我国商业银行数据仓库建设的现实选择

数据仓库的基本理论著名的数据仓库专家W.H.Inmon在其著作《BuildingtheDataWarehouse》一书中对数据仓库的定义是:数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。对于数据仓库的概念可以从两个层次予以理解,首先,数据仓库用于支持决策,是对各类数据的组合分析和再加工,它不同于企业现有的操作型数据库;其次,数据仓库是对多个异构数据源的有效集成,集成后按照主题进行重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改。     

数据库技术的应用

在上一讲中，我们把数据仓库定义为一个面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，它用于对管理决策过程的支持。该我表明数据仓库不是取代数据库，而是建立在一个较全面和完善的信息应用基础之上，用于支持高层决策分析。也就是说，数据仓库技术的应用与发展是在顺应管理、决策支持等需求的驱动下产生和发展起来的。目前，数据仓库技术主要应用于以下两个领域中并取得了较大的发展。     

数据仓库技术在基层人民银行的应用研究

作为IT技术的一个新的发展方向，数据仓库技术与数据库技术结合产生的集成、一致的环境，将使人民银行在决策中获得更全面、准确的信息。本文阐述了数据仓库的基本概念、特点和体系结构，介绍了基层人民银行如何应用数据仓库技术，更好地为防范金融风险提供管理信息和决策支持。     

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     

数据挖掘技术及其在金融领域的应用

数据挖掘是从存放在数据库、数据仓库或其他信息库中的大量数据中发现和提取有趣知识的过程。它把人们对数据的应用从简单查询提升到挖掘知识、提供决策支持的层次。风险管理是每一个金融机构的重要工作，利用数据挖掘技术可以很好地降低金融机构存在的风险。     

基于工作流引擎数据仓库工具的构建

数据仓库是一种新型数据库管理系统，其主要任务是对企业的海量数据进行各种各样的分析，能够集成各种异构数据源并能满足企业管理对数据查询的快速响应，而且把事务型处理和分析型处理相分离，其最终目的是为企业的管理提供决策的支持信息。     

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…     

银行多数据源的数据仓库填充方案

一、问题的提出W.H.Inmon 将数据仓库定义为:数据仓库是支持管理决策过程的、面向主题的、集成的、与时间有关的、持久的数据集合。在数据仓库构建时,可以采用数据集市/数据仓库,数据驿站/数据集市/数据仓库,或者     

B2 IMS7.1扩展数据库功能

IBM 公司日前表示,其最新数据库分析工具 DB2 Intelligent Miner Scoring(IMS)7.1进一步扩展了数据库的功能。DB2 IMS 7.1与到数据库引擎的集成可以大大扩展数据库的功能,实现对数据的实时挖掘。用户可以根据一次查询对相关挖掘数据进行实时的分析和积分。另外,由于 DB2 IMS 7.1支持预测模型标识语言(PMML)1.1,其建成的数据模型能够与其它采用 PMML 的数据模型共享。     

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。