国内某大型银行数据仓库系统招标书

数据仓库在现代商业银行营销中的作用摘要：本文从支持营销的角度介绍了数据仓库在商业银行中所起到的作用。

数据仓库既可为银行决策者提供非常重要、极有价值的决策信息，从而提高经营决策的效率，产生巨大的经济效益；银行营销部门也可以利用数据仓库提供的信息为消费者提供个性化昀服务，从而在竞争中赢得更多的市场机会。

关键词：数据仓库；商业银行；营销doi：10.3969／j.issn.1672-3309(s1.2010.09.04一、引言起源于20世纪70年代的关系型数据库是依照某种数据模型组织起来并存放数据的集合。

这些数据是结构化的，尽可能的减少有害的或不必要的冗余，并以最优方式为某种特定组织的多种应用服务：数据库中数据的存储独立于使用它的应用程序：对数据库插入新数据，修改和检索原有数据均能按一种公用的和可控制的方式进行。

数据仓库是决策支持系统和联机分析应用数据源的结构化数据环境。

数据仓库研究和解决从数据库中获取信息的问题。

数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库(Data Warehouse)是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

数据库与数据仓库的关系与区别：第一，数据库是面向事务的设计。

数据仓库是面向主题设计的。

数据库一般存储在线交易数据。

数据仓库存储的一般是历史数据。

第二，数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计时有意引入冗余，采用反范式的方式来设计。

第三，数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本元素是维表和事实表。

第四，数据仓库是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。

二、数据仓库对商业银行的意义现有的新兴商业银行核心系统及周边系统中，普遍存在着缺乏有针对性的分析模型：分析工具功能有限、效率不高；客户流动性加大，业务复杂性加剧，随机分析需求增多：如何提高客户服务水平、控制金融风险、提高银行的经营业绩、保证利润的持续增长；如何建立有效的数据集成管理机制，充分利用银行积累的大量数据，为银行的科学化管理决策和发展新的业务服务等一系列难题。

数据仓库测试特性及中国建设银行测试实践作者：姜兆龙等来源：《中国金融电脑》 2018年第4期随着信息技术的不断深入普及，互联网服务、金融、电信、医学影像和基因测序等业务领域出现数据资产的爆发式增长。

人类创造数据的速度前所未有，现今数据产生速度超过30000GB/s 并仍在不断加快。

全球数据总量在2013 年约为4.4ZB，到2020 年预计增长十倍达到44ZB 的规模。

为了对数据资产进行系统的分析处理，形成商业智能，数据仓库（Data Warehouse）应运而生。

数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）和反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

随着国际金融形势的变化和国内互联网金融行业的发展，金融企业的竞争方式已悄然发生了变化。

如何在复杂多变的市场条件下，在金融企业盈利增长、管理效率提升的同时，加强信息监管，实施风险控制以赢得竞争优势，已经成为众多金融企业追逐的目标。

数据资产日益成为银行业重要的资产之一，对数据资产的开发利用程度，反映了一个银行的整体管理水平。

数据资产开发对银行的价值例举如图1 所示。

一、中国建设银行数据仓库现状中国建设银行（以下简称“建行”）数据仓库始建于2005 年，历经十余年持续的建设、扩充和完善，特别是经过新一代功能系统重构后，目前已经形成基于一套蓝图、一个平台和一个口径，实现对三类数据的整合加工处理系统。

其中，一套蓝图是指建立一套银行内部统一的基础数据定义，涵盖建行基础核心数据的统一企业数据结构，用来指导和规范多个应用信息系统中对同类业务对象的定义，从而保障全行数据的一致性和数据质量；一个平台是指建立一个统一的、共享的基础数据平台，为不同业务需求提供规范的数据，屏蔽上游数据模型变化对下游的影响；一个口径是指全行各类分析管理、监管报送和数据挖掘的数据，统一从仓库提取，避免多头数据，保证数据来源的准确性和唯一性；三类数据是指顺应数据分析发展业态，涵盖结构化、半结构化和非结构化数据的入库、加工分析处理，实现了数据类型的全覆盖。

跨银行现金管理平台CBS现金集中管理已经成为集团企业的首要需求。

集团企业因为跨地区经营、成员机构间差异性大、财务管理体系复杂等特征,需要与多家银行建立业务往来.各商业银行提供的现金管理产品及网上银行等服务系统相互独立,作为一家集团企业的资金管理者，需要管理企业大量的银行账户与资金，您是否遇到以下困难：•如何通过统一的信息化平台，对分散在各家银行账户的资金，进行集中监控与管理？•如何及时获取各银行账户的资金余额及交易信息，全面掌握集团资金动态和账务状况？•如何通过唯一的电子化渠道，办理各银行账户的收付款结算业务，提升日常交易处理效率？•如何借助利率、汇率管理和系统智能化支持,通过资金转移计价，建立集团内资金价格体系,实现集团资金资源共享？•如何加强对成员机构的资金预算管理和资金用途控制,在集团内推行精细化资金管理模式? •如何依据完备的账户及交易数据信息，对企业的现金管理作出科学合理的分析、预测和决策？——如何迎刃而解？-———选择招商银行CBS，突破障碍，弗远无界，我们为领袖者定义非凡！CBS——- 跨越藩篱开创历史CBS的诞生，打破了银行间的沟通壁垒，通过一体化的系统应用，将企业在多家银行的账户有机整合，以对账户交易的流程化控制为核心，强化流动性管理，关注风险管理和决策支持，并提供更多的现金管理增值服务。

