下载文档原格式
数据仓库与联机分析处理一、基本概念数据仓库是面向主题的、集成的、时变的和非易失的有组织的数据集合，支持管理决策制定。
有一些要素区别数据仓库与操作数据库。
由于两种系统提供很不相同的功能，需要不同类型的数据，因此有必要将数据仓库与操作数据库分开维护。
A data warehouse is a subject-oriented, integrated, time-variant, and nonvolatile collection of data in support of management’s decision-making process.”—W. H. Inmon1.1 什么是数据仓库数据仓库已被多种方式定义但没有一种严格的定义。
课本：数据仓库是一种数据库，它与单位的操作数据库分别维护。
数据仓库系统允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
A decision support database that is maintained separately from the organization’s operational database一个与组织结构的操作数据库分别维护的决定支持数据库；Support information processing by providing a solid platform of consolidated, historical data for analysis.为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
建立数据仓库（data warehousing):The process of constructing and using data warehouses 构建和使用数据仓库的过程1.2 subjected-oriented 面向主题的Organized around major subjects 围绕一些重要主题Focusing on the modeling and analysis of data for decision makers, not on daily operations or transaction 聚焦在为决策者的数据分析建模，而不是日常操作和交易Provide a simple and concise view around particular subject issues by excluding data that are not useful in the decision support process 排除对决策无用的数据1.3 integrated 集成的Constructed by integrating multiple, heterogeneous data sources 多个异构数据源，使用数据清理技术和数据集成技术，确保一致性Data cleaning and data integration techniques are applied1.4 Time-variant 时变的The time horizon for the data warehouse is significantly longer than that of operational systems 比操作数据库的时间更长数据仓库的关键结构都显式或者隐式地包含了时间元素1.5 nonvolatile 非易失的A physically separate store of data transformed from the operational environment 数据仓库总是物理地分离存放数据。
数据仓库与在线分析处理技术的应用研究数据仓库与在线分析处理（Online Analytical Processing，简称OLAP）技术用于解决实时数据分析和决策支持的需求。
它们是当今企业信息化建设中非常重要的工具，可以帮助企业从大量海量的数据中提取有价值的信息，帮助管理层做出正确的决策。
本文将重点研究数据仓库与OLAP技术在企业中的应用。
数据仓库是指由企业的各个业务系统和数据库中提取和整理得到的用于分析和决策的数据集合。
它是一个面向主题的、集成的、非易失的数据集合，支持管理者进行企业的决策。
数据仓库的建设需要清洗、整合、转换、加载等过程，使得企业数据变得一致、可靠、易用。
数据仓库中的数据可以是来自企业内部系统的，也可以是来自外部的市场情报、竞争情报等。
