商业银行使用商业智能提升竞争力前景研究

摘 要：本文归纳了银行商业智能和商业银行竞争力提升研究中的客户账户数据仓库的关键问题，分析了商业智能以及银行竞争力提升的研究现状和发展趋势还有关于云计算在银行业的发展前景。在此基础上，对银行竞争力提升新途径的进一步研究进行了展望。

关键词：银行客户账户管理；客户分析；商业智能；云计算

中图分类号：TP309

银行是一个需要IT技术支持的行业，现在信息化的程度越来越高，就要求商业银行的IT构架是要面向服务，能够灵活的部署，及时交付。银行更是一个需求自动化的庞大系统。面临业务创新，运营的复杂性和成本管理的各种挑战。人们越来越重视自身信息的保护。商业银行由于客户多业户多往往有大量的数据，商业智能利用这些庞大的数据量进行数据挖掘[5]，辅助企业进行业务经营决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘基于大数据的云计算[2]等技术。如今人们采集数据的手段日益丰富与高明，由此积累的数据也日益膨胀，数据量达到GB甚至TB级，而且高维数据也日益成为主流，正如同纽约时报所说的“大数据”的来临。然而，这些海量数据及高维特征使得传统的数据分析手段相形见绌。计算机性能的日益更新，使得人们能够期望计算机帮助我们分析和理解银行的海量数据，并帮助我们作出正确的决策。

1 银行商业智能系统

商业智能，又称商务智能，英文为Business Intelligence，简写为BI。目前，学术界对商业智能的定义并不统一。商业智能通常被理解为将银行中现有的数据转化为知识，帮助银行做出明智的业务经营决策的工具。可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使银行的各级决策者获得知识或洞察力，促使他们做出对银行更有利的决策。商业智能涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

银行商业智能最早运用于国外银行。20世纪80年代以前，银行主要进行基础数据的保存与处理。20世纪80年代后，国外银行根据业务的综合扩展，在内部建立起了全行性的管理信息系统（MIS），从而实现了对业务交易信息和经营管理信息的集中管理，该阶段还是低层次的信息整合。90年代初，金融产品的大量开发与衍生，管理信息系统的数据惊人增长，为了获得有用的决策信息，商业银行逐步引进包括统计分析、决策分析、人工智能等理论在内的数据分析方法，建立起了早期的以管理信息系统为基础的决策支持系统（DSS）。90年代中期后，为处理海量的数据，并实现跨部门、跨业务、跨时区、跨信息平台的访问功能，以美国为代表的国际化银行利用商业智能，建立起数据仓库系统的银行IT架构，以此推动银行的客户服务、市场营销、风险管理和决策管理。

云计算是新一代信息技术产业的重要组成部分，是继个人计算机、互联网之后的第三次信息技术浪潮，将引发信息产业商业模式的根本性改变。作为战略性新兴产业中的重点发展领域，云计算将极大地推动中国信息基础设施建设、支撑银行信息化升级同时银行的商业智能计算也可以借助云计算的建设而再次得到加强和功能的提升。

2 我国商业智能市场现状分析

我国商业银行的商业智能应用在上世纪末才刚刚起步；对商业智能技术和应用内涵的理解还不到位，数据质量滞后，商业智能尚未完全发挥其应有的作用。其中主要包括：2001年3月14日，工商银行正式启动国内第一家银行数据仓库建设工程，以增强对经营决策的信息支持和全行业务经营的系统监控能力。农业银行和NCR Teradata合作开发的数据仓库经营分析管理系统已经在广州地区开始试点运行。2002年，民生银行加快信息智能化建设，构建全行统一的基础数据库，通过重点建设客户信息以及客户关系管理有效进行客户信息整合并实施客户关系管理，更有效率、更快速地挖掘客户价值，实现业务快速增长，提高银行竞争力。2003年，浦发银行与微软合作，利用微软强大的商业智能技术进行整合客户信息进行业务环境与IT现状评估，借助银行商业智能浦发银行将逐步实现“把银行建在网上”提高竞争力的扩张需求。2006年中国银监会要求四大国有银行、各股份制商业银行开发非现场监管系统，以满足对银行业的风险控制。

中国银行业面临着全球化、网络化、同质化、多样化的竞争形势，在市场经济竞争进一步加剧的同时各银行积累了大量的货币经营、银行卡和中间业务数据，这些数据为银行的正常生产和运营提供了重要支持，成为银行必不可少的生存环境；与此同时，国内银行业务品种简单、产品盈利能力差、风险管理薄弱，这些都是国内商业银行需要解决的难题。目前借助商业智能系统能够分析现有产品的盈利能力，预测新产品是否受欢迎，监控银行各项风险指标等。因此建立商业智能系统是国内商业银行应对外资竞争，做出各种战略决策的最有效选择。

