- 快捷搜索
- 全站搜索
1．业务机器人
iPhone有一款非常受欢迎的软件Siri，能够完成简单的语言交流，这表明人工智能技术已经走进我们的生活。未来，商业银行可以利用数据仓库的海量数据和处理能力自动进行人工智能分析，替代烦琐、重复的手工事务。与传统基于假设模型的分析方法不同，拥有人工智能的数据仓库将不依赖固定模型，而是在数据分析中不断自我学习、不断增加变量和实体来适应各种复杂场景，帮助业务人员做出更好的决策。
想象一下未来的数据仓库中运行着许多“贷款分析机器人”，它们快速识别和衡量贷款数据，并自动加入可能引起坏账的非直接信息，当客户数据变化时能迅速发现坏账风险。“智能客服”时刻监控客户交易数据，自动学习客户消费习惯，能够预先判断客户行为，提供给客户超预期的服务。
2．参与实时交易
传统架构下，数据仓库系统多采用T+N跑批模式，无法满足实时业务的要求。随着数据仓库处理能力的提升，这种模式将被彻底改变，数据仓库将会与实时交易不断融合，助力业务腾飞。
数据仓库参与实时业务的最大价值在于预防和控制风险，将被动管理变为主动防范。例如，客户进行信用卡消费时，他可能没有意识到这笔交易是否成功，都经过了数据仓库后台的智能判断和监测。反洗钱业务也类似，现在的“事后分析”模式风险很高，如果数据仓库能实时参与，及时发现交易中的不正常行为并做出相应处理，可以大幅提高银行抵御风险的能力。
3．在大数据中寻找机遇
现代社会正在进入—个社交和移动网络的新时代，激增的大数据中蕴藏着无限商机。商业银行可以利用数据仓库的储存和计算能力，结合新兴的分析技术探索这些大数据之间的关系，开发出更智能、更个性化的新一代业务。
消费贷款申请、杂志订阅记录、房地产交易评估报告、电话账单、纳税申报单等，这些大数据看似杂乱，但经过数据仓库整合分析处理后可能变成有用的信息。如分析个人信用评分和水电费支付记录后，可以帮助银行判断是否值得花时间去争取某个人办一张信用卡；分析产品购买记录和所持信用卡使用情况，可以判断是否要将客户引导至银行的电子商务平台购买商品，并使用分期付款等增值业务。
4．促进行业信息共享
银行系统相对封闭，数据仓库中大部分数据来源于内部，重要的外部信息往往无法及时获取，给全方位的分析带来一丝缺憾。未来商业银行如果能以数据仓库为“桥梁”，促进与税务、商业、电信甚至同业的合作，进行数据交换和信息共享，就能更好地挖掘客户和预防风险。
例如，经济学中有一种现象：当一个商户经营失败时，往往会对周边商户带来负面影响。为控制此风险，银行数据仓库可以与税务系统的数据仓库合作，当从税务系统数据仓库中获取到某商场商户注销量持续增长时，能够快速筛选出本行在此商场的贷款商户并提示风险。
信息是银行的业务基础，而数据仓库是信息的集大成者。未来更加智能、更加强大的数据仓库系统将与账务系统共同组成银行的“左膀右臂”，成为业务创新和业务发展的源动力。
（文章来源：中国金融电脑）
当前，商业银行灾备中心建设与运营主要采用自建、共建和外包三种模式。哪种
央行和银监会对中小银行的灾备布局建设十分重视，构建同城灾备中心，发挥其