商业银行数据仓库逻辑建模

建模是对真实世界的抽象和反映。它已经成为理解企业业务和管理企业最有效的方法。     

如何给数据仓库建模

一个设计良好,适应现状的数据模型是整个数据仓库环境的核心。数据仓库所要解决的业务问题、面向的用户都与传统的交易系统不同,所以导致了其数据模型的设计也与传统的交易系统差别很大;另一方面所采用的数据模型很大程度上决定了系统的功能和性能,所以从事数据仓库建设的管理人员和技术人展都必须高度重视数据模型设计环节。     

数据仓库实践问题浅析

提到数据仓库的建设方法，自然离不开自顶向下、自底向上两种方法的对比和讨论。这里不再赘述两的概念和优缺点。目前多数人倾向两结合的方法，即首先划分出数据仓库主要的几个主题区域，逐一划分数据内容和基本的数据模型，形成数据仓库的总体框架，然后在此框架的指导下，根据各部门的业务需求，     

浅议商业银行数据仓库的逻辑数据模型设计

随着商业银行核心业务系统数据大集中和管理信息系统整合进程的加快．利用数据仓库技术．通过建立数据仓库系统来对集中后的各类海量业务数据和管理数据加以整合和利用．从而支持入世后商业银行科学的业务分析和管理决策．对商业银行发展具有十分重要的意义。而数据仓库系统如何对海量数挺进行有效组织和管理．并使之支持千变     

商业银行数据仓库实施方法论

数据仓库作为"创新和完善信息生产、存储和传输方式,信息集中管理、深度挖掘和综合利用,促进信息跨部门、跨区域、跨系统的整合和共享"的平台,其实施必将有力促进商业银行的跨越式发展。但数据仓库的建设是     

银行数据仓库系统的设计与实现

为了提升自己的竞争力和寻求新的利润空间，当前金融机构非常重视数据仓库的建设，全球排名前100家的大银行几乎都建有自己的数据仓库。数据仓库的成功应用引起国内金融机构的高度重视，比如：工行启动了“9991”工程，顺利地解决了建立数据仓库的基础——“数据集中”的问题；招商银行数据仓库的建设更是走在前面，对公、储蓄和人事数据仓库系统已初步建成并投入使用。     

数据仓库模型建设思路与方法

数据仓库建设是围绕数据模型展开的,数据模型是数据仓库建设的框架、主线和灵魂,是数据仓库最鲜明的特征,优秀的数据模型是数据仓库的核心竞争力。为保证数据仓库建设的顺利开展,农业银行启动了数据模型研究工作。数据模型研究小组立足于行内基础数据平台及     

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。     

如何建设符合商业银行需求的数据仓库系统(下)

三、明确系统开发方法数据仓库系统有其特定的开发方法,但考虑到银行业的电子化建设与应用水平和其它行业相比相对较高,因此在确定系统的开发方法时不必拘泥于理论模式,而应该结合实际情况制定所需的开发方法和策略。下面就自顶向下和自底向上、业务驱动和数据驱动分别进行对比分析并得出结论。     

建设企业级数据仓库

本文主要阐述了在中国人寿IT建设的大环境下,如何利用数据仓库技术对数据进行整合,为企业提供统一的数据视图,建设中国人寿企业级数据仓库,并最终为市场营销活动及各级决策管理者提供及时、准确、科学的辅助决策依据。     

持续提高数据仓库的数据质量

经过14年的发展，上海浦东发展银行（下称“浦发行”）已经建立了相对完整的以客户为中心、数据集中的各类业务系统，主要包括核心业务系统、外挂应用系统、外围渠道服务系统、SAP系统。但由于这些系统分散在不同的应用平台上，缺少必要的手段对客户、产品、风险、绩效进行有效的分析和管理。随着银行逐步从粗放式经营管理向精细化经营管理转变，这方面的矛盾日益突出。浦发行通过建设企业级数据仓库系统，整合了各个业务系统的信息，为全行管理及分析应用提供平台支撑。     

数据仓库应用及未来发展

人们对信息技术广泛应用的过程中所形成的大量电了化数据的分析需求导致了数据仓库的产牛。从技术角度描绘，数据仓库是一种对历史数据进行有效整合，并面向业务分析主题而建设的海量数据存储。它集成了分布在组织中不同系统中的商业数据，为决策者提供各种类型、有效的数据分析，起到决策支持作用，是一系列技术工具和数据管理机制的统称。     