数据仓库的建设需要借助于一系列的技术和工具，如ETL（抽取、转换和加载）、数据清洗、数据模型设计等。
数据仓库的建设可以帮助企业实现以下几个方面的应用：首先，数据仓库可以支持企业的业务分析和决策制定。
通过对数据仓库中的数据进行多维分析，管理层可以获取到企业各个方面的数据指标，如销售额、利润、成本等。
这些指标可以帮助管理层识别问题、分析原因，并提出相应的改进措施。
其次，数据仓库可以支持企业的市场分析和竞争分析。
通过对数据仓库中的市场数据进行分析，企业可以了解到自身产品在市场上的竞争力，了解到竞争对手的战略和产品特点。
这样可以帮助企业制定更合理的市场战略，提高企业的竞争力。
此外，数据仓库还可以帮助企业进行业绩分析和风险控制。
通过对数据仓库中的财务数据进行分析，企业可以了解到自身的盈利状况，识别到潜在的风险点。
这样可以帮助企业及时采取措施，避免风险的发生，保证企业的健康发展。
OLAP技术是数据仓库中的一种重要技术，它可以对数据仓库中的数据进行在线分析。
OLAP技术主要包括多维数据库、多维数据模型、多维查询语言等。
通过OLAP技术，用户可以通过多维数据模型快速、灵活地进行多维分析。
第一章数据仓库和联机分析处理（OLAP）概述1.1 数据仓库的概念及其特点“什么是数据仓库？”这恐怕是每一个刚刚开始接触数据仓库的技术人员都会提出的一个问题。
有人认为数据仓库就是一个大的数据库，也有人认为数据仓库是一项数据管理和分析的技术。
这些定义都从一定的侧面反映了数据仓库的概念，但并不全面。
目前，业界公认的数据仓库定义是由数据仓库之父W.H.Inmon在《Building the Data Warehouse》[7]一书中给出：“数据仓库是面向主题的、集成的、随时间变化的、稳定的数据集合，用以支持管理中的决策制定过程。
”正如Inmon所描述的，数据仓库具有如下特点[6,7]：(1) 数据仓库的数据是面向主题的与传统数据库面向应用进行数据组织的特点相对应，数据仓库中的数据是面向主题进行组织的。
所谓主题，是指在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。
在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象。
(2) 数据仓库的数据是集成的建立数据仓库的主要目的就是为用户提供易于访问的商业信息。
为了减少用户查询的响应时间，应该把数据从数据源中提取出来，放到数据仓库中去。
在数据进入数据仓库之前，必须经过加工和集成，使原始数据结构做一个从面向应用到面向主题的大转变。
(3) 数据仓库的数据是不可更新的数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。
数据仓库的数据不可更新使得数据仓库管理系统DWMS相比数据库管理系统DBMS而言要简单得多，同时也使我们可以对数据仓库进行最大限度的性能优化。
(4) 数据仓库的数据是随时间不断变化的数据仓库中的数据不可更新是针对应用来说的，也就是说，数据仓库的用户进行分析处理时是不进行更新操作的。
但并不是说，在从数据集成输入数据仓库开始到最终被删除的整个数据生存周期中，所有的数据仓库数据都是永远不变的。
数据仓库、联机分析处理与数据挖掘08广义概念上的数据仓库是一种帮助企业做决策的体系化解决方案，它包括了三个方面的内容：⏹数据仓库技术（Data Warehouse，DW）⏹联机分析处理技术（On-line Analytical Processing，OLAP）⏹数据挖掘技术（Data Mining，DM）数据仓库、联机分析处理和数据挖掘作为信息处理技术是独立出现的。
数据仓库用于数据的存储和组织；联机分析处理则侧重于数据的分析；数据挖掘则致力于知识的自动发现。
因此这三种技术之间并没有内在的依赖关系，可以独立地应用到企业信息系统的建设之中，以提高信息系统相应的能力。
但是，这三种技术之间确实存在着一定的联系性和互补性，把它们结合起来，就可以使它们的能力更充分地发挥出来。
这样就形成了一种决策支持系统的架构，即DW+OLAP+DM。
1、数据仓库技术⑴概述数据仓库是一种只读的、用于分析的数据库，常常作为决策支持系统的底层。
它从大量的事务性数据库中抽取数据、并将其清理、转换为新的存储格式，即为了决策目标而把数据聚合在一种特殊的格式中。
数据仓库是支持管理决策过程的、面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合。
