银行数据仓库解决方案
产品概述
目前，国内各个商业银行正面临着前所未有的激烈市场竞争，与此同时，随着中国加入WTO，金融自由化、国际化的速度也正在逐渐加快。不久的将来，国内各商业银行除了彼此之间相互竞争外，还将迎接许多世界级外资银行的挑战。利用先进的数据仓库技术建立集中的、包含详细交易数据的商业智能解决方案，已经成为各大银行对内加强经营管理和决策支持，对外更好地了解客户需求，开发新产品或服务，利用现有渠道对客户进行交叉销售，增加赢利能力，并在特定的业务领域提供差异化服务的重要手段。
羽实箫恩依托多年致力于国内商业银行BI咨询实施服务经验，综合了多家商业银行对业务数据的管理需求，研发了“银行数据仓库”产品。该产品以商业银行管理分析与应用所需的业务数据管理为核心，实现业务数据集中化、数据标准化、主题分类、数据明细和汇总以及历史数据的累积与查询等功能，同时支持根据不同应用建立数据集市的架构。
通过对产品的实施，可实现：
为市场营销和客户分析提供基本信息源和辅助工具，提高银行提高市场竞争能力和客户服务水平。
对全行的信贷资产进行有效管理，对信贷客户有更加深入、全面的了解，可以从全行的角度、从资产优化的角度实施全面的综合管理，有效控制风险，提高银行的资产质量和利润率。
提高银行的经营管理水平，降低成本，提高效率，同时，改进银行各级部门的管理、控制和协作的手段，使整个银行的经营管理更加科学、有效、规范。
短期内帮助银行扩大业务范围、提高客户服务水平、加强内部管理，同时也是也可确保银行长期健康发展的动力。
产品功能与特性
统一存储统一交换
建立企业级数据仓库，按业界标准数据的处理分为缓存数据区、标准数据区、主题数据区、数据汇总区、数据集市区等层次，分别保存原始数据、标准化数据、主题分类、各级明细和汇总结果，以及应用分析系统所需的专题数据，实现数据的统一调度和管理，同时建立数据交换中心，实现各上下游系统的统一数据交换。
标准数据接口
采用业界标准化数据接口方式，通过数据交换中心和调度平台可支持平面文件交换和数据库直抽的方式，规范数据集成和供数流程。
数据标准化与清洗
通过标准化区可对来自源系统的业务数据进行清洗，对数据的缺失和有效性加以控制，提高数据质量，同时，由于各源系统的业务标准不同，往往造成各应用的统计口径不一致，因此在该区域，也将建立统一的标准化规范，确保向下游的各类应用提供一致的数据解释。
历史数据管理
积累的历史数据既是应用分析的数据基础，同时也是银行的知识财富。历史数据区通过拉链存储，保留每天源自源系统的业务数据，确保汇总年季月日均数据，及各项积数等需求，同时，提供历史数据查询服务转移业务数据的细节查询功能，降低对业务系统的干扰，提高业务开展效率。
数据分类与汇总
根据国内商业银行的业务特点，采用成熟业务模型建立主题区和汇总区，包含：团体、协议、产品等8大主题，涵盖业务数据明细和按不同主题进行提炼的汇总结果。可快速满足应用系统对数据获取的需求，降低下游系统的开发成本。
应用数据集市
整体架构支持应用数据集市，为报表应用、客户管理、绩效考核、管理会计等应用提供数据支撑；
统一调度管理
可按任务，批次，作业流，作业四个层次建立依赖关系，可灵活拆分调用，适应不同的实际要求，同时支持多类触发，可手动，定时，作业间等方式，并支持各种主流ETL工具和脚本。在使用过程中，系统提供直观的监控界面，实时监测各项作业的执行情况。
多技术平台支持
支持多种服务器操作系统，应用服务器，数据库，数据仓库平台，如：Windows NT，UNIX，Linux，IBM Websphere，DB2，Oracle，Teradata，Datastage等。
产品整体架构
银行数据仓库产品基于统一调度产品，通过该调度产品实现，数据仓库内的数据以及数据仓库和前后端系统间接口数据的流程管理。数据仓库内的数据基于统一的存储系统和数据库管理系统进行管理，系统间接口将通过统一交换平台进行数据交换。
通过统一调度平台将商业银行现有的业务系统（源系统）中的相关业务数据通过统一交换平台加载到贴源数据区，贴源数据区保存的数据将与源系统相同，还原业务系统数据原貌，保留至少7天的数据。同时系统还将业务数据加载到历史数据平台，历史数据平台将采用拉链的方式进行长期保留。
对贴源数据区保留的当日数据进行标准化和清洗后，将数据加载至标准数据区，标准数据区的数据结构与贴源数据区一致，保存当日明细数据。之后通过轻度整合，对业务数据进行分类，根据数据管理和分析的需要，将业务数据分为各主题。
通过主题分类后，业务数据将进入数据仓库产品的核心区域——数据汇总区，在该区域将包含先后两个数据处理层：预处理层和汇总层，预处理层将保留资产、负债和中间业务的数据聚合和衍生数据，汇总层将针对全行范围内具有共性的业务数据按不同维度和粒度进行汇总，例如：按客户汇总、按机构汇总、按年、季、月时间汇总。数据采用星型模型或雪花模型进行存放。
相对比较有针对性的的数据，比如：CRM系统用到的客户贡献度数据，绩效系统中的客户经理业务指标等信息，将通过各主题的数据集市实现。各数据集市采用的数据结构和汇总层类似，均使用星型模型和雪花模型。
