到不同的数据集

市，这种叉复杂的连接看上去就象Spoke车（轮辐条）一样。由于这样的关系，著名评

估机构GartnerGroup把这种结构的数据仓库形象地称为“HubandSpokeData

Warehouse”。

“HubandSpoke”结构解决了企业内统一数据存储模型的问题，但从实际使

用的角度来看仍有比较严重的缺陷。主要体现在两方面：一是业务人员对信息的访问非

常不方便，很难进行跨数据集市或跨部门的信息分析c数据集市的存储模型需要根据预

先定义的分析需求进行规划和设，业务人员根据分工到指定的数据集市上去访问相关

信息。如果需求发生变化，就需要对数据集市重新规划。这显然不能满足日益变化的市

场需求。中央数据库只是起统一数据存储和刷新数据集市的作用，一般不提供信息访问。

另一个问题是每个数据集市都需要相应的软硬件投入，当数据集市增加时，系统整体投

资迅速增加，同时管理的复杂性也随之增加。这些都意味着巨大的整体拥有成本。

为什么不直接访问中央数据仓库而非要设一个数据集市层呢？主要原因在

于当中央数据库保存越来越多的数据、并发用户越来越多时;一般的数据库引擎无法承

担这样的负载，只好把它们分解到不同的数据集市。

集中式结构

w

与前面讨论的“HubandSpoke结构相比，集中式结构与之主要的差别在于:

数据集市分成物理与逻辑两种，物理数据集市设立在中央数据仓库之外，具有专门的软

硬件设备。一般都使用OLAP服务器，按照特定需求组建多维立方体来提供多维信息分

析。逻辑数据集市设立在中央数据仓库之内，由在基础数据之上形成的小结表或者逻辑

视图组成。业务人员既可以访问多维立方体，也可以访问中央数据仓库内的小结表或者

逻辑视图。这些分析主要针对预先定义的业务需求，并目.粒度比较粗。基于OLAP服务

器的数据集市比基于RDEMS的数据集市要容易维护得多，当然规模也相对较小。

n•用户

操作戮据

E7L陋

\给通企收例沧库

数廨换与烝冲区-

洋细的反砒飒按

媚始适式存储）

逻辑数据集帕小结

或视图）