基于数据仓库技术的中小金融机构经营分析

【摘要】本研究通过分析金融服务行业的激烈竞争，促使中小金融机构提高他们的商业智能系统，从而最终提高他们的竞争力。数据仓库（DW）技术应运而生。在这样的环境背景下，本研究介绍了数据仓库技术的背景及定义，数据仓库的价值以及研究方法。笔者的结论是.基于对于中小金融机构，数据仓库的终极目标是想到即所得。本文讨论了数据仓库的应用，从技术框架、物理拓扑图、工具予以阐述，对数据仓库在中小金融机构的实现做了介绍。

【关键词】数据仓库 中小金融机构

在中小金融机构转变发展方式，实现战略转型的关键时期，信息化需要探寻新的模式，逐步从“对业务支持”走向“与业务融合”，实现从“银行信息化”向“信息化银行”的转变，在此过程中数据将发挥核心作用。

无形资产，客户数据是中小金融机构最为重要的资产之一，它是中小金融机构支持精细化管理、实现差异化服务、提升风险分析能力的基础。银行业信息化建设在完成数据集中，积累了大量业务数据之后，将从业务规范和技术手段等多个层面加强数据全生命周期管理，避免信息孤岛，全面提升数据应用价值。在将数据视为最重要的资产之一的银行业，要如何管理这一庞大而宝贵的数据资产，挖掘其对业务发展和经营管理的支撑价值，实现从“信息化银行”向“智能化银行”的转变，这将会是一个长期永恒的话题。

由此可见，从银行信息化过度到信息化银行，再从信息化银行向智能化银行转变，在这个转变的浪潮中，数据发挥了巨大的作用，用于整合、管理数据的数据仓库应运而生。

一、数据仓库

（一）数据仓库的定义

数据仓库是指智慧型的有组织的数据型仓库。它有如下特性：第一，智慧型。它体现的是决策者，管理者的智慧。第二，面向主题。数据仓库数据是按照银行业务进行主题划分。第三，集成。数据仓库本身不制造数据，是通过接入和整合交易系统的数据，并提供集中的数据服务。第四，非易失和随时间变化的。它反映余额的变化情况，而不是只保留当前余额。

（二）数据仓库的价值

数据仓库的最直接的好处是节省时间和更好地组织信息。但是，也有一些隐含的被称为“无形的利益”，在决策过程中分类的帮助所得到的利益。数据仓库技术可以帮助决策者能够获得实时信息的机会或威胁，并做出更好的决策。确定的最大利益发生时，它们被用来重新设计业务流程和战略业务目标提供支持。数据仓库系统不是一个独立的系统。为了充分利用技术的发展，一些应用程序和系统做出了创新。本研究回顾这些概念和应用程序，以便更先进的数据仓库系统可以推出。举个例子：要统计电子银行综合报表，要分析借记卡、贷记卡的存量、卡均余额，电子渠道的手续费收入等数据，需要从借记卡系统、电子渠道系统获取交易数据，还要去核心获取账务数据，同时还需要了解这多个系统间的关联性。这是两个相似的问题：完成一件事都需要到不同的地方拿东西，拿到的东西还不一定是自己想要的，至少不是最想要的。那么怎么解决这两个问题呢？数据的关联问题，一致性的问题就交给数据仓库来解决，数据仓库通过分析借记卡前置的交易数据，综合前置的手续费数据，同时关联核心账务数据，分析并加工成诸如借记卡发卡量，交易量，交易金额等汇总和指标数据。而这类的分析还可以为多个部门，多个系统所共用。

（三）数据仓库的定位

数据仓库的数据是全行统一视图的，最完整的并且是有价值的数据，是唯一、权威的数据金库。它用于支撑经营管理和决策分析，通过集成整合交易系统的业务数据，产生KPI及其他汇总的、多维度的数据，再通过报表、图表、门户等平台展示给管理决策者，提供经营、决策分析。

（四）数据仓库的受众

不同层次的人员和机构都会有不同的视角，不同的诉求。比如说：领导层关注宏观业务状况，如：全行业务概况，经营发展指标等。总行各部门关注自己所在业务部门的统计数据，比如：个人业务部门就关注个帐号每日存款余额、存款日均等，公司业务部就比较关注对公的一些统计数据。另外，为了满足各分行支行差异化的业务需求，可能需要为之度身定制一些数据。等等这些，就是数据仓库的服务体系，从而发挥全方位的数据支撑作用。

（五）数据仓库的作用数据仓库可以做为：客户关系管理：促销活动分析、交叉销售分析、客户流失分析、客户行为分析、客户投诉分析、客户忠诚度分析、市场活动分析、市场份额分析；盈利管理：收益率分析、渠道收益分析、客户收益分析、产品收益分析、绩效衡量、投资活动分析；风险管理：信用风险分析、不良贷款分析、流动资金风险分析、贷款偿还分析、利率风险分析、信用风险预测、评估、分析、操作风险评估；资产负债管理：资本募集、分配分析、信贷呆账准备、资金到期分析、财务管理、资本充足性分析、利率敏感性分析。

二、实现方法

架构设计：数据仓库架构设计应以企业架构为指导，以数据仓库建设技术目标为导向，以具体业务需求为依据，以同业领先实践为参考，采用组件化的架构规划及设计方法，最终得出数据仓库及分析型应用的技术架构。

数据建模：维度模型该模型将数据看作数据立方体（datacube）形式，立方体由维和事实定义。范式化模型根据企业的业务特点，将整个业务流程抽象为若干个主题，主题内部遵循三范式以上的范式进行建模（必要时可以适当降范式），主题与主题间通过关系表连接。从理论上来看，笔者认为单单使用维度建模或者范式化建模都不能很好地支持企业级数据仓库的建设和发展。根据国际最佳实践以及笔者的项目实施经验，比较好的做法是在数据模型层使用范式化模型，而后通过视图将范式化模型

开发测试：开发测试思路和方法的一般过程，包括设计软件的功能和实现的算法和方法、软件的总体结构设计和模块设计、编程和调试、程序联调和测试以及编写、提交程序。

三、结论

中小金融机构需要一定的时间来建立数据仓库基础设施，并在建置的过程中逐步完善数据质量。这个打基础的过程是无法省略的。更为重要的是，在建立数据仓库的过程当中，我们还可以培养一批既懂数据仓库技术、又精通银行业务的高级分析人才，这对于更好地发挥数据仓库价值是非常重要的。