行业应用：银行信息化数据仓库需求

由于数据量大，数据来源多样化，在商业银行构建信息管理系统时，不可避免地会遇上如何管理这些浩如烟海的数据以及如何从中提取有用的信息的问题。以前，银行会将历史数据从业务数据库中转移到备份系统中，导致无法深入分析数据，难以做出有竞争性的决策。而数据仓库的最大优点在于它能把企业网络中不同信息岛上的商业数据集中到一起，存储在一个单一的集成的数据库中，并提供各种手段对数据进行统计、分析，并且允许企业的各个部门共享数据，为企业更快、更好地做出商业决策提供更加准确、完整的信息。在银行数据集中后，数据仓库与数据挖掘自然提上日程。利用数据仓库技术，可以使原本分散、孤立的信息相互之间建立良好的联系。

NCRTeradata数据仓库事业部总裁迈克尔·科勒日前在上海召开的2004年Teradata数据仓库峰会上指出：“许多商业因素驱动企业对数据运用的重视，这些因素包括：企业内部对决策支持的需求、降低成本的考虑、企业内信息共享的需求和不断增加的数据，而外部因素则包括企业的合并或并购、法规的要求如新巴塞尔资本协议。”

在国际范围内，数据仓库和数据挖掘技术已成为商业银行业务快速发展、全面应用IT技术，开展科学管理决策的业务平台。

根据美国META集团的调查，数据仓库技术在美国金融业、制造业、商贸业以及社会服务等方面都得到广泛的应用，已经采用数据仓库的企业的投资回报率均在40%以上，部分企业高达每年600%。

数据仓库（Data Warehouse）是支持管理决策过程的、面向主题的、集成的、动态的、连续的数据集合。可以从容量庞大的业务处理型数据库中抽取数据，清理、转换为新的存储格式。根据决策目标，将存储于数据库中的决策分析所必需的、历史的、分散的、详细的数据，经处理转换成集中统一的、随时可用的信息。与传统的数据库系统业务处理为主的OLTP应用相比，数据仓库是适应分析处理要求、面向以分析处理为主的OLAP应用。

在数据仓库中，实际数据分为操作数据和分析模型。操作数据包括客户基本信息、客户帐务信息和操作控制（客户个性化服务信息），而这些信息的数据格式要求严格一致才能保证数据处理的成本最小。分析模型包括客户关系管理分析、市场分析、客户信用度分析、客户满意度分析和销售行为分析等。与之相对应的子系统为策略管理、OLAP分析、策略分析、策略接口、渠道优化与接口、信用分析及风险控制等。各子系统相应的功能为：策略管理——用于制订、修改和删除市场策略；OLAP——用于分析市场策略的反馈，预测市场策略的性能：策略分析——用数据挖掘和统计分析来分析客户和市场策略；策略接口与管理——使市场策略和策略分析中的分析流程对CRM工作系统透明。渠道优化——根据银行的市场策略优化渠道和工作流程；信用分析以及风险控制——由客户的历史数据确定其信用等级及进一步的合作风险，或者对已进行的合作进行风险控制。

由于银行业的顾客主要是寻求资金服务，因此，在构建数据仓库方面也存在着一些特殊的需求，因为数据仓库和数据挖掘是银行业目前非常关注的焦点。通过营业网点、Call Center、Internet等不同渠道，银行每天都会积累大量的信息，如何发挥信息资源优势将是银行运营是否成功的关键因素。按照中国工商银行的发展规划，未来我们的银行服务要由今天柜台式的被动服务转向主动服务，根据不同年龄、不同资历、不同职业客户的特殊需求提供不同服务，在日趋激烈的国际化竞争中争取竞争优势。主动服务要求银行必须及时掌握客户的消费倾向，这就必须具备完整的客户关系管理机制。在这方面，国外竞争对手发展较早，已经具备了高服务质量和高服务水平，领先于国内银行业。

