农信社建设数据仓库的几点思考

数据已成为企业的重要资产，竞争的成败逐渐取决于数据的处理与运用。谁拥有了数据，谁就拥有了未来。在商业银行从“渠道为王”时代步入“数据为王”时代的关键时刻，农信社应对数据进行深层次挖掘，科学地对数据进行分析和评价，推动自身向决策科学化方向迈进。

一、农信社为什么要建设数据仓库

　　实现数据大集中后，农信社的信息系统进一步整合集中，积累了大量数据。如何对数据进行深层次挖掘，科学地对信息进行系统分析和评价，推动农信社向决策科学化方向迈进，加强管理水平，提高核心竞争力，成为各级农信社关注的焦点。农信社建设数据仓库既有业务发展、风险管理和银行化改革的业务要求，也有优化信息系统架构、数据治理、提升信息系统整体运作效率的技术要求。

　　管理视角。商业银行已从“渠道为王”时代步入“数据为王”时代。谁拥有了数据，谁将拥有未来。数据对企业的价值不言而喻。各家银行也都在考虑建设数据仓库甚至大数据系统来保存管理数据，进一步提升数据处理和分析能力，以期为业务经营和管理决策带来帮助。

　　业务视角。ODS的定位决定了它只是一个轻量级的数据平台，不保留历史数据以及不进行数据深度整合，如表1所示。但业务分析、风险管理、管理决策却恰恰需要使用历史数据进行同比分析、行为研究、趋势预测、决策支持。这就要求我们要建设一个保留长期历史数据、对数据进行深度整合、具有较高数据处理能力的重量级数据平台一数据仓库。

　　技术视角。根据经验，随着管理分析系统建设步伐的加快，ODS系统将会逐步暴露出效率降低、数据不准确、标准化程度低、保存期限短等诸多问题，这些问题的解决方案有三种，如表2所示。

　　方案一实际上是把ODS改造成了数据仓库。但该方案对规模较大的省级农信社来说存在较大实施风险和单点风险。对省级农信社来说，更稳妥可行的方案是适度优化ODS，重点解决效率和数据质量问题，用以支撑时效性较高的应用系统，同时建设数据仓库系统以全面支撑管理分析系统。

二、农信社建设数据仓库的价值分析

　　数据仓库作为基础的技术和数据平台，是企业信息科技规划的重要组成部分。建设数据仓库的业务价值必须借助其上的报表查询、专题应用、数据挖掘、决策支持等去体现，其技术价值更多体现在信息系统架构优化、数据治理、提升信息系统效率等方面，如表3所示。

三、农信社建设数据仓库从何着手

　　技术选型。开放平台和一体机各有优势和劣势。两者初期投资可能不会差太多，但一体机技术封闭，后期易被厂商锁定，维护、升级、换代的费用较高。农信社应根据各自规模、需求、投资预算及系统运维能力慎重选择。

　　逻辑建模。数据模型是衡量银行成熟度的重要标志，数据模型建设的成败会影响到整个数据仓库系统建设乃至后续各种分析应用。IBM BDW和Teradata FS—LDM在业界得到广泛应用。但兵无常势，水无常形，国内银行在数据仓库的实践中已充分领教了痴迷数据模型的后果和教训。数据仓库的建模，不能生搬硬套，要结合自身情况，能否成功落地是对一个数据模型最基本的要求。“合脚的鞋子才是好鞋子”。

　　架构调整。智能化和便利化将是银行未来的发展趋势。为此，银行必须更加依赖其信息系统建设。数据的分析和挖掘将是支撑银行服务的重要手段。随着信息系统建设规模更加庞大和复杂，进一步分工是必然的选择，人才的培养和使用将更加专业化，出现负责架构和整体设计的“通才”和各领域众多“专才”协同作战的格局。

　　应用推广。建设数据仓库不是最终目的，更重要的是我们要基于数据仓库开发和优化应用系统来提升管理决策水平。数据仓库的建设以及我们对数据仓库的认知是随着实践逐步加深，经验表明数据仓库的应用水平主要受制于最终用户的业务分析能力，技术手段的发展水平尚在其次。只有从基础做起，脚踏实地，务实探索，才能早日实现真正的数据挖掘和决策支持。

　　数据治理。数据仓库不仅是技术问题，更是长期的管理课题。数据质量直接决定了数据仓库的成败。数据治理主要包括数据标准化、主数据管理、元数据管理、数据生命周期管理、数据质量管理、数据安全管理等6个方面。数据标准化方面，建议参考行业标准及监管数据标准化、客户风险统计报表、支付信息统计分析等监管报送模型进行比对和梳理；主数据管理方面，重点解决客户信息、机构、员工等数据的一致性和完整性；数据质量管理方面，可以通过开发部署业务检查规则和技术检查规则进行周期性检查。

　　人才培养。“宰相必起于州郡，猛将必发于卒伍”。在讲究“训战”结合的今天，数据仓库建设过程中更应该注重“战”，以战代训，切实提高动手能力。在系统建设过程中，培养一支“能打仗”、“敢打仗”、“能打胜仗”的队伍，对提高数据仓库建设质量及应用效果至关重要。

（文章来源：《金融电子化》杂志）

扫码即可手机
阅读转发此文