金融业数据淘金——挖掘数据价值 推动业务发展

数据仓库成为银行信息化的必由之路 大约十年前，伴随着“啤酒搭着尿布卖”的故事，数据仓库的概念走进了中国金融业的视野。十年后，“数据提升业务价值、数据赢得竞争优势”的道理早已深入人心，数据已被视为银行宝贵的财富，数据仓库成为银行业信息化建设的必由之路。中国建设银行在数据仓库领域起步较早，早在1999年，建行就开始对企业级数据仓库进行研究和规划，并对数据仓库模型建设进行了深入探索。在2003年建行全行科技规划中提出了数据仓库在建行运用的四大领域：     

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。     

数据管理助推银行业转型

数据是银行最为重要的资产之一,是银行支持精细化管理、实现差异化服务、加强业务创新、提升风险分析能力的基础。近年来,随着数据仓库和数据挖掘技术应用的日益深入,数据带来的业务、管理价值也日益显现。当前,利率市场化对银行精细化管理提出更高要求,大数据的快速增长也对传统的数据处理技术带来挑战,这些都将深入影响我国银行业数据仓库的架构趋势,改变未来数据分析技术在银行业的应用模式。     

未来数据仓库在银行业的应用

监管机构通过制度形式明确指出了未来我国银行监数据仓库建设的必要性．这一举措将进一步推动数据仓库在银行业的实施步伐．掀起银行业新一轮数据仓库建设的热潮,同时,也将深入影响未来我国银行业数据仓库的架构趋势,改变未来数据仓库在银行业的应用模式。     

Teradata“动”赢先机

现代化银行已经告别了传统的经营方式．随着中国银行业信息化建设的不断深入,数据仓库技术作为一项数据管理领域的新技术为银行提升核心竞争力提供了科学的依据。在过去,数据仓库被视为一种“后台”IT服务;而如今,数据仓库是银行IT架构动态组成的一个部分．即为银行和银行的客户实时提供数据的调阅、分析,从而大幅度提高了工作效率、降低了运营成本和提升了银行的服务。     

数据仓库技术研析

数据仓库是一种基于数据管理和运用的综合性技术和解决方案,可用于在海量数据中筛选有用信息。在商业银行领域,数据仓库技术常被用于客户盈利分析、银行产品分析和市场趋势预测。本文主要介绍数据仓库的若干概念以及商业银行实施数据仓库的步骤等。     

模型驱动竞争力——新一轮竞争 赢在模型

数据挖掘是金融行业的热门话题。看到大型银行、大型保险公司纷纷建设自己的数据仓库和数据集市,一些中小金融机构也不甘落后。可是据了解,相当多的金融机构面临着数据仓库建设投入产出比不高的困境。     

现代商业银行如何通过数据仓库实现业务价值

近年来,各银行都非常重视数据仓库的建设,并积累了大量数据。但是,数据本身并不会带来业务价值,如何激活数据,向数据要效益,是摆在每个数据仓库建设者面前的一个挑战。数据仓库的价值最终还是要体现在银行各项业务中。银行业务能够在数据仓库的支持下不断发展创新,增强银行竞争力。     

引入数据仓库技术加快我国银行业信息化建设

数据仓库技术是我国银行信息化建设的重点。本文根据“‘金融信息化发展战略研究’管理与决策专题组”的部分调研成果,对数据仓库技术在银行信息化中的地位与作用、应用现状、存在问题等进行了综述,并提出一些实施建议。     

银行业数据仓库构建策略

随着人工智能和数据库技术的发展，建立以数据仓库为基础的银行智能系统，采用联机分析处理(OLAP)或数据挖掘(Data Mining)方法，把银行历史上积累的大量数据转换成可靠、有用的知识，在银行经营决策支持方面发挥了重要作用。数据仓库在银行业的应用领域非常广泛，例如银行主业中的存     