CBS的优势是：·系统设计思想超前,功能完善,满足企业深层次需求；·博采众长，专业创新，融合国内外先进的财资管理经验；·系统可托管于招商银行,节省企业硬件和人力投入；·招商银行提供配套后续维护服务,降低企业运行成本。

CBS，使跨银行现金管理成为现实,企业现金管理跨越新历程.一、产品简介招商银行“跨银行现金管理平台（CROSS－BANK SOLUTION FOR CASH MANAGEMENT，简称CBS）”是针对集团客户的现金管理整体解决方案.该系统从企业实际需求出发，体现新一代财资管理理念,结合商业银行的资金管理模式，为集团企业进行现金集中管理、风险控制、管理决策提供完善支持的一套系统软件。

银行IT系统方案（1）：整体解决方案描述:银行信息系统建设的二个层面是相辅相成的，“业务处理系统”面向客户服务，旨在以丰富的银行金融产品、综合的服务和销售渠道以及灵活的业务处理流程提供即时的、满足市场需求的银行服务。

“经营管理系统"是以业务系统运行过程中产生的数据为基础,以银行经营管理的各个主要因素为对象建立面向银行管理的各个分析主题，以数据基础建立数据模型向银行提供基于数据基础的、量化的决策依据；一、银行系统背景自从上世纪八十年代中期以来，中国的各国有银行、股份制商业银行等金融机构经过20多年发展和管理制度变迁，各金融机构结构发生了深刻变化，金融机构的竞争性市场机制和市场体系初步形成,产权多元化的趋势非常明显。

在加入WTO后境外金融机构的冲击,以及随着2003年开始的一行三会（人民银行、银监会、证监会、保监会)的架构设立，《人民银行法》、《商业银行法》、《监管法》的颁布，中国的金融体系正在迅速向国际标准靠拢。

所以无论从市场指标、市场集中率还是进入壁垒来衡量,都已经从国有银行高度垄断的市场结构转变为多元主体共同竞争的市场结构。

同时,这种市场竞争的加深以及各金融机构服务能力的比拼,对中国金融电子化、信息化建设的影响将是非常深远的！尤其是,从2006年开始在各金融机构实施1104工程开始，标志着管理会计和风险管控在金融机构正式进入实施阶段.另外，从2007年开始的新会计准则的推广，对金融机构的会计核算、财务报告以及信息披露将有深远的影响,也必将进一步推动银行IT架构及金融信息系统的快速发展和与国际惯例接轨。

面对中国金融市场的竞争格局加剧,银行的信息化建设愈发成为银行发展的核心要素。

结合目前国内外系统建设的经验，按照未来国内金融市场的发展趋势,集团认为,商业银行的电子信息系统建设应当在“二个层面"上考虑“统一规划，分步实施”，即商业银行电子信息系统建设的整体解决方案包括二类相对独立的组成部分，一类是“业务处理系统"，一类是“经营管理系统”。

基于数据仓库的商业银行反洗钱系统的架构摘要：主要阐述了银行搭建统一基础数据平台的必要性和深度挖掘“客户效益”所起的作用，对构建企业级数据仓库平台及实现银行反洗钱系统按层作了的详细的设计。

关键词：数据仓库；反洗钱；ETL；Business Intelligence1 反洗钱系统的构建1.1 构建目标构建商业银行企业级数据仓库系统的总体目标分为以下2点：①构建统一的数据平台；②集成现有的核心业务系统、外围业务系统、管理业务系统、前置系统等数据，并进行一致性和完整性整合处理，按主题进行数据重组和格式转换，为银行管理层提供一个真正涵盖全部业务的统一视图，从物理和逻辑上满足数据仓库的建设要求。

构建统一的应用平台。

通过完整的系统规划和设计，构造完善的系统体系结构和技术框架，保证系统的可扩充性和稳定性。

按照用户的分析需求，使用报表、随机查询、多维分析和数据挖掘和门户集成等多种方式进行数据展现。

1.2 目标定位商业银行反洗钱工作的主要目标定位在：通过检查确认银行在反洗钱内部控制制度的制定、执行等各个环节存在的缺陷，促进银行加强管理、降低经营风险；通过对银行交易数据的检查，发现洗钱等金融犯罪活动的线索，联合其他监管机构对此类范围活动进行打击，以维护公众利益，保障金融安全。