在银行商业智能推广建设过程中，客户账户数据是主要的建设项目，基于客户账户数据的复杂庞大，必须高效管理客户账户的效率。商业银行普遍把客户数据仓库建设单一地运用于客户风险跟踪监测、银行风险跟踪上，对于数据仓库的运用效率尚有很多不充分。仅仅单一将客户数据仓库运用于风险监测，显然是不能满足现代需求的。更多地关注客户分析，对客户进行分类营销能培养客户忠诚度，同时客户分析也能帮助商业银行进行金融创新，提升自身服务水平和产品竞争力。这都是以往商业银行所忽略的存在问题。

3 银行商业智能与云计算的发展趋势

银行的业务核心是赚取利息差，对贷款的回收控制风险是很重要的银行普遍采取所谓的"逆周期监管"计划，即在实体经济下滑期、复苏期和调整期，管理层采取一系列比在实体经济上行期更为严格的金融监管政策和措施。这种愈加严厉的监管行为在一定程度上能缓解不良贷款率的上升幅度。所以，银行必须通过业务创新，开辟风险更小的新增贷款业务市场。云计算就为银行提供了最新的解决方案。在银行内部建立私有云，如数据存储中心，能为银行提供应用、存储、通信等方面的服务。目前从现在的一些大型的银行了解到的实际的已经实际投入实施的情况来看，还是集中在IAAS等基础设施上，例如一些存储、通讯、桌面和开发资源池建设方面，对云计算使用的比较多一些。而且将来在客户服务、内部管理、财务核算、组织架构等多方面都有可能突破。现在的要求就是云计算厂商充分考虑中国用户的需求和特点量身定做，来来解决银行固有的在交易，核算复杂性，以及运行过程中的挑战。

随着市场经济竞争进一步加剧，银行业商业智能需求持续加强，银行在充分利用客户的帐号信息方面就应用了商业智能。商业智能的数据仓库极其相关技术进行数据挖掘和数据分析，商业智能下的账户管理和客户账户营销是银行提高竞争，抢占客户资源重要举措。西太银行通过电子邮件和协同系统的云外包，实现了信息的共享，信息的安全保管和信息方便快捷查询。并且降低了运营成本，大大的提高了竞争能力。将客户的账户信息由孤立到联合，由无用信息到战略资源，这是客户账户数据仓库的实践，也是数据仓库在银行搭建智能化分析平台的存在意义；对信息的利用已经是趋向是量化分析，渡过了建立、整合数据仓库的试水阶段，建立企业级数据仓库是必然趋势，商业智能建设纳入规划也是商业银行的必然趋势。同时也可以利用J2EE云计算体系架构，在对提高银行对数据中心总体SLA管控能力，缓解数据中心大量投资与系统资源利用不均衡的矛都非常有益。在商业智能广泛推广应用过程中，建立客户账户数据仓库是充分运用客户信息进行客户分析的基础，这是商业银行进行客户管理的有效途径。从过去的简单在线信息查询方式转向高层信息分析和结合专家知识进行决策支持，银行数据仓库搭建建立商业智能应用，以及将云计算根据我国的国情，依据我国银行的发展实际，制定出适合我国经济发展的云类型和交付模式。具有重要的战略意义，也是未来银行商业智能的发展趋势。

4 结束语

商业银行推广使用云计算技术使用商业智能产品进行数据分析于挖掘是提升竞争力的最快途径之一。银行电子化进程的加速，传统的应用于柜台服务的信息处理系统难以满足高层次的账户管理需要；分析与研究银行的客户账户数据仓库是为了更好维护客户关系，进行客户管理，获取有价值信息；建设账户数据仓库则是为了进一步发掘账户的潜在价值。建立私有云是为了进一步保护银行的信息，实现信息的安全保密性。加强银行海量数据分析和使用过程中的安全保密性，使银行在商业智能软件的使用过程中更加安全有效。

参考文献：

[1]缪宁，邓小珍，刘文远等.基于叶贝斯正侧化神经网络虚拟企业敏捷性评价[J].计算机工程与应用，2008.

[2]周好文，何自云.商业银行管理[M].北京：北京大学出版社，2008.

[3]赵卫东.商务智能[M].北京：清华大学出版社，2009.

[4]穆向阳，缪宁，陈明等.云计算环境下BI对企业核心竞争力的影响[J].情报杂志，2010（06）.

[5]William H.Inmon.数据仓库[M].王海志等，译.北京：机械工业出版社，2006.

作者简介：缪宁（1983-），男，讲师，PASS Tianjing会员，研究方向：数据挖掘、商务智能；傅伟新（1987-），女，助教，研究方向：银行数据分析；邱兰（1970-），女，研究方向：银行金融；范伟，高级工程师，PASS高级会员。

作者单位：天津财经大学珠江学院，天津 301811；EMC公司（美国），佛罗里达州尤玛蒂拉 32784

基金项目：天津市教委重点调研课题“微软商业智能产品beta测试项目”（项目编号：12099）。