数据仓库中的逻辑数据模型

在数据仓库项目中，我们常常需要进行数据整合，即将企业不同业务系统的数据进行抽取、清洗、转换，最后变成可以进行数据分析的企业基础数据集。逻辑数据模型（以下简称LDM）就是企业基础数据的一部分，它是企业数据资产的全面的、准确的描述，是数据整合的核心或目的。数据整合就是将不同来源的数据整合到一个统一定义、统一形式的LDM中。     

商业银行数据仓库需求整合探析

在目前各商业银行建设数据仓库的实践中,数据整合是数据仓库作为基础数据平台的一项重要功能,多数商业银行把数据仓库作为跨系统数据的整合点。在数据仓库发展的前期,其重中之重是积累数据与整合。随着数据仓库的建设与发展,数据的使用变得日益重要。     

“大集中”完成之后面临的几个命题

近几年来,税收信息化建设基本上是朝着一个方向前进的,那就是数据集中、系统整合。整合足数据集中基础上的整合,既包括数据整合,也包括业务整合和技术体系的整合。在“大集中”完成之后,税收信息化面临的命题有哪些,我们需要关注什么？     

如何着手整合外汇局的系统和数据

一、系统和数据整合的必要性及难点 外汇局设有多个业务管理部门,如经常项目、资本项目、国际收支等部门,根据这些部门具体需求已建立了相互关联的多个配套系统,这些系统与其他配套系统相互关联和共享数据。如何进行系统和数据整合是目前一个迫切需要解决的问题。外汇局的系统和数据整合是一项既抽象又具体的工作。     

对农村信用社构建大数据分析平台的一些思考

自2009年起,云南省农村信用社整合了行内包括核心业务、信贷管理、财务管理、网上银行、贷记卡等20多个交易系统数据,开始构建自己的数据分析平台——操作型数据存储（ODS）。作为企业级的基础数据平台,ODS承担着全行数据整合、数据治理、数据分析、数据交换及数据服务等重要职能,包括经营决策支持、1104数据报送、金融标准化数据报送、个人结算账户报送等10多个数据应用系统,并为操作风险实时预警系统、     

人行省级数据中心应用整合思考

数据集中和应用整合已经成为金融信息化发展的主导趋势,在数据集中和应用整合目标的指引下,人民银行各级机构正应用各种策略和方式,努力提高本单位数据的集中程度和应用程度。本文从架构设计的角度出发,重点分析了人民银行数据整合尤其是省级数据中心应用整合的现     

数据标准化 业务发展的坚实地基

正数据标准为数据质量提供评判标准,为元数据提供设计和管理规则,为主数据管理提供业务规则、整合规范、数据清理依据。数据标准的执行是标准制定后发挥其业务价值的重要环节,更是支持业务用好数据的坚实地基。中国光大银行"数据标准体系研究"曾获2011年银行科技发展二等奖,具有学习参考价值。     

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     

论银行数据大集中的最终目标

该文总结了国外银行业数据大集中的发展阶段，认为我国银行业目前基本已经实现了整合集中(Data Consolidation)，提出数据整合并不是银行数据大集中的最终目标，银行应该在数据整合的基础上构建分析型客户关系管理系统和数据仓库管理系统，实现经营模式由以“账务”为中心向以“客户”为中心的转变。全面提升市场竞争力。     

实施征管数据集中处理 实现湖南地税跨越发展

随着税收信息化建设的不断推进，信息数据的不断积累，省级数据集中处理成为了必然趋势。省级数据集中处理，其内涵可用八个字概括：数据集中，系统整合。集中是数据的相对集中，整合是集中基础上的应用整合和系统整合。可以说省级数据集中是管理集约化、精细化的必然要求，是推进科技兴税，实现湖南地税跨越式发展的重要推动器。[第一段]     

数字化转型大背景下银行数据能力怎么建？

数字化转型大背景下，银行经营管理愈发依赖数据，数据已逐渐成为银行不可或缺的生产要素，但当下各银行依然普遍存在找数难、取数难、用数难、可信度低、质量差等问题。各银行都高度重视数据能力体系建设，但数据丰富度不足、时效性不高、整合度低、累积历史问题多等诸多难题亟待突破。针对当下银行数据能力体系建设现状，本文提出银行需构建起支撑全量数据、全域数据两类应用的数据双模能力体系方案，给出升级完善全量数据体系、构建全新的全域数据体系、构建有数字化工具支撑的数据治理体系、打造可并行支撑全量及全域数据应用的湖仓一体的数据基础服务体系、完善数据组织文化人才梯队建设等五大举措，并介绍了银行业数据能力建设的领先实践。     