保险数据仓库系统的设计与实现

人保系统自２０世纪８０年代开始电子化建设以来,经过十多年的努力,电脑覆盖面已达到１００％,各主要的保险业务险种均有业务处理软件在应用,电子化建设为人保事业的发展做出了很大的贡献。但随着保险业务的迅速发展,市场竞争日益激烈,大众保险服务要求日益提高,而目前我们的电脑应用水平还仅仅停留在单纯的保险业务信息处理,无法满足领导决策的需要。如何利用我们所能收集到的各类信息来分析保险市场的现在和未来,如何制定出切实可行的发展战略和市场策略,数据仓库技术的应用为我们提供了理想的技术手段,可帮助我们将分散的数据…     

数据仓库中的逻辑数据模型设计

随着中国建设银行上市信息披露和人民银行监管要求的不断提高，能否与世界先进银行管理模式接轨、建立现代化管理体系，已经成为建设银行管理层面临的巨大挑战。数据仓库的建设目的在于对银行跨业务领域的数据进行整合，并在此基础上建市基于共享数据的商业智能发展能力和管理决策支持能力，为最终实现全行的现代化管理体系提供技术、数据及能力上的支持。而在数据仓库基础建设中逻辑数据模型设计是核心环节之一。     

如何建设基础逻辑数据模型

逻辑数据模型（Logic Data Model，LDM）是一种图形化的展现方式，一般采用面向对象的设计方法，有效组织来源多样的各种业务数据，使用统一的逻辑语言描述业务。借助相对抽象、逻辑统一且结构稳健的结构，实现数据仓库系统所要求的数据存储目标，支持大量的分析应用，是实现业务智能的重要基础，同时也是数据管理分析的工具和交流的有效手段。     

农信社数据仓库建设的探讨

随着外资银行的进入,我国银行业的竞争进入了一个新的时期。国内各大银行实现数据大集中后,面临激烈的金融市场化竞争趋势,各级行在经营管理分析方面迫切需要解决的问题日益增多。各大银行的业务及管理系统不断整合集中,同时积累了大量的业务数据。如何对数据进行深层次挖掘,科学地对     

如何建设符合商业银行需求的数据仓库系统(上)

数据仓库的理论和实践发展到今天,已经形成了一套相对成熟的技术和项目管理方法.本文通过对数据仓库系统定位、建设目标、方法论等的探讨,将先进的理论和应用现状紧密地结合起来,以期探索一条符合我国商业银行发展实际情况的数据仓库建设之路.     

数据仓库与银行决策系统

强化资产负债比例管理和风险管理，充分发挥银行的资金优势和信息优势，快速、及时、准确地作出经营管理中的重大决策，是商业银行管理人员的重要职责。但是，银行管理人员在实际工作中，往往由于不能全面把握内部和外部的信息，缺乏信息的交流，从而对未来发展趋势作出错误判断，导致决策失误。因此，银行管理人员在工作中应抓住关键，对银行经营活动进行准确的分析，对未来的趋势进行准确的预测，利用商业银行信息系统所积累的历史数据，提取出“黄金”信息，从而保障各项决策的科学性、趋前性、及时性。数据仓库是一个决策支持系统，它能…     

数据仓库数据质量6西格马标准

随着科技的发展、企业信息化建设的成熟,出现了大量的业务数据和操作数据,为了将海量的数据转化为信息从而产生真正的价值,在银行业尤其是大型银行,商业智能技术得到广泛的应用。而数据仓库的建设,正是商业智能中非常关键的一个环节。现有的研究中对于数据质量的探讨,一般面向所有的信息系统。实际上,不同类型的信息系统其数据质量的关注点和治理方式,并不完全相同。     

银行数据仓库性能的深度优化

随着金融市场竞争的加剧和信息社会需求的发展,从大量数据中提取(检索、查询等)制定策略的信息就显得越来越重要。这种需求既要求联机服务,又涉及大量用于决策的数据,而传统的数据访问已无法满足这种需求。其具体体现在三个方面:历史数据量很大;辅助决策信息涉及许多部门的数据,而不同系统的数据难以集成;由于访问数据的能力不足,它对大量数据的访问性能明显下降。随着数据仓库技术的发展,信息处理技术的发展趋势是从大量的业务系统中抽取数据,并将其清理、转换为新的存储格式,并进行数据分析和数据挖掘。