多维数据模型与OLAP实现

近年来,随着网络技术和数理分析在银行业中的广泛应用,西方商业银行开始广泛采用人口地理统计理论,运用数据挖掘及商业智能等技术,处理跨时间、跨空间、跨部门、跨产品的银行数据集成分析问题,逐步实现了金融产品和金融服务的交叉销售,以保留住优质客户。目前,国内多家银行也不同程度地开展了商业智能(BI,BusinessIntelligence)系统建设。从信息管理角度看,商业智能是决策支持技术在商业银行应用的进一步发展和完善,OLAP(On-LineAnalyticalProcessing,联机分析处理)技术是BI的关键技术之一。自1970年第一个OLAP的雏形工具Express发…     

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。     

数据仓库数据质量6西格马标准

随着科技的发展、企业信息化建设的成熟,出现了大量的业务数据和操作数据,为了将海量的数据转化为信息从而产生真正的价值,在银行业尤其是大型银行,商业智能技术得到广泛的应用。而数据仓库的建设,正是商业智能中非常关键的一个环节。现有的研究中对于数据质量的探讨,一般面向所有的信息系统。实际上,不同类型的信息系统其数据质量的关注点和治理方式,并不完全相同。     

数据仓库建设中的数据冗余问题及其解决方法探讨

一、引言在亚洲金融危机之后,随着巴塞尔II新协议的出台,商业银行正面临着越来越严格的监管要求和更加激烈的市场竞争。为了提高银行竞争力,如何利用银行数据资产进行决策分析成为国内商业银行信息化建设的热点。通过对数据仓库的分析研究,建立全局集中的商业智能解决方案,已经     

运用商业智能提升银行管理效率—商业智能在银行的应用

商业智能的本质是提取收集到的数据,进行智能化的分析,揭示银行运作和市场情况,帮助管理层做出正确而明智的经营决定。商业智能在银行业的应用也就是数据仓库技术在银行业的应用。随着国家金融体制改革的深入和完善,金融业务处理能力的不断扩展,大量新的服务手段不断应用,使得金融部门需要处理的业务种类和业务量都远远超过了以往任何时候。银行业要在竞争高度激烈     

商业智能在银行中的应用

目前,各银行已积累大量的货币经营、银行卡和中间业务数据,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。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方式转向高层信息分析和结合专家知识进行决策支持,在这种情况下,在银行数据库基础上建立商业智能应用,显得十分具有实际意义。     

银行业加速数据管理转型

多年的信息化建设,给银行带来了爆炸式的数据量。面对海量的数据,如何应用并挖掘客户价值,传统的商业智能技术围绕数据采集、联机分析帮助银行实现了业务分析和决策,比如报表和报告。然而,大数据时代带来的文档、视频、音频等半结构化和非结构化数据,却使得传统的数据采集的做法束手无策。一方面,数据分析时滞太长、客户服务交互性不足,另一方面,缺乏直接面向客户创造价值的创新。面临大数据的挑战,现有系统日益显得捉襟见肘,迫切需要加速数据应用管理的转型。     

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。     

基于数据仓库的银行商业智能构建

随着计算机网络、人工智能数据库等技术的发展,一项新的信息管理技术——商业智能（BI）诞生了,它已成为当今信息管理技术的热门应用。实际上,商业智能技术是数据库与人工智能这2项计算机技术相结合的产物：利用人工智能中的机器学习、知识处理和神经网络等算法,从数据库中发现知识,理清数据库中大量数据之间的相互关联及存在规律,可供使用者有效分析和利用数据库中已存储的各种有用信息,以帮助决策者迅速做出决策,从而使银行产生巨大的经济效益。     

商业智能在银行中的应用

商业智能，又称商务智能，指用现代数据仓库技术、在线分析处理技术和数据挖掘技术进行数据分析以实现商业价值，它之所以能粉墨登场，在银行中扮演越来越重要的角色，其根本原因在于：一方面随着银行信息化的不断深入，银行积累的数据越来越多，面临着“数据爆炸”和“信息缺乏”的矛盾；     

