银行历史数据集中系统实现方法

正目前银行历史数据系统主要采用关系型数据库进行数据存储,如Oracle RAC方式,但此方式具有诸多限定,例如数据量积压到一定值后,将极大影响联机查询效率;只适合存储结构化数据,难以满足对半结构化和非结构化历史数据的处理;成本较高,一套系统性能完善的历史系统其仅硬件成本将超过千万。基于银行历史数据系统具有的"大数据"特征,我们探索采用当前广泛应用的大数据技术解决方案,基于Hadoop/HBase的技术架构,给出技术结果、分析关键技术、技术特性。     

数据集中对银行会计业务的影响及其风险防范

目前,为了在激烈的竞争中占得先机,国内的各家银行都在走数据大集中的发展之路,只是进程各有不同。由于数据集中对银行业务系统配置和人员素质要求高,随之而来的系统风险防范也成为各家银行研究的重点。本文从银行数据集中系统对银行会计业务的影响入手,对银行业务数据大集中的风险及其防范实施策略作出了探讨。     

个人重要客户服务系统的设计与实现

在实现数据大集中之后，银行的主要业务数据被集中到一个或几个数据中心。有了集中的数据，银行能更好地掌握全行的客户、财务、业务和控管等信息，增加了业务的联动性、实时性和可管理性。在大集中的运作环境下，银行应该更充分地利用集中的数据，创造更多的业务品种，提供更贴心的客户服务，提高银行对客户的渗透能力，以创造更大的利润收益。     

银行数据大集中风险及其防范措施

银行数据大集中是我国商业银行迈向现代化的必经之路。然而，数据的集中同时也带来了风险的集中，如何降低数据大集中带来的风险是当今我国各大银行在实施数据大集中过程中面临的重大课题。在我国银行现在采取的防范风险的措施中，无法避免由于数据大集中带来的某些风险，从而使系统存在巨大的风险隐患。本文根据把集中的数据进行分散备份的方法，提出了一个能够有效降低数据大集中带来的某些风险的方案，作为现在银行采取的风险防范措施的补充，能够消除现在银行数据大集中系统存在的巨大风险隐患。     

数据集成中数据集特征的检测方法

随着国际化金融竞争的加剧、科技的迅猛发展，尤其是一些银行的物理网点逐步被虚拟银行所取代，选择实施数据大集中在我国金融业势在必行。现在大部分银行都实现了区域性的数据集中，有一些银行已建成全国统一的数据中心。同时，在我国银行由数据管理阶段向信息管理阶段转变的过程中，面对纷繁复杂的市场竞争。     

替代性数据对信用风险评估的作用研究及启示

替代性数据是传统借贷信息的有益补充,在现代化征信体系中发挥着重要作用.替代性数据的应用有助于提升违约预测能力、促进普惠金融发展,结构化替代性数据的作用表现在风险预测能力的提升,而非结构化替代性数据的作用更多体现在对客户的全面评估上.以银行账户结算数据为代表的具有较强预测力的替代性数据是应用中的优先选择.在发挥替代性数据信用价值的同时,有必要强化监管,防范应用过程的各类风险.     

中小金融机构的灾备方案选择

目前,在银行信息化领域,数据大集中已经成为热门话题。在国内,以中国工商银行为代表的大型银行已经在2002年左右就实现了数据大集中。其他银行和大型证券公司也纷纷迎头赶上。数据大集中已经成为银行、证券、保险信息化发展的大趋势。作为金融业重要成员的中小金融机构也顺应潮流基本完成了不同程度和层次的数据大集中。     

从大数据视角反思信贷管理

随着云计算、物联网、社交网络等科技手段的不断进步,人类步入了大数据时代。身处大数据浪潮之中的中国商业银行,积累了几十年存贷汇核心业务相关的结构化数据,还存在电话银行、网银、ATM记录的大量非结构化数据。在大数据模式下,商业银行可以将客户行为与特定的时间、地点、生活场景及客户的社会背景联系起来,形成     

数据集中后的MIS系统

到2005年，大多数银行将完成全行数据的集中。但数据集中只是打下了一个银行管理信息化的基础。面对生产数据集中之后的银行管理信息化空白，大批国外厂商纷至沓来，CRM、ERP、BI、DSS这些国外被广泛应用的新技术纷纷列入了银行的后续开发计划。     

数据大集中后银行新功能的开发策略与建议

经过最初的必要性讨论、可行性分析和模式选择等 系统中开发,但需要在核心系统中增加新的接口才能实阶段,现在,大部分银行的数据大集中已经进入了紧锣 现;前端功能可独立开发。密鼓的实施阶段,有些银行甚至进入了集中后的维护阶 以新功能的使用范围为标准,新功能还可以分为全段。伴随着银行业务数据的大集中,银行核心业务处理 行功能和分行功能,即在全行统一推广使用的新功能和系统也集中到了数据中心。如何对集中后的核心应用系 各分行根据本地…     

