论文部分内容阅读
我国金融业的发展以及对信息技术的挑战
在我国金融体制以市场化为导向的改革中，大型国有专业银行向商业银行转化，城市商业银行、农信等中小银行的发展如雨后春笋。作为一个金融企业，效益及运营成为银行工作的重点。
贷款业务是商业银行的主要利润来源，信贷管理是商业银行的核心业务之一。近年来，国家成立了资产管理公司，采用“好银行/坏银行”模式处理工、农、中、建四大商业银行的不良贷款，提高商业银行资产的流动性，改善银行资产结构，增强业务能力，从而为提高金融机构运作效率、防范与化解金融风险、确保金融秩序稳定创造条件。由此可见，金融风险管理已经提到政府的议事日程中。
风险管理主要包括如下几个阶段：风险识别、风险测量、选择风险管理工具、效果评价。全过程涉及到的信息包括相关商品市场状况、行业现状、行业发展、企业管理、人事、财务状况等等一系列内容，信息的庞杂造成手工评估、管理的难度大大增加。而现有的银行信贷系统一般都是业务运营系统，并非为决策分析应用而建立；其数据的集成性、完整性、可访问性、可分析性都难以满足信贷风险分析的需求。
随着数据仓库、决策支持技术及解决方案的日益成熟，使得我们有条件采用数据仓库技术来解决这个问题。与传统银行计算机业务系统不同的是：系统的用户是管理人员，应用系统的前台表现直接涉及到非计算机专业的业务人员是否能够使用计算机完成管理功能，是系统建设中必须考虑的问题。
南天电子信息产业股份有限公司是国内主要从事信息技术研究开发与系统集成、金融电子化设备研制和生产的著名企业，我们立足于国内的实际情况，把握信息技术发展的脉络，为客户提供适应客户需求、完整的系统建设方案。
南天信贷风险管理数据仓库解决方案
目前，我国的商业银行信贷业务处理流程主要划分为这样几个阶段：申请受理->客户评价->信贷审批->签定信贷合同->信贷发放->信贷检查->信贷回收->有问题信贷回收。信贷管理主要包括综合分析、客户管理、内部机构管理几部分。为此，我们专门建立了独立于业务系统的数据仓库，专门解决信贷分析和风险管理的问题。事实上，该数据仓库主要针对信贷管理部门，也可称之为数据集市（DataMart）。
针对数据仓库的特点，我们认为数据仓库不是一个产品，而是一个数据分析系统的建设过程。这其中包括：数据的抽取、迁移、集成（ETI）；数据存储与管理；数据仓库的设计、建模；数据分析与展现。
1．数据的抽取、迁移、集成（ETI）
实现该阶段的工作目前主要有三种方式：利用数据复制机制、利用产品商提供的工具软件、针对特定的应用条件，编写程序实现。针对现在银行的数据的分布性、网络带宽、特定的应用模式等特性。南天建议采用自主设计应用程序的方式来完成数据的抽取、迁移、集成等工作。运行过程由系统统一自动调度。
2．数据存储与管理
由于数据仓库存储和管理做非常大的数据量（通常为几十GB，甚至达到TB级），我们采用了大型关系数据库管理系统，并带有对并行处理、决策查询进行优化的组件。即InformixDynamicServer加上AdvancedDecisionSupportOption和ExtendedParallelOption。
3．数据仓库的设计、建模
由于数据仓库的思想不同于传统的关系数据库，为针对多维分析的需求，在设计和建模上采用星形和雪花形模型，以构筑多维的数据模型，提供OLAP分析手段。在此过程中充分利用了南天集团丰富的金融行业经验以及数据仓库的专业技术咨询。
4．数据分析与展现
在客户端提供浏览器的方式来完成OLAP数据多维分析与展现。可以统一的管理和灵活的分配，适应当今Intranet企业管理应用模式的发展。
整个系统体系结构采用了多层次客户/服务器结构，其中包括：由大型关系数据库加决策支持和并行处理扩展的数据仓库存储中心、由OLAP服务器构成的联机分析服务器、信贷管理应用服务器、Web服务器、以及前端通用的Internet/Intranet浏览器。