其中，“主题”是指用户使用数据仓库辅助决策时所关心的重点问题，每一个主题对应一个客观分析领域，如销售、成本、利润的情况等。
“面向主题”就是指数据仓库中的信息是按主题组织的，按主题来提供信息。
“集成的”是指数据仓库中的数据不是业务处理系统数据的简单拼凑与汇总，而是经过系统的加工整理，是相互一致的、具有代表性的数据。
“随时间变化”是指数据仓库中存储的是一个时间段的数据，而不仅仅是某一个时间的数据，所以主要用于进行时间趋势分析。
一般数据仓库内的数据时限为5到10年，数据量也比较大。
“信息本身相对稳定”是指数据一旦进入数据仓库，一般情况下将被长期保留，变更很少。
⑵数据仓库组织和管理数据的方法与普通数据库的不同点主要表现在三个方面：①它依据决策要求，只从数据库中抽取那些需要的数据，并进行一定的处理。
使用Hadoop进行分布式数据仓库与OLAP分析的技术实现随着大数据时代的到来，企业面临着海量数据的存储和分析挑战。
为了解决这一问题，Hadoop作为一种开源的分布式数据处理框架应运而生。
本文将介绍使用Hadoop进行分布式数据仓库与OLAP（联机分析处理）分析的技术实现。
一、Hadoop简介Hadoop是由Apache基金会开发的一种可靠、可扩展的分布式计算框架。
它由两个核心组件组成：Hadoop Distributed File System（HDFS）和MapReduce。
HDFS用于存储大量数据，并将其分布在集群中的多个节点上。
MapReduce则负责将数据分布式处理。
二、分布式数据仓库的概念分布式数据仓库是一种将企业数据集中存储在多个节点上的系统。
它将数据从不同的数据源中提取、转换和加载到一个集中的存储位置，以便进行分析和报表生成。
分布式数据仓库的设计目标是提供高性能、可扩展性和容错性。
三、Hadoop作为分布式数据仓库的实现Hadoop的分布式文件系统HDFS提供了高可靠性的数据存储，可以容纳海量数据。
通过将数据分散在多个节点上，HDFS实现了数据的冗余备份，保证了数据的可靠性和容错性。
同时，Hadoop的MapReduce框架可以并行处理大规模的数据集，提供了高性能的数据处理能力。
在使用Hadoop作为分布式数据仓库时，首先需要将数据从不同的数据源中提取出来，并进行清洗和转换。
然后，将数据加载到HDFS中，以便后续的分析和处理。
Hadoop提供了丰富的工具和API来支持数据的提取、转换和加载过程，如Sqoop用于数据导入和导出，Hive用于数据查询和分析。
四、OLAP分析的概念OLAP是一种用于多维数据分析的技术。
它通过对数据进行切片、切块和钻取等操作，提供了灵活的数据分析和报表生成功能。
OLAP分析通常包括数据的聚合、计算和可视化等过程，以便用户能够更好地理解数据的关系和趋势。
五、Hadoop作为OLAP分析的实现Hadoop提供了一些工具和技术来支持OLAP分析。
CN81-1166/T P 计算机工程与科学 2000年第22卷第1期 ISSN1007-130X CO M P U T ER EN G IN EERIN G&SCIEN CE V o l.22,N o.1,2000 文章编号:1007-130X(2000)01-0039-04数据仓库及联机分析处理技术Data Warehouse and Online Analytical Processing杨 光 张 雷 艾 波Yang Guang,Zhang Lei and Ai Bo(北京邮电大学)(Beijing University of Posts and Telecommunications) 摘 要:数据仓库和联机分析处理(Online Analy tical Processing,简称OLAP)是决策支持系统的有机组成部分。
本文介绍了数据仓库、数据集市、联机分析处理的概念,分析并比较了建立数据仓库的三种策略及联机分析处理系统的三种结构,在文章结尾我们给出了联机分析处理系统的两个新的发展方向-W EB OLAP、O LAP+数据挖掘。