数字化转型大背景下银行数据能力怎么建？北大核心

数字化转型大背景下，银行经营管理愈发依赖数据，数据已逐渐成为银行不可或缺的生产要素，但当下各银行依然普遍存在找数难、取数难、用数难、可信度低、质量差等问题。各银行都高度重视数据能力体系建设，但数据丰富度不足、时效性不高、整合度低、累积历史问题多等诸多难题亟待突破。针对当下银行数据能力体系建设现状，本文提出银行需构建起支撑全量数据、全域数据两类应用的数据双模能力体系方案，给出升级完善全量数据体系、构建全新的全域数据体系、构建有数字化工具支撑的数据治理体系、打造可并行支撑全量及全域数据应用的湖仓一体的数据基础服务体系、完善数据组织文化人才梯队建设等五大举措，并介绍了银行业数据能力建设的领先实践。     

大数据思维在国库统计分析中的应用

人民银行国库部门作为联系中央银行系统、财政系统、税务征管系统和银行等金融机构的媒介,是政府各部门信息的集中汇集地。相关部门间大数据的整合、挖掘与应用为国库统计分析辅助政府决策、支持重点税源企业、小微企业、进出口企业的政策制定提供了可能。文章以构建"国库大数据基础信息中心"为核心,探索建立人行国库与业务往来部门之间大数据信息共享系统,着重分析大数据在国库统计分析中的应用,为整合部门资源、充分利用大数据技术、深化拓展国库统计分析提供相关参考。     

银行数据大集中后数据横向整合的思考

一、背景 当前,建行在全国数据大集中工作完成以后,基本上实现了各应用系统内数据的纵向整合.这种纵向整合,在应用系统范围一定程度上实现了数据共享.但是,站在全行的角度来看,如何整合核心业务、信用卡、信贷、证券等数十个已经数据集中的应用系统内的数据,进行有效的组织,以保证全行层面数据的一致性、完整性和可靠性,为经营管理的全面分析和决策服务,则成为IT工作人员思考的焦点.     

税务信息化何去何从？——试论税务数据资源的整合

我国税务信息化当前基本上是以系统建设为导向而非以数据建设为导向,导致税务数据分散、信息缺乏、数据共享困难等一系列业务问题。本文从税务信息化的建设思路入手,分析了当前税务信息化中存在的问题,并提出税务数据资源整合的框架,即先元数据集成,再数据集成的整合思路。     

为小型机的虚拟化应用支招

近年来,金融行业以数据大集中为标志的信息化基础罄没已初见成效,逐步实现了数据集中和应用整合。     

数据集中扭转基层科技工作思路

近年来,我国经济金融和信息技术高速发展,数据集中化、管理扁平化和经营集约化成为银行业发展的必然趋势。进一步整合各类系统资源,集中各类数据信息,实现业务处理自动化、信息传输网络化和数据资源共享成为开发建设的主导方向。人民银行在实现数据集中、核算主体上移之后,基层分支行科技工作如何适应新时期的业务和管理需要,是急需解决的问题。     

浅谈数据清洗

银行业务系统拥有的海量异质数据中蕴含了大量信息,这些信息是企业管理和决策的基础。整合银行业务数据资源,构建金融数据仓库,并在此基础上开发报表、风险预警等系统是金融企业提高竞争力的重要途径。本文主要阐述了数据清洗的基本原理和处理方法,并对数据清洗系统提出了初步的设计思路。     

数据治理视角下数据信托的中国化发展进路

数字经济依托大数据、算法等高新技术给人们的出行、购物等方面带来了便利,但由此也引发了对其背后海量数据治理问题的探讨,为更好整合庞杂数据,实现数据治理目标,数据信托作为一种新兴的数据管理模式应运而生,以其高效、透明的优势推动着中国数据治理的发展,但在中国体制下,身为“舶来品”的数据信托制度仍存在着诸如数据信托标的不明、范围争议、法律制度不健全等理论和现实层面的问题,为确保数据治理得以顺利进行,必须要加大对高新技术的利用程度、加强多方主体间的合作,同时积极探索数据信托的内在潜力,以法律保障数据信托朝着中国化的方向去发展、进步。     

合并报表应用模式升级(上)

随着企业的数字化发展,业财大数据将上升到前所未有的高度。如何利用新技术对数据进行加工,整合,报告以实现决策支撑,将成为企业的核心课题。大数拯时代已经到来,海量数据已经渗透到人们生活的方方面面与各行各业。海量数据正在彻底改变人们的生产和生活方式。随着企业的数字化发展,业财大数据将上升到前所未有的高度。如何利用新技术对数据进行加工、整合、报告以实现决策支撑,将成为企业的核心课题。