方案的技术优势和特色
南天信贷风险管理数据仓库是近年来采用数据仓库技术、建立数据集市来满足银行信贷风险分析和管理的解决方案。在系统设计和实施过程中，体现了：
*利用多维思想来完成数据仓库的设计和建模；同时，适合建设银行项目管理的特点，设计了具针对性的业务分析模型；
*多层软件逻辑结构设计；将数据仓库应用与传统管理应用集成；
*采用高性能的关系数据库；增强数据管理和维护的优势，同时保护投资，与业务系统无缝连接；
*针对应用提供特有的数据集成方案，包括数据抽取、清洗、汇总方案设计；
*采用Browser-APServer-DB的方式分布应用；适应企业Intranet应用模式；
*南天对银行业务的深刻理解，提供必要的行业技术咨询，为数据仓库的建设提供有效的技术保证。
系统实施体会及成功案例
与开发传统银行应用系统有很大的不同，信贷管理数据仓库的实施，系统的功能和应用更多地取决于数据模型的设计而非程序流程。联机多维分析模式是系统应用的主要方式。在系统的建设过程中，有以下体会：
*不同的行业和应用领域一般有其自身特点的分析指标和模型，有效的技术咨询及行业分析模型对系统实施起到很大作用；
*数据仓库和OLAP模式的设计可以借鉴但不能拘泥于现有的业务报表模型；
*数据仓库系统的设计，尤其是全国性的分析系统，一开始便应考虑到系统将来的多层次应用模式，为不同类型用户的访问内容以及不同网络层的数据通讯做出规划。
中国建设银行信贷管理系统（全国）
自1997年4月开始，南天集团作为中国建设银行信贷管理系统的总集成商，全面协助建设银行开发和建立全国范围的信贷管理系统。
信贷系统覆盖中国建设银行全行的信贷部、计财部、统计部门和计算中心等部门，从总行到所辖48个一级分行到全国300多个二级分行。
信贷系统总体实现目标是针对建设银行信贷管理的多级模式，根据信贷义务的现行需求和可以预见的变化，本着“以客户为中心，以业务处理流程为主线，以风险管理为核心”的设计思想，基于标准的操作系统、网络、数据库、程序设计语言平台，采用多级客户/服务器模式，全面实现建设银行信贷业务的电子化。同时利用数据仓库技术为建设银行提供信贷决策支持。
二十一世纪的展望
未来银行的实力来自于投资与决策的智慧，银行的竞争优势在于信息技术，银行的竞争对手包括了许多高技术公司。银行经营策略将逐步转向全面的面向客户的服务管理，数据仓库、决策支持系统将成为银行业务处理的基础信息设施之一。
在数据仓库领域，银行应用将主要来自风险管理、效益管理和客户分析。目前，基于信贷的风险管理只是第一步。银行效益管理又分为机构效益、产品及业务效益和客户效益三个方面，是银行决策分析下一步要实施的系统之一。
随着银行的经营从帐务中心向客户中心转移的过程中，客户分析也将越来越重要。而基于客户的分析对目前国内银行的现状来说，还存在着原始业务信息不完备的情况。当前，各大商业银行正在开发其新一代的综合业务系统，在此会有较大的进展，因此客户分析将在今后成为银行数据仓库的重要组成部分。
在以上这些专题性分析系统之上，银行下一步还面临各数据集市和整体数据仓库的实施问题。主要的任务是：建立面向整个企业（银行）的数据仓库，各数据集市从数据仓库中获取数据组成各自专题的分析模型；在各项业务分析之上增加人力资源、财务等信息，构成面向企业运营分析的数据仓库，通过数据的分析找出企业的KPI（KeyPerformanceIndicator）。从粗放型的经营模式向分析型经营模式转变。
作为国家一级企业，南天集团将致力于金融电子化的研究、生产、开发和集成；凭借自身对金融行业多年的经验和深刻的理解，以及对新技术、新概念的不断探索和利用，我们有能力、有信心与广大银行业同仁密切合作，在银行的业务分析和数据仓库应用中做出新的成绩。