反洗钱系统平台作为开展反洗钱信息监控报告工作的核心，并保证反洗钱系统的稳定性、可靠性、安全性及可扩展性。

具备特点如下：①商业的全辖业务、反洗钱监控报告信息的ETL；②本外币、大额与可疑交易的统一平台；③可疑交易量化模型；④集中的信息数据存储；⑤灵活的计算引擎；⑥可扩展的规则引擎；⑦自动化的流程引擎；⑧完整的反洗钱工作处理过程；⑨丰富的反洗钱监测、调查与报告功能；⑩灵活的数据报送接口；B11基于J2EE体系架构的系统平台。

2 系统设计方案根据反洗钱系统的功能需求和上级监管机构对反洗钱工作的要求以及银行的内部反洗钱工作机制管理的需要，系统从逻辑机构上按以下5个层次进行设计开发，各层次采用灵活的接口设计进行衔接，分别实现不同层面的功能和业务需求。

商业银行常见的数据架构体系正文目录商业银行常见的数据架构体系 (3)1、数据采集层 (4)2、存储计算层 (4)（1）主数据区： (4)（2）指标汇总区： (5)（3）集市区（仓内）： (6)（4）批量接口区： (6)（5）非结构化数据存储计算区： (6)（6）历史数据区： (6)（7）实时数据区： (6)（8）在线访问区： (6)3、仓外集市数据区 (7)4、报表区 (7)5、数据探索区 (8)商业银行常见的数据架构体系我国商业银行经过20多年的信息化建设，形成了比较完善的IT体系架构，但是随着银行业务和信息技术的迅速发展，却产生越来越多的不同种类的业务数据，它们分散在不同的系统中且无法作为一个整体被运用，给银行的数据管理和运用带来了巨大挑战;同时，竞争越来越激烈的商业银行意识到了通过分析运用数据来挖掘自身潜力和提高业绩，巩固其市场竞争力。

数据仓库通过集成、统一数据，使数据得到有效运用，为商业银行提高管理和服务水平提供了有效的手段。

狭义的数据仓库数据架构用来特指数据分布，广义的数据仓库数据架构还包括数据模型、数据标准和数据治理。

即包含相对静态部分如元数据、业务对象数据模型、主数据、共享数据，也包含相对动态部分如数据流转、ETL、整合、访问应用和数据全生命周期管控治理。

数据架构层面通过数据分类、分层部署等手段，从非功能性视角将数据合理布局。

通过整体架构管控和设计，支持业务操作类和管理分析类应用（系统），满足业务发展及IT转型对数据的需求，架构的扩展性和适应性能够提升数据分析应用的及时性、灵活性和准确性。

那实际情况下各个银行的数据架构体系会有所不同，根据各行的业务发展、客户数据量、交易数据量、功能需求等会有不同的演变路径以及发展方向。

银行业务较复杂，数据量也较多，数据架构也因此进化较快。

常见的数据架构分区如下图所示：。

·数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

·数据仓库的特点–面向主题–集成–相对稳定–反映历史变化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，它用于支持企业或组织的决策分析处理。

数据仓库，Data Warehouse，可简写为DW。

数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

◆面向主题：操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。

◆集成的：数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

◆相对稳定的：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，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

◆反映历史变化：数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

第 1 页 共 14 页 1 数据仓库 数据仓库是面向在数据模型中已定义好的公司的主要主题领域的。典型的主题领域包括： ■ 顾客。 ■ 产品。 ■ 事务或活动。 ■ 保险单。 ■ 索赔。 ■ 帐目。

2 Oracle 2.1 电信行业

主题域： 参与人、产品、地域、资源、帐务、财务管理、网络事件、营销/客户交互 第 2 页 共 14 页

3 Teradata 3.1 金融、保险、证券行业 第 3 页 共 14 页 第 4 页 共 14 页 第 5 页 共 14 页 第 6 页 共 14 页 3.1.1 主题域： 3.1.1.1 PARTY(参与人)  当事人（PARTY）是指银行作为一个金融机构所服务的任意对象和感兴趣进行分析的各种个人或团体客户、潜在客户、代理机构、雇员、分行、部门等。一个PARTY第 7 页 共 14 页

可以同时是这当中许多种角色。  该主题除了要存放各种基本信息之外，还可以存储当事人所拥有的固有资产类信息；  当事人和其他多个主题之间（账户、内部机构等）存在密切的关联；  建立银行客户的单一视图；  实现基于客户基本信息的分析；  为进行全面的客户关系管理和市场营销奠定基础；

• 银行可能对多种的形式的当事人进行分析； • 一个当事人可能是机构、团体、个人； • 一个机构是由一些个人组成的，具有特定的商业或者某项专业的功能，可能是具有法人资格的，也有可能是非官方正式机构，也有可能是内部组织机构； • 一个团体也是由一些个人组成的，目的可能是出于个人或者家庭的需要； • 一个当事人可能会和很多其他当事人之间存在着各种关系，他也有可能是银行的潜在客户； • 一个当事人可能位于某个地址，但是同时由于不同的用途使用不同的地理位置信息；

3.1.1.2 INTERNAL ORGANIZATION(内部组织机构) 内部组织机构是指金融机构的内部组织和业务单元，如分行、客服中心、支行、储蓄所、部门、销售团队等等。