工商银行数据仓库总体设计
工商银行数据中心
工商银行数据中心工商银行是中国最大的商业银行之一，拥有庞大的客户数量和复杂的金融业务。
为了支持这些业务的运作，工商银行建立了先进的数据中心，作为信息处理和存储的核心枢纽。
数据中心是银行业务的重要基础设施，承担着保护客户数据、支持交易处理、实现业务可靠性和故障恢复等关键功能。
数据中心的架构工商银行的数据中心采用了先进的技术架构，以确保高可靠性和安全性。
数据中心通常包括主干网络、服务器、存储系统、备份设备、安全设备等组成部分。
主干网络是数据中心内各设备的通信网络，负责传输数据和保障设备之间的连接畅通。
服务器是数据中心的核心组件，负责运行各种应用程序和服务。
工商银行的数据中心通常会部署大量的服务器，以支持业务系统的高效运作。
存储系统是数据中心的重要组成部分，用于存储各类数据，包括客户信息、交易记录、系统日志等。
工商银行的数据中心通常会采用高性能的存储设备，以满足不同数据访问需求。
备份设备是数据中心的关键设备之一，用于定期备份数据，以防止数据丢失或损坏。
工商银行通常会采用多重备份策略，确保数据的安全性和可靠性。
安全设备是数据中心的关键设备之一，用于保护数据中心免受网络攻击和物理入侵。
工商银行通常会采用防火墙、入侵检测系统、访问控制系统等多层安全措施，以确保数据的安全和隐私。
数据中心的运维管理为了确保数据中心的稳定运行，工商银行会采用先进的运维管理技术。
数据中心的运维管理包括监控设备运行状态、排除故障、定期维护设备、升级软件版本等一系列工作。
监控是数据中心运维管理的重要环节，通过监控系统可以实时监测设备运行状态、网络流量、存储容量等关键指标。
一旦发现异常情况，运维人员会及时采取措施，确保问题得到及时解决。
故障排除是数据中心运维管理的关键任务之一，一旦设备发生故障，运维人员会迅速响应，进行故障排查和修复工作。
工商银行通常会采用冗余设计和备用设备，以最大程度降低故障对业务的影响。
定期维护是数据中心运维管理的必要工作之一，包括对设备进行清洁、检查硬件状态、更新软件版本等工作。
商业银行数据仓库报表设计
商业银行数据仓库报表设计摘要随着商业银行业务的持续扩张和金融科技的发展，数据在银行行业中的重要性日益凸显。
数据仓库作为商业银行存储、管理和分析数据的核心基础设施，发挥着至关重要的作用。
本文将深入探讨商业银行数据仓库报表设计的关键要点，包括报表设计的目的、报表设计的原则和方法、报表的内容和结构等方面，以期为商业银行数据仓库报表设计提供参考和指导。
1. 报表设计的目的商业银行数据仓库报表设计的首要目的是为了帮助银行管理层和业务部门更好地把握业务状况、制定决策和优化业务流程。
通过精准、直观地展示银行的关键业务数据，报表设计可以帮助管理层及时监控业务运营情况，识别问题和机会，为商业银行的发展提供有力支持。
2. 报表设计的原则和方法商业银行数据仓库报表设计应遵循以下原则和方法： - 明确需求：在设计报表之前，需充分了解报表使用者的需求，确保报表设计符合用户的实际需求。
- 简洁清晰：报表设计应尽量简洁明了，避免信息过载，确保用户轻松获取所需信息。
- 一致性：报表设计中应保持一致性，包括数据展示、指标定义等方面，以确保报表易于比较和理解。
- 可扩展性：报表设计应具备良好的可扩展性，能够根据业务需求灵活调整和扩展数据展示内容。
- 数据质量保证：报表设计的数据来源应可靠，数据准确性和一致性是报表设计的基础。
3. 报表的内容和结构商业银行数据仓库报表的内容和结构应充分反映银行的业务特点和管理需求，一般可包括以下几个方面： - 关键指标展示：报表应突出展示商业银行的关键指标，如业务规模、盈利能力、风险状况等。
- 业务分析报表：报表可包括不同业务线的业务分析报表，帮助管理层了解各项业务的表现情况。
- 风险管理报表：针对风险管理需求，报表可包括风险指标、资产负债表结构等报表内容。
- 趋势分析报表：报表可包括历史演变趋势分析，帮助管理层了解业务走势和变化规律。
结论商业银行数据仓库报表设计是商业银行数据管理和决策的关键环节，合理设计的报表能够帮助商业银行管理层更好地把握业务状况，提高管理水平和决策效率。
数据仓库概要设计
数据仓库概要设计数据仓库（Data Warehouse）是指把企业分散在不同数据库中的数据统一整合到一个数据库中进行存储和管理，并对这些数据进行分析和管理的一种数据库应用系统。