较有制度的银行，一般都会对理财顾问施以理财与金融商品的培训，例如以「理财金三角」的概念，可能会将客户的资金用于不同期间或风险的投资组合，但是在投资组合中所标的物选取时则较「随机选取」，最近较好卖的产品，而不是有系统的列出符合特定需求目标（例如，ROI大于6%，风险低于多少）的所有可能产品来比较。究其原因，是银行没有系统化的整理这些产品信息，仍然是依「产品」分类（例如，基金类、债券类），加上而且特定商品的实时信息也不是随手可得，大多是印刷成精美刊物的「过期信息」，导致银行理财顾问虽然表面上问了一些问题，但实施上仍是「心中早有定见」的要卖客户那几个产品。

未来银行业的竞争将集中在大量客户数据的收集和分析。银行需要成功地通过各种渠道收集客户数据，精确分析客户的愿望，为客户提供个性化服务。建立客户数据仓库有很多方法，典型的客户数据库是由数据仓库技术支持，用户可利用各种数据挖掘技术对已存储的数据进行分类和访问，并且根据不同的客户行为方式划分不同的客户群，然后根据客户消费倾向制定出产品和市场营销策略。只有这样，银行才能对客户的需求了如指掌，并且汇总所有的数据，对公司的全面决策发挥作用。

从BRIO公司日前召开的产品发布会上了解到，招商银行上海分行已经有了明令，两年之内一定要上CRM。银行由于其业务的特殊性，更看中系统后台的建设。可以更有效地收集客户信息、建立可供分析并支持数据挖掘功能的数据仓库，成为招行上CRM系统的前期需求。

招商银行的业务系统一直具有较高的信息化水平，但随着业务的发展和对金融电子化要求的不断提高，各种查询、统计、报表以及分析的需求日益增长，招行的计算机应用也面临着新的挑战。根据业务需求状况，招行决定采用数据仓库应用平台来提高自身的业务运作水平和效率。

招行对数据仓库应用系统的需求主要集中在以下几方面：（1）该系统须能满足招行目前对数据存储、查询、统计、分析等一系列需求，能保证存储可靠、查询统计灵活；（2）考虑到招行业务的不断增长，要求该方案具有可扩展性，不但可以保护现在投资，还可以保证日后系统的平滑升级；（3）因为数据仓库系统的建设需要长期分阶段进行，而银行业务又具有不可中断的要求，因此在建设系统过程中，既要保证各阶段的相承性，避免重复建设，又要不影响招行的正常业务；（4）鉴于数据仓库在银行业的应用还处于起步尝试阶段，为了保证方案的可用性，招行除了需要寻求有实力的系统集成商外，还需选择该领域高性能的软件硬件产品。

国内银行业从八十年代初就开始了客户信息的收集工作，但是最初的客户资料比较简单，只包括客户的姓名、帐号、资金结算等与银行业务紧密相关的信息，而且大部分客户信息至今仍处于闲置之中，银行对客户的行业特点、业务规律仍是不甚了了，客户信息的价值并未被开发出来。因此在上CRM，数据仓库的项目时，银行应将原始数据转化为策略性的信息，从而真正了解他们的客户是谁，客户信息的开发十分重要。在这方面，国内银行尚有发展空间。考虑到国内银行业的特点，开发商应采用高水平的应用开发和系统集成队伍，为规模不同、基础不同的银行用户制定个性化的整体解决方案，帮助银行真正了解客户群，从而充分利用各种渠道在每一条业务线上建立客户忠诚度。

总之，建设数据仓库，应用数据挖掘，实施客户关系管理，将是中国商业银行树立“以客户为中心”的经营思想和发展战略。要借鉴发达国家和地区商业银行成功经验，建立客户信息的分析、管理、决策和业务支持的完整体系。不久的将来，数据挖掘技术，必将成为中国商业银行实现一体化客户关系管理、快速增强自身盈利能力的有力工具。

AMTeam.org