商业智能:中国银行业提升竞争力的战略举措

随着信息化的纵深发展,银行业已经不再满足于单个客户关系管理或者其他信息系统的效果,希望能够从系统中发掘更多的数据资产,因此商业智能(BI,Business Intelligence)已成为信息化建设的新热点。商业智能作为一种有效的决策支持工具已被越来越多的企业所采用。商业智能在金融行业并不是一个陌生的术语,其概念最早是Gartner Group于1996年提出来的。北京大学唐世渭教授认为,商业智能是指通过对数据的收集、管理、转化和分析,使数据成为可用的信息,以更好地辅助决策和指导行动。商业智能能够辅助的业务经营决策,既可以是操作层的运营手段,也可以为决策层提供决策依据。为了将数据转化为知识,需要综合利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等信息技术。     

商业智能在保险数据分析和决策支持中的应用与实现

经过多年来的业务发展和信息系统建设,保险企业积累了大量的历史数据。如何充分利用这些数据,将其转化成商机,一直是保险企业思考的问题。商业智能（BI）技术提供了一个良好的方法,把分散的数据集成到一个数据仓库系统中,利用在线分析技术和数据挖掘技术帮助公司对业务进行分析,寻求业务规律,为领导层提供决策支持。     

应用商业智能提升银行核心竞争力的重要举措

在数据大集中已经大致完成的背景下，商业智能（BI）应用成为战略转型中的中国大型商业银行进行信息化建设的必要选择。我国一些较大型的商业银行，如交通银行、光大银行，以及建设银行的个别分行等现已应用商业智能，取得了较好的成效，引起了业内的广泛关注。在现有的条件、环境下，银行业应该采取何种商业智能应用策略，从技术层面应该如何推进商业智能应用，是业内相关人士普遍关心的问题。     

关注数据质量

金融信息化发展至今,虽然各个金融机构对如何利用信息技术打造核心竞争力有着不同的策略和认识,却不约而同地将目光投向了数据.金融家们清楚地知道,未来金融企业的竞争能力将体现在对数据的掌握和分析上.于是,继数据集中和新一代核心业务系统上线后,CRM、数据仓库、商业智能等管理/分析类软件被当作解决客户问题、产品问题、成本问题和决策问题的"法宝",成为银行信息化建设的又一个热点.但是在已经实施的相关项目中,达到预期效果的却为数不多,耗费巨资的IT项目最终忽视了一个极其重要的基础问题-数据质量.     

数据集中环境下PKI技术的应用探讨

一、前言 随着数据集中和资源整合日益成为银行业信息化的方向,我国工行、农行、中行、建行以及中国银联等金融机构基本完成了数据大集中,人民银行近年来的信息系统建设都按照数据集中的模式构建。数据集中对技术、业务和生产运营的统一管理和规范、软件开发和系统运行的质量、数据安全和灾难备份的保障也提出了更高的要求和标准。     

大数据对商业银行信息系统审计的影响研究

随着科技的发展,大数据一词越来越被频繁提及,成为各界热议的话题之一,也引起了学术界众多学者的关注,与大数据相关的实践几乎成为所有行业在技术和应用方面最具创新意义的活动,因此对于以数据处理为依托的信息系统审计来说也是一种机遇。与此同时,大数据在信息系统审计工作的应用程度直接影响了审计的质量和风险,这就给信息系统审计工作带来了挑战。此外,随着大数据的高速发展,商业银行的客户数据、交易数据以及管理数据均呈现爆炸式增长,商业银行如何开展大数据环境下的信息系统审计极为重要。本文通过分析大数据环境下商业银行信息系统审计的现状,指出商业银行在大数据环境下开展信息系统审计面临的问题,最后就商业银行如何在大数据时代推进信息系统审计工作提出自己的意见和建议。     

浅析人民银行省级区域性数据的集中管理与利用

本文从技术角度出发，分析了人民银行省级区域性数据集中管理的意义，探讨了信息系统数据集中管理与利用的途径和方法。通过对目前人民银行计算机信息系统建设和使用现状的分析，提取出近期能够集中并具有集中意义的各种可能，对其中具有代表性的集中方法展开分析，为今后的数据集中整合工作寻找突破口。同时，在数据集中管理的基础上探讨了数据综合利用的有效途径。     

基于BI的数据中心建设探讨

如何在海量数据和信息中快速、准确获取有价值的知识与决策,是银行业务不断拓展、信息化水平不断提高过程中急需思考的问题。商业智能（BI）的出现倍受银行业关注。本栏目紧跟城市商业银行信息化建设步伐,节选了BI在城商行数据中心、绩效考核等系统的应用及BI项目实施的经验总结,供行业同仁探讨。     

建立新数据管理体系支持新巴塞尔协议

经过一段时期的数据集中．金融企业已经积累了大量的数据，似乎实现数据分析应用的时代已经来临。但是在实际工作中，这种数据分析应用项目并没有大规模的出现。为什么会出现这样的局面？数据分析应用还能实现吗？这是困扰很多商业智能从业人员的难题。 从本期开始．“商业智能”栏目将刊登以“金融数据管理与应用”为主题的连载文章。该专栏文章结合作者自身的工作经验．涉及三个方面的数据分析应用：金融企业数据管理、分析型客户关系管理和金融企业风险管理。其中数据管理部分介绍影响金融企业实施数据分析应用的主要障碍及其解决方法．其余两个部分则是当前金融企业数据分析应用的重点课题。对于很多计算机应用系统建设处于系统集中中前期阶段的金融企业，具有相当的推导作用。[编者按]     

保险企业信息系统的数据标准化

近年来,中国保险业发展极为迅速,各个保险企业的后台信息系统支持平台也在不断增多并完善。由于缺乏统一的数据标准,信息孤岛在不断增加,各个系统都在用不同的数据结构去描述基本相同的数据。由于数据定义不同,对问题分析造成了较大的困难,从而加大了保险企业信息系统的运维成本。对于信息系统的建设而言,数据管理和数据标准化都是基础性的工作,没有卓有成效的数据管理,     

“大数据金融”亟待“大数据安全”

2015年接近尾声之时,e租宝、大大集团相继被查,互联网金融震荡.12月28日,中国银行业监督管理委员会(简称:银监会)牵头制定的《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》对外发布,国家金融部门对网络借贷进行监管.     

在PowerBuilder数据窗口间数据传递的探讨

随着数据库技术在各行各业的广泛应用,作为企业级数据库前端开发工具的PowerBuilder日益成为开发人员的得力助手.PowerBuilder以其开放的体系结构,友好的用户界面和简洁高效的开发环境赢得了众多程序员的喜爱.其独到之处,就是数据窗口(DataWindow).它能够灵活地组织数据库中的各种数据,如果能够熟练地运用数据窗口这一专利技术,无疑会给开发人员和用户带来巨大的方便.     

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。