Abstract:Da ta wa rehouse and online a naly tical processing(OLAP)are integ ral pa rts o f the decisio n suppo rt sy stem(DSS).In this paper,the concepts of data wa rehouse,data mart,o nline analytical processing are introduced,and three im plementa tion stra tegies of da ta w areho use,three a rchitectures of OLAP are analy zed and com pared.At the end o f the paper,w e present two new dev elo pm ent trends of O LAP-W EB OLAP,O LAP+Data mining.关键词:数据仓库;数据集市;联机分析处理;MO LAP;RO LAP;HOLAPKey words:data wa rehouse;data mar t;OLAP;M OLAP;ROLAP;HO LAP中图分类号:T P311.13 文献标识码:A1 引言 随着计算机技术的广泛应用,企业每天都要产生大量的数据,如何从这些数据中提取对企业决策分析有用的信息,是企业决策管理人员所面临的一个难题。
基于数据仓库的联机分析处理技术论文基于数据仓库的联机分析处理技术论文摘要：数据仓库是信息业界的明日之星，数据仓库与联机事务处理（OLAP）是过去十几年来最热门的信息领域，它们的目标是以计算机来取代许多当前的作业。
文章首先介绍了数据仓库和联机分析处理技术的基本概念，比较并分析了它们同传统的数据库的差异，最后介绍并探讨了联机分析处理技术的发展领域。
关键词：关键词：数据仓库；联机分析处理；联机事务处理；传统数据库中图分类号：TP392 文献标志码：A 文章编号：引言：随着市场竞争的日趋激烈，信息对于企业的生存和发展发挥着越来越重要的作用。
与此同时，在各个领域产生了大量的数据，但是面对不断增加如潮水般的数据，传统的数据库管理系统已无法满足决策支持系统对数据的要求，因此人们提出了更深层次的问题：能不能从数据中提取信息或者知识为决策服务。
在这种情况下，一种适用于决策支持系统的数据组织与管理技术—数据仓库1技术应运而生。
1．数据仓库技术1.1 数据库到数据仓库的演变传统的数据库与OLTP（On-Line Transaction Process）平台并不是为了分析数据而设计的，用户可以在一个OLTP平台上安装数个应用系统，它在数据共享、数据与应用程序的独立性、维护数据的一致性和完整行及数据的安全保密性等方面提供了有效的手段。
但是当它与分析型应用结合时，却出现了许多问题。
首先，利用传统的数据库进行数据分析，分析的结果缺乏可靠性。
其次，利用传统的数据库进行数据处理，其效率很低。
第三，传统的数据库难以将数据转化成信息。
第四，传统的数据库系统主要用于事务处理，而在事务处理型的应用环境中直接构建分析决策型应用是不可能的。
所以，为了提高分析和决策的效率和有效性，面向分析决策型应用的数据处理及其数据必须与事务处理型应用环境分离，建立单独的分析决策型应用环境。
数据仓库正是为了解决这一问题而诞生的一种数据存储和组织技术。
数据仓库与传统的数据库的不同之处在于数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它可以支持企业或组织的决策分析处理2。
科技信息2010年第35期SCIENCE&TECHNOLOGY INFORMATION0引言数据仓库(Data Warehouse,DW[1]是信息领域中近年来迅速发展起来地数据库新技术。
数据仓库的建立,能充分利用已有地数据资源,把数据转换为信息,从中挖掘出知识,提炼成智慧,最终创造出效益。
所以,越来越多地企业开始认识到数据仓库应用所带来地好处。
计算机系统中存在着两类不同地数据处理工作:操作型处理和分析型处理,也称作OLTP(联机事务处理和OLAP(联机分析处理。
操作型处理也叫事务处理,是指对数据库联机地日常操作,通常是对一个或一组记录地查询和修改,例如火车售票系统、银行通存通兑系统等。
这些系统要求快速响应用户请求,对数据地安全性、完整性以及事务吞吐量要求很高。
分析型处理,是指对数据地查询和分析操作,通常是对海量地历史数据查询和分析,例如金融风险预测预警系统、证券股市违规分析系统。
这些系统要访问地数据量非常大,查询和分析地操作十分复杂。
两者之间地差异,使得数据仓库技术就应运而生了。
1数据仓库技术数据仓库和数据库[2]只有一字之差,似乎是一样地概念,但实际则不然。
数据仓库是为了构建新的分析处理环境而出现地一种数据存储和组织技术。
由于分析处理和事务处理具有极不相同地性质,因而两者对数据也有着不同的要求。
数据仓库概念地创始人W.H.Inmon在其《Building the Data Warehouse》一书中,列出了操作型数据与分析型数据之间地区别,基于这些区别,可以给出数据仓库的定义:数据仓库是一个用以更好地支持企业(或组织决策分析处理的、面向主题的、集成的、不可更新的,随时间不断变化的数据集合。
