信用卡数据仓库系统建设的研究

本文从探讨当前商业银行信用卡系统现状出发,提出建立银行信用卡业务的数据仓库应用系统,包括数据仓库系统功能的设计、数据集市的建模、数据采集系统的功能设计、系统架构和关键技术。     

数据仓库建模三步曲

在数据仓库系统中，如何对海量数据进行有效组织和管理，并使之支持干变万化的分析型管理业务需求，主要依赖于数据仓库系统逻辑数据模型(Logical Data Model，简称LDM)的设计。逻辑数据模型的设计优劣程度直接决定数据仓库系统建设目标的实现。     

数据仓库技术专题讲座(四) 数据仓库的数据库设计

数据仓库技术专题讲座（四）数据仓库的数据库设计北京大学唐世渭裴健上一讲中我们谈到,数据仓库的体系结构包括数据源、数据抽取和转换工具、数据建模工具、数据仓库的目标数据库、核心仓储、数据仓库管理工具、前端数据访问和分析工具等七个主要组成部分。其中,数据仓...     

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。     

业务数据时变性在数据仓库实现中的研究

一、引言数据仓库是企业宝贵的资源,它是对原有数据库系统中的数据进行集成和重组而形成的数据集合,能为企业提供有效的信息。从商业业务数据经过ETL过程,到最终的面向终端用户,数据仓库共包括4层:操作层、原子/数据仓库层、部门/数据集市层、个体层。这些不同层次的数据是构成     

基于商业银行ODS模型的需求版本差异化管理探讨

数据仓库之父Bill Inmon在系列书籍《Building The Operational Data Store》中，首次提出了操作型数据存储（ODS，OperationalDataStore）的概念，即在数据仓库的DB—DW两层体系结构基础上加入ODS，形成了DB—OBS—DW三层体系结构。这种结构不仅支持准实时业务数据库中数据的暂时存储，还对同时关联到历史数据与实时数据分析的数据提供了暂时存储区域，从而有效地解决了企业日常的分析决策和管理要求。     

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。     

银行数据仓库逻辑设计

数据仓库不是一种商业产品，而是一种含有多种技术的灵活信息管理环境或体系结构。它是一种语义一致的数据仓储，能将银行中各类数据规范为面向主题的形式，以便于最终用户进行数据访问和分析，并用于决策，以满足不同的数据存取、档报告的需求。它是一个不断发展的过程，能把各个异质的原始数据融合在一起，用以支持结构式的即时查询、分析报告和决策支持，     

数据仓库和数据挖掘在我国中小商业银行中的应用初探

本文在数据仓库与数据挖掘基础理论基础之上,将其运用于我国中小商业银行。以某银行的业务情况为基础数据,设计构建了个人及企业银行数据仓库的体系结构,并对其进行数据粒度的划分。在此基础上,对所构建的数据仓库进行多维数据分析,并通过实施数据挖掘操作,实现知识发现的功能。结果显示,通过应用数据仓库和数据挖掘技术,可以为其获得巨大的信息收益。     

ETL开发实施中质量保证的关键步骤

数据仓库项目实施成败的关键因素之一就是数据抽取过程中数据的质量问题。在数据仓库建设过程中，我们不得不在原有的数据中“艰难跋涉”，这些数据来自原有数据库、原有磁带机以及远程的数据源，它们中的大部分都凌乱不堪，并且难以获取。我们要对这些数据进行大量处理，并且还要通过ETL（Extract，Transform Band Load）程序来寻找其中的有用信息。这就要求开发人员必须花费足够的时间来充分研究这些数据，将凌乱的数据规则化，并尽力设计和实现强壮的数据采集和转换过程。如果没有对源数据进行整理和数据标准化等基础工作，很可能造成数据仓库项目的基础不牢。     

数据仓库技术的应用策略

数据仓库是基于数据管理和利用的综合性技术.本文对数据仓库技术的应用进行了探讨,在阐述数据仓库特征和应用框架的基础上,重点分析了构建数据仓库的关键技术,最后介绍了数据仓库系统的设计方法.     

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。     

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。     

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。     

商业银行数据集中工程分行数据转换策略

随着计算机技术的发展，使各商业银行建立全行统一的核心业务处理系统来集中管理客户数据成为了一种可能。在各行数据大集中工程中，完成各分行应用系统数据向总行系统的数据转换是整个数据大集中工作的主要任务和目标之一。数据转换的完整性与正确性以及效率对于数据集中工作的质量以及系统切换时耗来说，都将起着举足轻重的作用。     

多用户数据装载体系的设计与实现

目前,国内外许多银行正致力于开发或者整合自己的数据仓库、数据集市系统。数据的ETL是数据仓库系统的一个重要组成部分。如何建立一套具有高处理能力和高扩展能力的ETL体系架构．以适应装载日益庞大的市场数据的需要．是数据仓库项目建设所面临的重要问题。值得注意的是．大部分数据仓库系统ETL生产程序都使用单一的目标数据库用户名／密码进行数据处理。     

保险数据仓库数据抽取的设计与实现

随着保险行业竞争的加剧和信息化建设进程的推进,各家保险公司逐步实施了数据仓库建设,而数据抽取作为数据仓库建设的关键技术之一,其设计的好坏将直接影响整个数据仓库建设的成败。在数据抽取的设计过程中,经常由于数据源质量不高、数据源修改主键、多表对一表抽取数据不同步和数据源不支持数据仓库的抽取等,     

构建数据仓库系统的技术分析

随着计算机技术的成熟和并行数据库的发展，面对急剧膨胀的信息量，信息处理技术的发展趋势是：从大量的事务型数据库中抽取数据，并将其清理、转换为新的存储格式，即为决策目标把数据聚合在一种特殊的格式中。这种支持决策的、特殊的数据存储即被称为数据仓库。数据仓库技术可以有效地帮助组织从海量数据中淘金，为管理人员提供科学的决策支持，协助进行有效组织管理，控制运营风险，创造利润。为此，国内外许多行业和部门都在紧锣密鼓地建设自己的数据仓库。本文研讨构建数据仓库系统的关键技术，旨在为搭建数据仓库系统平台做探索性研究…     

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。     

数据仓库技术专题讲座(三)数据仓库的体系结构

数据仓库技术专题讲座（三）数据仓库的体系结构北京大学唐世渭裴健在数据仓库工程中,设计数据仓库的体系结构是一个关键的环节。数据仓库工程所要达到的诸多目标,如改善服务质量、降低经营成本、加快新产品和新服务品种的开发速度、加强企业对竞争环境的响应效率等,都...