数据仓库的建设是企业信息化建设的重要组成部分，是企业对内部外部信息资源进行整合、挖掘和利用最有效的平台之一。
因此，进行数据仓库的概要设计是非常重要的一步。
1.数据仓库概述数据仓库，是一个能够存储大量历史数据的集合体，使得企业能够快速地进行数据分析、查询和决策。
数据仓库通常包括存储、管理和查询技术。
数据仓库的设计是基于自底向上的过程，通过收集各种应用中的数据来建立。
数据仓库的需求分析是设计的第一个步骤，通过需求分析可以把握到数据的来源、数据的主要特征、数据的处理方法、数据的处理效果等。
2.数据仓库的工作过程a.数据的收集数据收集的目的是获取各个分散在企业内部外部的数据源，并把这些数据源整合成数据集。
数据收集包括了跟踪源数据、数据的标准化、数据的清洗、数据的转换等。
b.数据的整合数据整合意味着将不同的数据源集成到一起，通常是通过ETL工具来实现。
ETL（Extract, Transform, Load）工具的主要功能是提取、转换和加载。
c.数据的存储数据仓库的存储方式一般有两种：关系型数据库和非关系型数据库。
d.数据的查询与分析数据仓库的用户可以通过BI工具（Business Intelligence）来进行数据的查询、分析和报表生成。
3.数据仓库的概要设计步骤a.数据仓库设计的第一步是需求分析，需求分析的目的是明确数据仓库的目标、范围和需求。
需求分析应该包括数据仓库的使用者、数据仓库所需数据的类型、数据的来源、数据的质量要求等。
b.数据仓库的概念设计是在需求分析的基础上，开始进行数据仓库的抽象模型的设计。
概念设计包括了数据仓库的模型设计、元数据的设计等。
c.数据仓库的逻辑设计是在概念设计的基础上，开始进行数据仓库的逻辑结构的设计。
商业银行数据仓库建设
软 件 导 刊
Ｓｏｆｔｗ ａｒｅ Ｇｕｉｄｅ
Ｖｏ１．１ｌＮ ｏ ２ Ｆｅｂ．２Ｏ１２
商 业 银 行 数 据 仓 库 建 设
黄 兆斌
（１．中 国人 民 大学 财政金 融 学院 ，北 京 １００８７２；２．中国 工商银 行 软 件 开发 中心 ，北 京 １００８７２）
从 技 术 角 度来 看 ，商业 银 行 的 数 据仓 库 与其 他企 业 的 数 据 仓 库 差 别 不 大 ，具有 数 据仓 库 本 身具 有 的一 切技 术 特 性 。但 是 其 数 据模 型 的设 计 ，必 须 与 商业 银 行 的业 务 逻 辑 相 切 合 ，这 样 才 能发 挥其 应 有 的作 用 。
从 以上 两 个 定 义 来 看 ，时 变 的 包 含 了 保 留 历 史 的 意
２ 商 业 银 行 数 据 仓 库
所 谓 商业 银 行 数 据仓 库 ，是将 数 据仓 库 技术 运 用 到 商 业 银 行 的 经 营 分 析 中 ，从 而 为 商 业 银 行 的 精 准 营 销 、绩 效 考核 、风 险管 理 等 提供 强有 力 的 数 据 支持 。
思 ，而 面 向主 题 的结 构 保 证 了 其 结 构 和 设 计 是 可 扩 展 的 。 因此 ，从 笔 者 的观 点 来 看 ，数 据仓 库 的关 键 字应 该 是 ：面 向 主题 的 、集 成 的 、时变 的 、明 细 的 、集 中 的 和 非 易失 的 。
为 了进 一 步理 解 数 据 仓 库 的概 念 ，我 们 可 以 将 数 据 仓 库 系 统 和 操 作 型 数 据 库 系 统 进 行 一 下 比较 ，概 括 在 表 １ 中 。
作 者 简 介 ：黄 兆斌 （１９８３一 ），男 ，上 海人 ，中 国人 民 大 学财 政 金 融 学 院硕 士 研 究 生 ，中 国 工 商 银 行 软 件 开发 中心 经 理 ，研 究 方 向 为 金 融 信 息化 。
【中国工商银行】大数据探索应用
• 猜你喜欢
• 星级穿越
21
工商银行大数据分析探索应用
5 大数据支持管理决策
大数据支持精准了解全行经营情况，指导管理决策和业务发展
• 客户五级分类
贡献度 忠诚度
成长性
客户五级分类
风险性
• 业务线五级分类
重点 业务线
业务 板块 五量
存 款 业 务
贷 款 业 务
金融 资产 业务
资 金 业 务
银行 卡业 务
传统方法
直接用数据原貌分析
大数据方法
预先确定目标变量
模型的目标变量并不明确
要先将数据加载到仓库