在我国金融体制以市场化为导向的改革中，大型国有专业银行向商业银行转化，城市商业银行、农信等中小银行的发展如雨后春笋。作为一个金融企业，效益及运营成为银行工作的重点。
贷款业务是商业银行的主要利润来源，信贷管理是商业银行的核心业务之一。近年来，国家成立了资产管理公司，采用“好银行/坏银行”模式处理工、农、中、建四大商业银行的不良贷款，提高商业银行资产的流动性，改善银行资产结构，增强业务能力，从而为提高金融机构运作效率、防范与化解金融风险、确保金融秩序稳定创造条件。由此可见，金融风险管理已经提到政府的议事日程中。
风险管理主要包括如下几个阶段：风险识别、风险测量、选择风险管理工具、效果评价。全过程涉及到的信息包括相关商品市场状况、行业现状、行业发展、企业管理、人事、财务状况等等一系列内容，信息的庞杂造成手工评估、管理的难度大大增加。而现有的银行信贷系统一般都是业务运营系统，并非为决策分析应用而建立；其数据的集成性、完整性、可访问性、可分析性都难以满足信贷风险分析的需求。
随着数据仓库、决策支持技术及解决方案的日益成熟，使得我们有条件采用数据仓库技术来解决这个问题。与传统银行计算机业务系统不同的是：系统的用户是管理人员，应用系统的前台表现直接涉及到非计算机专业的业务人员是否能够使用计算机完成管理功能，是系统建设中必须考虑的问题。
南天电子信息产业股份有限公司是国内主要从事信息技术研究开发与系统集成、金融电子化设备研制和生产的著名企业，我们立足于国内的实际情况，把握信息技术发展的脉络，为客户提供适应客户需求、完整的系统建设方案。
南天信贷风险管理数据仓库解决方案
目前，我国的商业银行信贷业务处理流程主要划分为这样几个阶段：申请受理->客户评价->信贷审批->签定信贷合同->信贷发放->信贷检查->信贷回收->有问题信贷回收。信贷管理主要包括综合分析、客户管理、内部机构管理几部分。为此，我们专门建立了独立于业务系统的数据仓库，专门解决信贷分析和风险管理的问题。事实上，该数据仓库主要针对信贷管理部门，也可称之为数据集市（DataMart）。
针对数据仓库的特点，我们认为数据仓库不是一个产品，而是一个数据分析系统的建设过程。这其中包括：数据的抽取、迁移、集成（ETI）；数据存储与管理；数据仓库的设计、建模；数据分析与展现。
1．数据的抽取、迁移、集成（ETI）
实现该阶段的工作目前主要有三种方式：利用数据复制机制、利用产品商提供的工具软件、针对特定的应用条件，编写程序实现。针对现在银行的数据的分布性、网络带宽、特定的应用模式等特性。南天建议采用自主设计应用程序的方式来完成数据的抽取、迁移、集成等工作。运行过程由系统统一自动调度。
2．数据存储与管理
由于数据仓库存储和管理做非常大的数据量（通常为几十GB，甚至达到TB级），我们采用了大型关系数据库管理系统，并带有对并行处理、决策查询进行优化的组件。即InformixDynamicServer加上AdvancedDecisionSupportOption和ExtendedParallelOption。
3．数据仓库的设计、建模
由于数据仓库的思想不同于传统的关系数据库，为针对多维分析的需求，在设计和建模上采用星形和雪花形模型，以构筑多维的数据模型，提供OLAP分析手段。在此过程中充分利用了南天集团丰富的金融行业经验以及数据仓库的专业技术咨询。
4．数据分析与展现
在客户端提供浏览器的方式来完成OLAP数据多维分析与展现。可以统一的管理和灵活的分配，适应当今Intranet企业管理应用模式的发展。
整个系统体系结构采用了多层次客户/服务器结构，其中包括：由大型关系数据库加决策支持和并行处理扩展的数据仓库存储中心、由OLAP服务器构成的联机分析服务器、信贷管理应用服务器、Web服务器、以及前端通用的Internet/Intranet浏览器。