数据仓库本质上和数据库一样,是长期储存在计算机内的、有组织、可共享地数据集合。
数据仓库和数据库主要的区别是数据仓库中地数据具有面向主题的、集成的、不可更新的和随时间不断变化的等四个基本特征。
1.1主题与面向主题数据仓库中的数据是面向主题进行组织的。
主题是一个抽象地概念,是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用地抽象;在逻辑意义上,它对应企业中某一宏观分析领域所涉及的分析对象。
比如一家商场,概括分析领域的对象,应有地主题包括供应商、商品、顾客等。
面向主题地数据组织方式是根据分析要求将数据组织成一个完备的分析领域,即主题域。
主题域应该具有以下两个特点:(1独立性,如针对商品地分析所要求的是“商品”主题域,它必须具有独立内涵。
(2完备性,任何对商品地分析处理要求,应该能在“商品”这一主题域内找到该分析处理所要求的内容;如果对商品的某一分析处理要求涉及现存“商品”主题之外地数据,那么就应当将这些数据增加到“商品”主题中来,从而逐步完善“商品”主题。
或许有人担心,要求主题地完备性会使得主题包含有过多的数据项而显得过于庞大。
1.2数据仓库是集成的数据仓库的数据是从原有的分散的数据库数据中抽取来的,因此数据在进入数据仓库之前,必然要经过加工与集成,统一与综合。
这一步实际是数据仓库建设中最关键、最复杂的一步。
首先,要统一原始数据中所有矛盾之处;然后将原始数据结构作一个从面向应用到面向主题的大转变;最后还要进行数据综合和计算;1.3数据仓库是不可更新的数据仓库主要是供决策分析之用的,所涉及的数据操作主要是数据查询,一般情况下并不进行修改操作。
1.4数据仓库是随时间变化的数据仓库中的数据不可更新[3],是指数据仓库的用户进行分析处理时是不进行数据更新操作的,但并不是说,在数据仓库的整个生命周期中数据集合是不变的。
数据仓库的数据是随时间变化不断变化的,这一特征表现在以下三个方面:(1数据仓库随时间变化不断增加新的数据内容。
(2数据仓库随时间变化不断删去旧的数据内容。
(3数据仓库中包含大量的综合数据,这些综合数据中很多与时间有关,一次,数据仓库数据的键码都包含时间项,以表明数据的历史时期。
2联机分析处理技术OLAP(On-Line Analytical Processing即联机分析处理[4],是以海量数据为基础的复杂分析技术。
OLAP支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理,辅助各级领导进行正确决策,提高企业的竞争力。
2.1多维数据模型多维数据模型是数据分析时用户的数据视图,是面向分析的数据模型,用于给分析人员提供多种观察的视角和面向分析的操作。
2.2多维分析操作常用的OLAP多维分析操作有切片(slice、切块(dice、旋转(pivot、向上综合(roll-up、向下钻取(drill-down等。
通过这些操作,使用户能从多个角度多侧面观察数据、剖析数据,从而深入地了解包含在数据中的信息与内涵。
3数据挖掘技术面对日益激烈的市场竞争,客户对迅速应答各种业务问题的能力的要求不断提高,不仅要求回答发生什么,为何发生,还要回答将发生什么。
数据挖掘技术正是支持回答“将发生什么”这类业务问题的。
3.1数据挖掘的概念数据挖掘[5]是从大量数据中发现并提取隐藏在内的、人们事先不知道的但又可能不用的信息和的一种新技术。
数据挖掘技术涉及数据库技术、人工智能技术、机器学习、统计分析等多种技术,它使决策支持系统(DSS跨入一个新阶段。
3.2数据挖掘的数据源数据挖掘的数据主要有两种来源[6],可以从数据仓库中来的,也可以直接从数据库中来。
这些实际的应用数据往往是不完全的、有噪声的、模糊的、随机的,因此要根据不同的需求在挖掘之前进行预处理。
3.3数据仓库的功能数据仓库的功能[7]主要有以下几种:(1概念描述:就是指归纳总结出数据的某些特性。
(2关联分析:若两个或多个变量的取值之间存在某种规律性,就称为关联。
(3分类和预测:找到一定的函数或者模型来描述和区分数据类之间的区别,用这些函数和模型对未来进行预测。
(4聚类:将数据分为多个类,使得类内部数据之(下转第764页数据仓库与联机分析处理技术综述李大志1张阿红2(1.南阳理工学院后勤处河南南阳473000;2.南阳理工学院软件学院河南南阳473000【摘要】本文针对数据仓库DW,OLAP和数据挖掘DM三种技术进行了分析综述。
