摘 要：摘要：商业智能系统是伴随信息技术发展起来的、为组织提供有效决策的信息化工具，本文结合银行的实际业务，在对银行业务全面分析和用户需求采集的基础上，阐述了银行商业智能系统应用目标，也分析了银行商业智能系统的基本结构。与此同时，对银行商业智能系统的数据仓库进行了全面的设计，具体包括银行的主题域分析，数据仓库的概念模型、逻辑模型和物理模型的建模设计。
关键词：关键词：银行商业智能；商业智能系统；数据仓库
中图分类号：TP302.1 文献标识码：A 文章编号：
1 . 引言
在激烈的市场竞争下，快捷有效的信息是企业有效决策的依据。在银行业中，信息技术的运用显得尤为重要，特别是数据仓库、数据挖掘技术为银行的业务运作提供了全面支持。随着个性化服务内容的不断增加，以数据仓库为基础的商业智能已经成为银行业未来竞争的重要工具。商业智能系统的运用，为银行在激烈的市场环境下带来更多的商业机遇，进而有效提高银行的市场竞争力和银行的经营效益。
2. 商业智能及其在银行中的应用
2.1 商业智能
伴随着数据仓库等信息技术的发展，商业智能是对商业信息的搜集、管理和分析过程，目的是使决策者获得知识或洞察力，促使决策者做出更有利的决策。从狭义上来解释，也就是从技术的角度来看，商业智能系统一种在数据仓库上进行查询、报表和多维数据分析的工具。但是从广义上来讲，随着商业智能的发展，数据仓库、数据标准平台等已经涵盖在商业智能范畴里，商业智能已超越了最开始时的前端展现工具，不再仅属于技术的范畴。
2.2 商业智能在银行中的应用及其价值
结合银行业务，可以说银行商业智能系统的应用目标可归纳为以下三点，即：综合经营分析、绩效管理、战略决策支持。
（1）综合经营分析
为了对银行的业务进行有效地分析，综合进行分析为银行各级管理人员生成各种管理统计报表及数据，包括资产、负债、表外、资金、同业、财务等各方面。从细节上来讲，综合经营分析包括经营指标、经营业绩和财务分析三部分，而且这三个部分在业务和逻辑上是紧密相关的。
（2）绩效管理
绩效管理是以银行的利润计算为依据，实现对银行的经营业绩进行全面考核的机制。银行绩效管理包括制定绩效计划、评价绩效考核、应用绩效结果和提升绩效目标等过程，使得银行的各机构、部门、柜员、客户经理等各个层面都能够客观地对待业绩经营和绩效之间的关系。
（3）战略决策支持
根据银行业务的具体特点，银行战略决策支持具体表现为，客户关系管理、信贷风险控制、资产负债度分析和利润贡献度分析。
3. 银行商业智能系统的构建
3.1 银行商业智能系统的分析
（1）银行商业智能系统的实现目标
银行办理的业务，按照资产负债表的构成，可以分为资产、负债和中间业务三种。负债业务是银行资金来源的业务，是银行中间业务和资产业务的基础；资产业务是银行运用资金的业务，是银行收入的主要来源；中间业务是不构成银行表内资产、表内负债形成银行非利息收入的业务。与其他企业相比，银行的这些业务也就决定了银行的风险，即货币风险，所以，风险防控在银行管理中占据非常重要的地位。另外，作为企业的银行，获利是其主要目的，所以银行在经营过程中同样也要对成本进行分析。因此，银行信息化的商业智能系统，其应用目标可归纳为以下五大功能：综合经营分析、绩效管理、客户关系管理、信贷风险控制、统计报表管理。
（2）银行商业智能系统的业务运作
相对银行内部的其他业务系统来讲，商业智能系统是现有业务系统之上的更高一层应用。在整合银行业务数据的基础上，商业智能系统基于数据仓库技术提供了一个通用、多角度的分析平台，按照银行管理层级的不同需求，商务智能系统建立了从业务层到管理层再到决策层的不同分析体系。在数据仓库的有力支撑下，商务智能系统的分析从经营角度做出全面评价，使经营者能够实时掌握银行的总体经营状况，通过第一手信息做出准确决策。在银行商业智能系统中，综合使用了数据仓库、联机分析处理和数据挖掘等核心技术，这三种技术的结合能够使商业智能系统的辅助决策能力达到较高层次。