方案的技术优势和特色
南天信贷风险管理数据仓库是近年来采用数据仓库技术、建立数据集市来满足银行信贷风险分析和管理的解决方案。在系统设计和实施过程中，体现了：
*利用多维思想来完成数据仓库的设计和建模；同时，适合建设银行项目管理的特点，设计了具针对性的业务分析模型；
*多层软件逻辑结构设计；将数据仓库应用与传统管理应用集成；
*采用高性能的关系数据库；增强数据管理和维护的优势，同时保护投资，与业务系统无缝连接；
*针对应用提供特有的数据集成方案，包括数据抽取、清洗、汇总方案设计；
*采用Browser-APServer-DB的方式分布应用；适应企业Intranet应用模式；
*南天对银行业务的深刻理解，提供必要的行业技术咨询，为数据仓库的建设提供有效的技术保证。
系统实施体会及成功案例
与开发传统银行应用系统有很大的不同，信贷管理数据仓库的实施，系统的功能和应用更多地取决于数据模型的设计而非程序流程。联机多维分析模式是系统应用的主要方式。在系统的建设过程中，有以下体会：
*不同的行业和应用领域一般有其自身特点的分析指标和模型，有效的技术咨询及行业分析模型对系统实施起到很大作用；
*数据仓库和OLAP模式的设计可以借鉴但不能拘泥于现有的业务报表模型；
*数据仓库系统的设计，尤其是全国性的分析系统，一开始便应考虑到系统将来的多层次应用模式，为不同类型用户的访问内容以及不同网络层的数据通讯做出规划。
中国建设银行信贷管理系统（全国）
自1997年4月开始，南天集团作为中国建设银行信贷管理系统的总集成商，全面协助建设银行开发和建立全国范围的信贷管理系统。
信贷系统覆盖中国建设银行全行的信贷部、计财部、统计部门和计算中心等部门，从总行到所辖48个一级分行到全国300多个二级分行。
信贷系统总体实现目标是针对建设银行信贷管理的多级模式，根据信贷义务的现行需求和可以预见的变化，本着“以客户为中心，以业务处理流程为主线，以风险管理为核心”的设计思想，基于标准的操作系统、网络、数据库、程序设计语言平台，采用多级客户/服务器模式，全面实现建设银行信贷业务的电子化。同时利用数据仓库技术为建设银行提供信贷决策支持。
二十一世纪的展望
未来银行的实力来自于投资与决策的智慧，银行的竞争优势在于信息技术，银行的竞争对手包括了许多高技术公司。银行经营策略将逐步转向全面的面向客户的服务管理，数据仓库、决策支持系统将成为银行业务处理的基础信息设施之一。
在数据仓库领域，银行应用将主要来自风险管理、效益管理和客户分析。目前，基于信贷的风险管理只是第一步。银行效益管理又分为机构效益、产品及业务效益和客户效益三个方面，是银行决策分析下一步要实施的系统之一。
随着银行的经营从帐务中心向客户中心转移的过程中，客户分析也将越来越重要。而基于客户的分析对目前国内银行的现状来说，还存在着原始业务信息不完备的情况。当前，各大商业银行正在开发其新一代的综合业务系统，在此会有较大的进展，因此客户分析将在今后成为银行数据仓库的重要组成部分。
在以上这些专题性分析系统之上，银行下一步还面临各数据集市和整体数据仓库的实施问题。主要的任务是：建立面向整个企业（银行）的数据仓库，各数据集市从数据仓库中获取数据组成各自专题的分析模型；在各项业务分析之上增加人力资源、财务等信息，构成面向企业运营分析的数据仓库，通过数据的分析找出企业的KPI（KeyPerformanceIndicator）。从粗放型的经营模式向分析型经营模式转变。
作为国家一级企业，南天集团将致力于金融电子化的研究、生产、开发和集成；凭借自身对金融行业多年的经验和深刻的理解，以及对新技术、新概念的不断探索和利用，我们有能力、有信心与广大银行业同仁密切合作，在银行的业务分析和数据仓库应用中做出新的成绩。