Teradata天睿公司大数据峰会在京召开

本刊讯为期2天的“第13届TeradataUniverse峰会（Teradata大数据峰会）日前在北京召开，峰会以“数据价值，极致演绎”为主题，聚焦数据仓库、数据探索和大数据分析应用，帮助中国客户建立大数据分析能力。赢得决胜未来的核心竞争力。在峰会上，工商银行、光大银行、台湾国泰世华银行、DHL、挪威DNB银行、捷克商业银行、加拿大皇家银行等金融行业全球领先的数据驱动型企业分享了其携手Teradata“演绎大数据价值，成就智慧明天”的最佳实践和最新技术进展。Teradata天睿公司大中华区首席执行官辛儿伦表示，数据的核心是发现价值，     

数据挖掘技术在银行的应用

数据挖掘技术源于20世纪80年代末，金融、保险、电信等行业首先受益。20世纪90年代末，随着客户关系管理的兴起，数据挖掘逐步成为银行、保险业的宠儿。21世纪，数据仓库技术的广泛应用为数据挖掘的深度普及奠定基础。在金融数据海量集中的年代，对数据的整合、挖掘势在必行。本期技术与应用栏目以数据仓库、数据挖掘技术在银行、保险业的应用为例，与金融科技工作者共同探讨其最新价值。     

浅谈银行数据仓库的建设

目前各银行已积累了大量的业务数据，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，但是随着市场经济竞争进一步加剧，银行对信息的需求正逐渐从原来的事务处理方式转向联机分析方式，从过去的简单在线信息查询转向高层信息分析和结合专家知识进行决策支持，因此，在银行数据库基础上建立数据仓库，具有十分重要的实际意义。 银行数据仓库的建设目标是在银行现有大型数据库系统的基础上建立一个面向主题的、集成的、随时间而变的、持久的数据集合，为银行的业务综合分析和战略决策提供有力的工具。 一、数据…     

中央数据库搭建设想与探析

商业银行实现数据管理的最佳方案无疑是搭建理想的数据仓库。数据仓库由于其实现的难度较大。周期较长,真正在商业银行管理信息系统中发挥作用需要较长的时间。在这之前,搭建简便实用的中央数据库（又称管理信息数据库）既能缓解银行管理的紧迫需要,又可以为未来数据仓库的建设摸索经验。     

数据仓库和数据挖掘技术在信用卡分析中的应用

随着信用卡业务的发展，银行积累了大量客户交易数据，如何利用客户的特征数据和交易数据，获得客户的行为模式，从而更好地为客户服务、提高效益，是信用卡管理中迫切需要解决的问题。数据仓库和数据挖掘技术在信用卡分析中的应用较好地解决了这个问题。     

银行分布式数据仓库方案

一、问题分析随着人工智能和数据库技术的发展,建立以数据仓库为基础的银行智能系统,采用联机分析处理或数据挖掘方法,将银行历史上积累的大量数据转换成可靠、有用的知识,在银行经营决策支持方面发挥了重要作用。但是现在建立的系统多是采用集中式单一的数据仓库系统。     

商业智能在银行中的应用

商业智能，又称商务智能，指用现代数据仓库技术、在线分析处理技术和数据挖掘技术进行数据分析以实现商业价值，它之所以能粉墨登场，在银行中扮演越来越重要的角色，其根本原因在于：一方面随着银行信息化的不断深入，银行积累的数据越来越多，面临着“数据爆炸”和“信息缺乏”的矛盾；     

综合业务系统数据管理

数据是商业银行经营管理的基础，所有存放在银行数据库中的客户信息都是银行的宝贵财富，每一条数据都记录着客户使用金融产品的信息。数据管理就是商业银行利用先进的数据仓库技术、商业智能技术、内容管理系统、知识管理系统等，对业务和数据进行规范管理、系统分析、精确统计，为决策者及时提供经营管理信息的     

数据仓库应用中存在的问题及其对策

目前国内各大金融企业,如保险公司、银行、证券公司都已着手建立了自己的数据仓库系统。从数据的规模、技术力量的积累、日益加剧的市场竞争等客观情况看,构建数据仓库的时机和条件已经具备。但是数据仓库应用的成功之路并不是一蹴而就的,要想成功实施数据仓库还需要在应用层和技术层两方面加以提升。一、数据仓库应用中存在的问题建立数据仓库可以把企业的内部数据和外部数据进行有效集成,为企业各层决策、分析人员提供准确、有效、便捷的信息。一个企业通过建立数据仓库可以提高市场竞争力,提升客户服务;提高资产质量,防范经营风险;提高管…