3.2 银行商业智能系统的设计
（1）数据源分析
在信息化普及的今天，银行内部已经建立起各种各样的应用系统，比如：综合业务系统、信贷管理系统、OA系统、信用卡评分系统、企业财务规划（ERP）等，这些系统日常运行的数据存在于各自的数据库中，作为商业智能系统的有效输入。
（2）数据仓库模型设计
设计科学、合理规划的数据仓库是商业智能系统建立的基础，也是商业智能系统提供有效决策的保证。从设计原则来讲，数据仓库的设计必须符合以下要求：①不要简化数据清除和数据源分析的步骤；②不要在没考虑业务问题前就使用OLAP；③与用户不断进行沟通，以掌握用户准确需求，使得设计能够成功地被业务群体所接受；④设计要恰到好处，不要附加不必要的功能；⑤设计要具有可扩展性，要做到随需而变；⑥设计要体现出架构、技术和业务的关系，在这其中技术是重点。数据仓库的良好设计决定了商业智能的应用水平，所以其在商业智能的开发中起到举足轻重的作用。针对数据仓库的开发，其具体过程可以分为概念模型建模、逻辑模型建模和物理模型建模三个部分。
银行商业数据仓库概念模型的建立必须基于银行真实的业务流程，符合银行管理模式，概念设计模型从业务角度确定银行业务主题及其相互关系。在对银行提供的产品和服务深入分析的基础上，本文得到银行数据仓库的三个基本主题域，即：产品主题、客户主题和服务主题。其相互之间的联系是：银行通过各种服务方式向客户提供自己的产品，一种产品可通过多种服务渠道和多个客户发生联系，同时，一个客户也可能通过银行提供的多种服务手段使用银行的多种产品。因此三个主题之间的联系是多对多的关系。
数据仓库逻辑模型是对概念模型的具体分解和细化，是数据服务开发的基础。在该阶段，无论是“面向主题”还是“集成的”都要求数据仓库的表结构设计应该具有相关性。在银行数据仓库建模中，本文首先识别每个业务主题中的实体，确定实体、属性的精确定义，进而建立以维表、事实表为主体的数据仓库逻辑结构。在该逻辑结构中，通过定义的复杂关系描述，从任何一个维值都能直接找到其对应的事实，基于运行效率的考虑，复杂关系的描述是不会给用户的响应带来影响的。
数据仓库物理模型是建立在数据仓库逻辑模型上的，是建立中央数据仓库的实际范本，其主要任务是表的数据结构类型、索引策略、数据存放位置和数据存储分配，在建立过程中，需要考虑I/O存取时间、空间利用率和维护的代价。
（3）OLAP分析
数据仓库是商业智能系统建设的基础，有了数据仓库，接着就需要考虑在数据仓库上建立OLAP分析，OLAP分析是一种用于支持信息管理和决策活动的有效工具，其主要操作有钻取、切片（块）、旋转等。 银行管理人员利用OLAP形成动态分析报表、直方图、折线图、饼图以及其他专业图表，获得直观的分析结果，最终得到需要的结论。
4. 结语
商业智能在银行决策过程中具有非常重要的意义，本文结合银行业务实际，主要从理论方面对商业智能在银行业的应用进行了初步探讨，从银行商业智能系统的构建角度，分析了银行商业智能系统的体系结构及应用目标，并以银行商业智能系统的数据仓库设计为重点，探讨了数据仓库建模的整个过程。
参考文献：
．计算机与数字工程，2010，（8）：81-82，125
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。 返回通信学论文列表
