银行CRM的星型模型设计

一、适用于银行CRM的星型模型 1.流行的数据仓库模型 CRM是客户关系管理的简称,常需要使用数据仓库技术来实现.目前比较流行的数据仓库模型主要有两种:Inmon提出的企业级数据仓库模型和Kimball提出的维模型.     

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：     

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。     

数据仓库实践与技术系列专题(三)数据仓库模型构建技术

一、数据仓库模型构建的原则 模型是对现实事物的反映和抽象,它可以帮助人们更加清晰地了解客观世界.数据仓库的模型构建开始于业务需求分析之后,是数据仓库构造工作正式开始的第一步.正确完备的数据模型是用户业务需求的体现,是数据仓库项目成功与否最重要的技术因素.     

用优化SQL语句提高数据库ETL效率

数据仓库中的ETL (Extract Transform Load)是数据抽取、转换、装载到模型的过程,整个过程基本是通过控制用SQL语句编写的存储过程和通过函数来实现对数据的直接操作,SQL语句的效率直接影响数据仓库后台性能. 目前,各金融机构都积累了大量业务数据,这些信息系统中的数据需要通过搭建数据仓库平台才能得到科学的分析.近年来,数据仓库系统建设已成为金融IT领域的热门话题.     

数据挖掘在银行卡业务中的应用

银行业务数据库和数据仓库中数据量非常大，从这些数据中找出相关的有价值的信息，提取出这些信息的关联，从而获得有利于商业运作、能够提高企业竞争力的知识，就需要对数据库和数据仓库中大量的数据进行深层的分析。数据挖掘是从大量的，不完全的、模糊的，随机的数据中，抽取出潜在的、有价值的知识、模型或规则，挖掘出更有价值的信息的一个过程。     

银行数据仓库建设谈

数据仓库是一项管理技术，银行最需要数据仓库技术，我国商业银行目前建设数据仓库主要存在数据集成度不高、数据资源挖掘不充分等问题；建设好银行数据仓库要注意解决储户资料单薄和银行数据集中统一以及优良的系统设计等问题，未来的银行数据仓库将支持多维分析和未来状况预测。     

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     

信用卡业务数据优化分析

目前，国内信用卡业务利用数据分析技术支持转型已成普遍共识，数据分析方法论备受关注。从统计学的角度，数据分析方法论分为数据收集、数据加工和整理、数据分析等三个主要阶段。从IT公司实践角度，全球企业级数据仓库、分析型应用和数据仓库服务领域的领导厂商NCR将数据分析方法论分为5个阶段，包括定义业务问题范围、选取与抽样、探索型数据分析、建模和实施等；     

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。     

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融合，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。     

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…     

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     

论ARCH模型在金融风险估计中的应用

本文的写作目的是应用ARCH来对条件异方差进行估计,进而解决风险价值量中方差估计的困难.在对条件异方差进行估计时运用了上证指教2007年5月8号到2007年7月6日共计43个交易日的数据,对条件异方差估计出来以后代入到风险价值量模型中就可以求出风险价值量系数VaR.这就是本文写作的大概思路.本文主要由三个部分组成:第一部分是介绍风险价值量模型.介绍了风险价值量模型的由来和含义,以及其模型在金融风险估计中的价值意义.第二部分是本文的主要部分,即运用ARCH模型的过程.第三部分简要的介绍了ARCH模型在金融风险分析中的重要意义.第四部分是结论.     

Teradata天睿公司大中华区数据仓库和企业分析峰会召开

本刊讯 日前,Teradata天睿公司在重庆召开第11届大中华区数据仓库和企业分析峰会。峰会以“数据价值极致演绎”为主题,就数据社会化、大数据、云计算技术、极限分析、时间感知、地理空间、数据管理等业内最先进的数据仓库和企业分析技术及解决方案和最佳实践等展开深入交流。     

数据仓库信息生命周期管理的应用

随着IT技术的发展，越来越多的企业建立了数据仓库系统来管理数据并挖掘信息的价值。经过多年的数据积累，数据仓库系统中可能保存了TB级的数据。为了使这些数据财富发挥其应有价值，首先要解决数据存放和访问的问题。如果处理不好极有可能出现下列状况：     

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。     

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...     

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。