外部监管：以数据仓库为支撑的建行实践

当前，外部监管日益严格、客户需求日趋个性化的新挑战要求商业银行适应新的管理模式和服务模式：对内加强风险管理与绩效考核，加强经营管理与决策分析；对外增进客户关系管理，提供差异化服务，支持面向未来的混合经营、跨国、多渠道、增值及联合经营模式。商业银行可充分利用数据仓库技术对海量历史数据进行相关分析以提升银行的经营管理水平与核心竞争力，并快速满足外部监管日益严格的要求。

一、建设银行的数据仓库建设情况

         为实现对业务分析和管理决策的有效支撑，建设银行制定了数据仓库整体规划的业务支持目标（如图l所示），从2005年开始至今已经历7年的项目建设，完成了建设银行所有的交易处理、流程管理、账务核算、客户信息等系统的数据整合；通过数据仓库进行数据质量检核规则的配置、跟踪和管理，数据仓库的数据质量已稳定在一个较高的水平，支持着后续50多个包括财务绩效、风险管理、监管合规、客户分析、运营和内部管理等类应用；累计提供数百张业务部门固定报表和临时性报表；为业务部门提供高效的灵活查询及部分部门级数据挖掘等应用。

         1．数据基础模型与数据集成建设
         作为面向全行的数据整合、存储、分析的基础平台，商业银行数据仓库建设的目的是涵盖全行主要业务数据。为最大限度整合各类数据，数据仓库核心层须具备很高的灵活性和扩展性才能确保其结构相对稳定，并且不产生大量冗余数据而导致过度膨胀，因此建设银行数据仓库核心层模型并不依赖特定的业务种类，在结构上遵循第三范式化的原则，并支持数据模型设计的多次迭代，有效隔离源系统变化给应用带来的影响。

         目前建设银行基于FS_DM模型，逐步搭建了完善的企业级数据模型。该模型分为11个主题进行建设（如图2所示）。

         基于数据仓库建设的企业级数据模型整合了数十个源系统数据，上千张源表的上万个属性；所承载的数据日趋完善，成为全行承载数据范围最广和周期最长的数据模型。同时，随着建设银行海外新核心系统的推广，海外系统的数据已经整合进企业级数据仓库，数据仓库将逐渐成为整个建设银行集团的数据整合点。

         2．中间层建设
         为确保数据模型的灵活性，在基础模型设计与数据集成的数据平台中，数据仓库基础层结构对象间逻辑关系相对复杂、业务含义抽象、数据冗余度低，这不易于业务的理解。因此在具体分析应用时，银行需要在数据仓库核心层的基础上根据特定的业务含义对数据进行进一步加工，把原本分散在多个对象中的数据汇总起来，将连续性数据离散化（例如业务应用一般需要某个时点的状态，而不关心连续的状态变化情况），得到业务含义更加明确的数据对象。

         建设银行数据仓库在整合的基础层之上搭建了中间汇总层（简称中间层，如图3所示），中间层的功能包括以下几项。

         （1）同时服务于多个应用，实现数据和指标的共享，减少相同的业务统计所带来的数据重复计算与存储，避免数据在多次加工后出现的不一致。

         （2）提高查询效率。由于经常被访问到的基础数据和业务指标经过整合计算以后存储在中间层，减少了重新关联表进行计算所带来的性能问题，加快了查询的响应时间。

         （3）降低应用开发和数据查询的复杂程度。由于中间层从业务分析的视角组织数据，屏蔽了数据仓库的复杂性，便于前端应用的开发。

         3．数据集市的建设
         建设银行基于数据仓库和中间层，还搭建了若干内部、外部数据集市，包括1104监管报表、分析型客户关系管理、资产负债管理、风险模型实验室、反洗钱等数据集市。数据集市主要为整合不同系统的数据源来满足各个相对具体的业务需求。数据集市及业务应用（如图4所示）有如下特点。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文