【关键词】DW;OLAP;数据挖掘Data Warehouse and O n-line Analytical Processing Technology Overview【Abstract】Based on data warehouse DW,OLAP and data mining DM three technology to carry on the analysis are reviewed in this paper.【Key words】DW;OLAP;Data Mining○IT论坛○739科技信息SCIENCE &TECHNOLOGY INFORMATION2010年第35期(上接第739页间的差异最小,而类之间数据的差异最大。
(5孤立点的检测:孤立点是指数据中的整体表现行为不一致的那些数据集合。
(6趋势和演变分析:描述行为随着时间变化的对象所遵循的规律或趋势。
4小结数据仓库DW ,OLAP 和数据挖掘DM 是作为三种独立的信息处理技术出现的。
本文详细分析了这三种技术,数据仓库用于数据的存储和组织,OLAP 集中于数据的分析,数据挖掘则致力于知识的自动发现。
【参考文献】[1]王珊,等.数据库技术丛书之一:数据仓库技术与联机分析处理.北京:科技出版社,1998.[2]Inmn W H.数据仓库.王志海,等,译.北京:机械工业出版社,2000.[3]Inmn W H ,等.数据仓库管理.王天佑,译.北京:电子工业出版社,2000.[4]Kimball R ,等.数据仓库工具箱.谭明金,译.北京:电子工业出版社,2003.[5]Imhoff C ,等.数据仓库涉及.于戈,译.北京:机械工业出版社,2004.[6]Mattison R.Web 仓库工程与知识管理.高军,译.北京:清华大学出版社,2003.[7]Bain T ,等.SQL Server2000数据仓库与Analysis Services.邵勇,等,译.北京:中国电力出版社,2003.作者简介:李大志(1977—,男,河南南阳人,助理实验师。
[责任编辑:汤静]科●科●保护机制缺位、政策性出口信用保险和海外投资保险制度存在多方面等。
3.2.2金融服务体系不完善非洲国内金融市场发展水平较低,难以找到中国金融机构的海外分支,加之许多国家市场存在较大的风险,因而提供融资服务的金融机构往往收取高额的利息,企业融资成本较高,影响了发展。
但是目前,中国金融机构对企业的支持大多位于国内,且作用范围很有限。
3.2.3各种政策间的协调不足中国与非洲开展了政治外交、经济、文化等多个领域的交流和合作。
各领域都有一套促进的政策,但总体而言较为分散,没有形成合力。
这就造成了政策的协调上难度较大,不利于中非间互利共赢长期发展目标的实现。
3.2.4投资行业领域集中中国每年对非洲投资主要是制造业。
制造业投资主体总数占53.4%,但是,因为纺织服装业也是许多非洲国家的支柱产业、出口创汇的重要产业,又无法和中国竞争,这就导致非洲一些以纺织服装业为主导产业的国家对中国纺织服装产品和产业在全球的扩张充满戒备乃至敌意。
一些非洲纺织企业甚至呼吁本国政府支持欧美对中国纺织品出口重新设限。
3.2.5双方了解不够,合作中存在文化冲突作为两种截然不同的文化,中非在经济交往和合作中难免会遇到冲突。
把自身的观念和文化强加于对方,必然会引起冲突,给经济合作造成阻碍。
另一方面,中国企业在非洲投资时,履行社会责任的意识还比较淡薄,许多企业在环境保护、劳资关系等方面的处理上还欠妥当,一些企业还存在着无序竞争的情况,这些都影响了中非合作的发展。
4中国对非洲投资战略的建议鉴于以上分析存在的问题,中国对非洲投资应从以下几个方面进行战略调整:4.1提升非洲国家的产业竞争力对非投资要重点促进东道国的产业发展。
中国对非投资,要实现互利共赢的战略目标,需要着力促进和提升非洲自身的产业能力。
通过投资,完善东道国当地的产业链,提供相关技术、培养专业技术人员和管理人才。
4.2创新经济合作模式优惠贷款是长期以来中国对非援助的主要方式之一。
为了在平等相待、互利共赢的基础上推进非洲的工业化,增强非洲自身发展的能力,必须转变对非援助的方式。
可以考虑由优惠贷款等单方面的给予转变为投资合作基金等,既有利于中非经贸合作的进一步推进,又能够在一定程度上避免来自西方的抱怨和指责。
4.3营造适合企业发展的金融环境非洲国家市场对金融的需求很强,但国内金融市场不发达、资本市场体系不完善,过高的风险使得许多外国金融机构望而却步,因此,金融服务供求方面存在巨大的缺口。
