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…     

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。     

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。     

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     

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。     

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     

SAS数据仓库解决方案

作为在数据处理与统计分析领域的主要软件开发商之一,SAS 公司在企业数据仓库系统建设方面提供了源数据的抽取、清理、加载、刷新,数据仓库数据的组织,前端数据分析、展现、挖掘等系列软件,整套系统覆盖了数据仓库建设的全过程。     

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数据存储即被称为数据仓库。由于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     

数据仓库技术从竞争走向成熟

一、概述数据仓库技术使我们从一个新的视角认识到数据的价值。数据仓库中的数据不仅仅用于查询,还可用于分析对象的发展变化趋势,并最终为管理者提供决策支持。"数据仓库"名词最早出现于20世纪90年代初,90年代末进入相对成熟期,主要标志是许多软件供应商都提供了完整的数据仓库解决方案,并在金融、保险、证券、电信、商业营销等诸多行业取得成功的应用。但是,目前数据仓库取得的成就还远不如商家们"炒作"的那么辉煌,国内的数据仓库建设尚处于起步阶段,成功的应用还不多见。     

商业银行数据仓库项目投资回报分析

目前,银行信息技术应用的重点正逐步从业务处理电子化向数据管理集中化、管理决策信息化发展。数据仓库技术因为能够为决策者提供有效的数据信息分析而备受金融信息化的青睐。在国际范围内,数据仓库技术已经成为商业银行开展科学化管理与决策的技术平台;国内商业银行也逐渐认识到数据仓库项目的意义,不约而同地开始实施或着手规划数据仓库项目的建设工作。然而,数据仓库毕竟是涉及银行业务管理、IT系统等多方面的综合工程,其开发具有相当的难度。数据仓库的应用调查显示:数据仓库应用所特有的高投入、高风险、长周期是投资者必须审慎对待的…     

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。     

构筑七层结构的数据仓库

数据仓库是一个面向主题的、集成的、随时变化的数据集合,它支持管理部门的决策过程。广义而言,数据仓库是一个数据库,它与组织机构的操作数据库分别维护。数据仓库系统将各种应用集成在一起,为统一的历史数据分析提供坚实的平台,对信息处理提供支持。 数据仓库涉及的主要技术包括异种数据提取、数据清洗、数据变换、数据归约、数据立方体、在线分析及模式可视化。 数据仓库的数据模型与操作数据库的数据模型     

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     

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,     

基于数据仓库的银行个人信贷系统的分析与设计

近年来个人信贷在银行贷款中比例不断提高,但不良率也有攀升的趋势,强化个人信贷信用管理成为银行急需解决的问题。本文提出了利用数据仓库技术整合银行历史数据,构建了个人信贷数据仓库的整体架构,并对其数据的ETL、逻辑设计、安全性进行了探讨,为银行的个人信贷业务数据仓库的设计提供了实现方法。     

数据仓库构建探讨

一、数据仓库的体系结构在一般的数据仓库应用系统中,根据系统体系结构的不同,数据仓库设计的内容和范围不同,并且设计方法也不同。本文介绍了不带 ODS 层的体系结构中数据仓库的设计方法。数据从业务系统经过抽取、清洗、整合和加载等过程进入数据仓库。这一步骤主要考虑业务数据     

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。     

NCR TERADATA 数据仓库试水华南

继北京和上海之后,全球领先的数据仓库厂商NCR Teradata数据仓库事业部近期宣布在广州成立第三家办事处。 自1998年进入中国以来,NCR Teradata数据仓库事业部一直致力于推动中国企业的信息化建设,不断把全球领先的数据仓库解决方案介绍给中国的企业,帮助他们提高竞争优势。中国证券登记结算有限责任公司上海分公司(原上海证券中央登记结算公司)是中国第一个采用Teradata数据仓库解决方案的企业。中国建设银