数据产生时即可实时分析
4
大数据正在深刻改变银行业
2 大数据正在改变产品创新方式
“私人订制化”的产品和服务
信贷产品基于局部数据到基于全网数据转变
利率市场化下的定价更依赖于大数据分析的方法 5
大数据正在深刻改变银行业
• 跟踪产品市场表 现，了解产品运营 情况
19
工商银行大数据分析探索应用
4 大了解产品现状、洞察客户需求
• 潜在目标客户
• 全天不同时段消息发送数量趋势
• 客户登录行为
• 客户社交网络
20
工商银行大数据分析探索应用
4 大数据支持产品创新管理
大数据支持根据客户特征创新设计研发产品，满足客户个性化需求
管理信息大集中
2010年
2012年
大数据和信息化银行
2013年
2014年
2015年
数据集市 （CS2002）
数据仓库 （EDW）
管理会计 （MOVA）
数据仓库 信息库
流数据 分析师工作台
分布式 数据库
数据仓库设计作业指导书
数据仓库设计作业指导书一、背景介绍数据仓库是一种面向主题的、集成的、相对稳定的、不可操作的数据集合，用于支持业务分析和决策制定。
在数据仓库设计作业中，我们需要按照一定的步骤和方法，将原始数据进行抽取、转换和加载，构建一个适合分析和查询的数据仓库模型。
本指导书将引导您完成数据仓库设计作业，并提供相应的步骤和要点。
二、数据仓库设计步骤1. 需求分析在设计数据仓库之前，首先需要进行需求分析。
通过与业务用户的交流和调研，明确数据仓库的目标和用途，确定数据仓库要解决的问题，并明确需要提供的报表和查询需求。
2. 数据抽取与清洗在数据仓库设计中，数据抽取和清洗是非常重要的环节。
从各个数据源中抽取所需数据，并进行清洗，包括去重、去除空值、数据格式转换等，以确保数据的质量和准确性。
3. 数据转换与集成在数据仓库设计中，数据转换和集成是将原始数据转化为适合分析的形式，同时将来自不同数据源的数据整合在一起。
这一步骤包括数据规范化、数据合并、数据聚合等操作，以得到一致的数据模型。
4. 维度建模在数据仓库设计中，维度建模是一种常用的设计方法。
通过定义维度和事实表，建立维度模型，以支持灵活的数据分析和查询。
在维度建模过程中，需要定义维度表中的属性和层次，并与事实表进行关联。
5. 数据加载数据加载是将经过转换和整合的数据加载到数据仓库中的过程。
这一步骤包括数据加工和数据加载两个环节。
数据加工是对数据进行清洗和处理，数据加载是将清洗后的数据加载到数据仓库中的操作。
6. 数据访问数据访问是数据仓库设计的最终目标，通过各种工具和技术，实现数据的查询和分析。
数据访问可以通过数据仓库工具、OLAP工具、报表工具等方式进行。
三、数据仓库设计要点1. 主题导向：数据仓库的设计要以业务主题为导向，按照业务需求进行设计和建模，以支持相关业务的决策和分析。
2. 一致性和准确性：设计过程中需要确保数据的一致性和准确性，对于抽取的数据进行清洗和转换，去除重复值和不合法数据。
中国工商银行北京数据中心综合布线系统
中国工商银行北京数据中心综合布线系统中国工商银行北京数据中心负责工商银行北方区的数据处理业务，是工商银行北方22个省的数据网络枢纽，建成后将成为目前亚洲最大规模的金融数据中心。
其网络综合布线系统除了要支持高性能的网络连接，还要具有高度的稳定性和可靠性。
用户通过对多家世界知名品牌的布线产品进行比较测试，最终选定美国泰科电子有限公司生产的安普AMP Netconnect 系列综合布线产品。
该系统包括生产楼、开发楼、动力楼和生活楼四个部分，其中生产楼3层，开发楼6层，动力楼1层，生活楼3层。
布线系统的主干部分使用光纤支持高速数据连接，其余部分使用6类双绞线连接，同时支持语音和数据应用，满足生产和办公需要，整个布线系统涉及信息点超过10,000个。
一、系统设计系统以生产楼和开发楼为中心，动力楼和生活楼通过两组不同方向的光缆分别与生产楼和开发楼相连接，使用的光缆规格为24芯单模光缆，同时预埋48根4对6类双绞线电缆。
而开发楼和生产楼之间铺设了2根24芯单模光缆，同时预埋240根4对6类双绞线电缆。
电信服务商（联通、网通）到数据中心的光缆通过生产楼管道直接接入到生产楼2层的通讯区。
另外一电信服务商（中国电信）到数据中心的光缆进入到园区后分为两部分，其中2根24芯光缆和1000对大对数电缆连接到开发楼1层的PBX机房，另外两根48芯光缆连接到生产楼2层的网络通讯区。