并不轻松的智能之旅

2003年11月，本刊曾经就商业智能在银行业的应用以专题形式进行了全方位的报道和剖析。在专题中，北京大学唐世渭教授等人撰写的《数据仓库在银行业管理信息化的作用》、NCR（中国）有限公司王闯舟撰写的《数据仓库技术及其在银行业的应用》以及本刊记者采写的《打造智能化的商业银行》均在业内引起了一定的反响。时至今日，商业智能、数据仓库、数据挖掘等已经不再是新鲜的概念。金融行业很多领域的管理人员、业务人员和技术人员在积极地了解商业智能的理念，学习相关的知识，掌握重要的分析工具。我们看到，尽管此前有一些金融机构在基于商业智能理念搭建数据仓库、实施数据挖掘方面没有达到预期的效果，但也有一些金融机构通过不懈的努力尝到了“螃蟹的鲜味”。2005年6月24日，由中国科学院研究生院、香港理工大学和中国科学院计算技术研究所共同发起的“商业智能及其在金融领域应用研讨会”在北京召开。近百位来自于银行、证券、保险行业及监管单位的领导和专家围绕主题进行了多层次的研讨。本刊记者全程跟踪此次研讨会，针对一些演讲嘉宾进行独家专访，希望通过对一些重点问题的展示和分析，能够帮助读者重新认识、了解商业智能。     

综合业务系统数据管理

数据是商业银行经营管理的基础，所有存放在银行数据库中的客户信息都是银行的宝贵财富，每一条数据都记录着客户使用金融产品的信息。数据管理就是商业银行利用先进的数据仓库技术、商业智能技术、内容管理系统、知识管理系统等，对业务和数据进行规范管理、系统分析、精确统计，为决策者及时提供经营管理信息的     

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]     

打造智能化的商业银行

在刚刚结束的2003年金融展及金融信息化发展论坛上,商业智能项目成为银行管理人员、科技人员以及各大厂商关注的焦点问题之一。很显然,在国内商业银行通过数据集中解决了银行经营风险的控制问题,以及通过建立以客户为中心的新一代核心业务系统解决了如何搭建业务模型框架的问题     

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。     

是智能,也是挑战--专访中信实业银行信息技术部总经理林丽

中信实业银行是“中国首家整体引进国际先进核心业务系统，实现软硬兼备的完整数据大集中”的银行，同时也是国内较早涉足商业智能领域的商业银行之一：经过数年在基础设施平台、核心业务系统、业务流程重组等方面的准备，中信实业银行又站在新的起点上重新考虑商业智能项目的建设。近日，中信实业银行信息技术部总经理林丽接受本刊专访，     

打造银行商业智能平台增强银行竞争力

在欧美发达国家,以数据仓库、联机分析处理和数据挖掘为基础的商业智能在银行业中广泛应用并取得成功。我国银行业即将对外全面开放,面对激烈的市场竞争,银行业也把眼光投向了商业智能,希望借助它来重构银行竞争力。对我国的银行业来说,商业智能平台建设水平的高低将直接关乎其应对外资金融机构竞争压力的成功与否。     

大数据环境下商业银行客户标签体系的构建

在大数据时代,以互联网为代表的现代信息科技将从根本上改变金融运营模式。数据在呈现出海量化、多样化、传输快速化和价值化的变化趋势的同时,也改变了传统金融行业的市场竞争环境、营销策略和服务模式。商业银行“通过产品与服务争夺客户”的背后是一场暗流涌动的数据战。商业智能、大数据分析、数据挖掘、数据价值、信息地图等词汇越来越多地进入到商业银行各级机构管理层和执行层的视野,银行在客户营销、客户关怀、风险监管、业务运营等方面,有关数据分析的应用也更加深入和精细。     

中小银行建设数据仓库平台的探讨

<正>伴随信息技术发展,中小银行(含农村信用社及其改制的银行)信息化水平不断提高,经过近年业务品类和规模的迅速扩展,积累了大量经营历史数据。随着银行市场竞争日趋激烈和利率市场化的预期来临,规模扩张的粗放式管理模式已经不适应其当前发展,中小银行亟须利用信息科技挖掘内在规律,变粗放式管理向精细化、信息化管理模式转变。因此,中小管理信息化的需求变得极为迫切。数据仓库及商业智能技术给银行管理信息化提供了成熟的技术支     

BI提升山东建行决策水平

近年来，银行界一直在努力提高信息化建设水平，利用先进的信息技术深层次分析和挖掘业务数据，加强信贷决策管理。最近，中国建设银行山东分行为了提升本行的决策管理水平，在现有的数据仓库系统上增加了商业智能软件。通过该项目，山东建行在业务数据处理和分析上得到了进一步的加强，为银行管理层的数据查