数据存储系统在银行的应用

银行数据大集中需要数据存储近年来,国内商业银行普遍推行"以客户为中心,以市场为导向"的新型运作模式,也就是对银行业务实行整合再造。整合的基础是银行的核心业务系统和数据大集中,然后在此基础上,建立银行数据仓库和客户关系管理系统(CRM),以改善银行综合竞争实力和盈利能力,有效防范金融风险。银行数据高度集中,必然需要高速率、大容量的存储系统。同时随着银行业务的拓展,银行的计     

数据大集中主导金融自主创新

目前,国内商业银行纷纷从数据集中入手进行新一轮由技术主导的金融自主创新。数据大集中主导的金融自主创新存在着创新安全、技术设备及人力资源准备、数据有效利用等问题。银行应利用数据集中进行银行管理体制、经营机制创新、经营管理技术创新、银行服务供给创新和风险控制技术创新。     

数据集中也要讲究集约化

作为银行的职员，我经历了银行数据物理大集中的整个过程，也看到了数据大集中取得的各种成果。浏览2001年以后的《中国金融电脑》杂志，并阅读了许多关于大集中的章之后，我想从个人的角度对大集中发表一些看法。     

金融大数据实战——大数据分析挖掘服务体系建设的实践与思考

当前,互联网金融和利率市场化对商业银行传统的盈利模式、经营管理以及客户服务方式带来挑战,迫使商业银行积极探索构建面向未来的、更加智慧的、可持续发展模式。在此过程中,海量数据信息的分析挖掘和创新应用发挥着越来越重要的作用。不可否认,数据是银行最为重要的资产之一。银行业信息化建设在完成数据集中后,积累了大量业务数据,同时随着银行业务的载体与社交媒体、电子商务融合越来越紧密,各种非结构化数据呈爆发式增长。     

融合架构下数据仓库建设研究实践

数据仓库经过多年发展,架构从一体机逐渐转变为分布式,存储数据类型由结构化向半结构化、非结构化发展,整个架构呈现高可用、可拓展等特点,数据处理能力显著增强.贵阳银行立足行内数据现状及特点,充分发挥不同数据处理平台的优势,结合业内最佳实践,以"Hadoop+MPP"融合运用搭建数据仓库架构,助力银行高质量发展.本文将对此进行介绍,以供同业参考.     

基于控制论探析数据大集中后商业银行计算机信息系统的安全

目前,为了适应日趋激烈的竞争,国际商业银行纷纷进行了数据集中,通过将经营策略和信息技术的紧密结合,提高银行的国际竞争力。国内商业银行也依托现有的业务处理系统,重新设计、规划、开发和实施了数据大集中模式下全新的业务处理模式。图1是数据大集中后,商业银行业务处理模式的原理图。在这种模式下,银行的客户数据与处理数据集中在数据运行处理中心(简称数据中心)的主机上进行。当有业务请求时,所有银行的前端数据采集可以通过综合柜台系统、银行卡系统、清算系统、信用管理系统、自动柜员机、网上银行、电话银行等多种接入渠道通过网络…     

银行信息化看点频仍

2004年，我国银行信息化进入一个新的历史发展时期。在这一个时期，数据集中和应用整合是我国银行信息化发展的主要技术方向。最近几年，国有商业银行、股份制商业银行陆续实施、完成了数据大集中项目建设。数据大集中的初步实现，在相当程度上完善了银行经营管理的内部信息资源条件，改变了分支机构各自为政、客户资源割裂、业务监控创新滞后的局面。     

非结构化数据在内部审计中的应用研究

非结构化数据具有格式多样、存储规模大、蕴含信息丰富等特征,结合大数据技术挖掘非结构化数据中的审计线索对促进现代内审工作发展具有重要作用。本文分析了内审工作中非结构化数据的特点及应用现状,提出了非结构化内审数据的处理思路及流程,并对推动非结构化数据在内审工作中的进一步应用提出了对策建议。     

银行数据大集中后数据分析和知识获取

数据大集中后,各家银行均建立了数据仓库,分析和发掘蕴藏在数据中的信息和知识,成了各家银行面临的主要课题。本文从多维分析、数据挖掘和知识发现三个方面介绍了如何从大集中的数据中获取有价值的信息。     

数据大集中主导金融自主创新

目前国内商业银行纷纷从数据集中入手进行新一轮由技术主导的金融自主创新.数据大集中主导的金融自主创新存在着创新安全、模式齿合、技术设备及人力资源、数据有效利用等诸多方面的问题.银行应利用数据集中进行银行管理体制、经营机制创新,经营管理技术创新,银行服务供给创新,风险控制技术创新.