证券行业本身经过数十年的发展,积累了大量的分布在不同平台的业务数据,包括集中交易数据,财务数据,CRM数据等,如何将这些数据集中到统一的数据平台,分析数据的商业价值,深入挖掘潜在客户及不同客户交易特征,为公司决策者提供科学的决策支持,提高公司综合市场竞争力,把脉公司未来的发展方向,建立证券行业内部数据仓库系统无疑是解决上述问题的最佳途径。本论文对数据仓库的基础理论和证券行业数据仓库的设计和开发过程进行阐述,以A证券公司2010年交易数据为基础,提出证券行业数据仓库分层加载,分层实施的业务架构,应用Informatica先进的ETL工具设计出不同维表并采用不同加载策略,从而高效率地实现数据仓库平台的设计与部署,该成果为证券行业数据仓库建设提供科学的范本和实践的指导意义。此外,本论文还对数据仓库中的数据应用BO的OLAP技术分析业务交易的历史数据。使业务人员应用OLAP工具从不同的角度观察、分析客户的交易行为和分析不同客户在不同阶段的贡献度及不同营业部的业绩度量。最后,本论文应用k-means聚类算法分析证券行业数据仓库中客户的交易数据,分析不同客户的交易行为及交易特征,细化交易客户,对不同类别的客户采用不同服务策略。这将为公司决策市场行为,优化客户关系,提升公司的盈利能力发挥重要作用。