在建筑物内部，主干的数据部分采用24芯多模光缆，在生产楼和开发楼中，每个楼层的电信间分别通过两条24芯多模光缆连接到设备间，两条光缆分别通过各自独立的电缆通道实现连接。
为了保证系统安全，在开发楼和生产楼的每个楼层的电信间和设备间之间还铺设了144条6类双绞线做备份。
生活楼的建筑物内主干采用6类双绞线，每个楼层通过24条6类双绞线连接到设备间。
水平布线为6类布线系统，不区分数据和语音，通过跳线决定接口的用途。
信息点的配置根据使用区域和位置的不同分为办公室、主机房、测试机房、会议室、网络实验机房、生活楼客房和动力楼信息点等不同模式。
企业仓库管理系统数据库设计方案
企业仓库管理系统数据库设计方案企业仓库管理系统是一种集成管理、优化流程和提高运作效率的在线管理系统。
这个系统一般用于大型仓库、生产线或制造中心的管理，它可以通过整合人员、资产、设备或其他运输工具来确保所有物品的安全存储。
随着互联网技术和数字化时代的发展，有许多针对企业仓库管理系统的数据库设计方案涌现出来。
1. 系统概述本文中的企业仓库管理系统是一款基于Web的应用程序，由用户在基于浏览器的设备上使用，包括PC、手机和平板电脑等。
该系统主要是针对仓库管理人员、物流操作者和企业管理部门打造的，旨在优化提供物流和库存管理策略的整体流程。
本系统采用MVC(Model-View-Controller)架构，在开发时，遵循了VUE.js(视图层)和Express.js(服务器层)框架，MySQL实现数据存储。
2. 库存管理库存管理是企业仓库管理系统的核心部分。
我们可以从不同的角度来管理仓库中的所有存货，包括基本信息、数量、价格和存储位置等。
生产厂商、经销商和仓库管理员等用户可以方便地查询和更新货物的相关信息，以达到高效管理库存的目的。
库存管理的主要功能包括：（1）创建库存目录：管理和保存库存货物的关键信息，包括存货名称、SKU代码、数量、货物重量、净重、货物位置等。
（2）批量上传、编辑和删除库存记录: 为快速添加和更新许多库存记录提供了方便。
（3）货位管理：提供对货物位置进行管理的功能，如查询货物所处的货架、行和列。
（4）库存报告：可生成以不同方式分组和排序的库存报告，并支持将报告导出为PDF或Excel。
3. 物流管理物流管理是为了解决仓库中物资进出、转储和仓库物品分发等工作的，其主要任务是提供物流管理的完整平台功能，关注物流信息的流程，为企业的仓库物流提供全面的服务和保障。
物流管理的主要功能包括：（1）物流分配: 为用户提供多种物流分配模式，包括直接分配、最优化分配等，以确保物资的正常流动。
（2）物流操作：可以对物资进行入库、出库、转储等操作，并且操作步骤自动更新成最新状态。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.10 PCRM应用主题——深层分析
数据仓库处理过程管理
2021/3/31
27
1.10 PCRM应用主题——深层分析
优质客户筛选：数据挖掘
2021/3/31
28
1.10 PCRM应用主题——深层分析
数据挖掘：模型评估
2021/3/31
29
1.10 PCRM应用主题——深层分析
抽样分析：SAS EG
单次透支金额、 还贷周期）。
➢客户群分析：
优质客户排名分析、卡业务存款分析、 用卡行为分析、 贡献度分析、 卡申领情况分析、 卡业务风险分析。
2021/3/31
8
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
按照现有的贡献度指标体系， 什么样的客户对银行卡的贡献度最高
年龄在25-35，36-45的客户对银行卡的贡献度最高， 其中，36-45岁的客户的贡献度最高，因为这类人群 中稳定、高收入或高积蓄者较多。
2021/3/31
9
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
按照现有的贡献度指标体系， 什么样的客户对银行卡的贡献度最高
年龄在25-35，36-45的客户对银行卡的贡献度最高， 其中，36-45岁的客户的贡献度最高，因为这类人群 中稳定、高收入或高积蓄者较多。 贡献度 在 年龄段 上的分布
2021/3/31
30
1.10 PCRM应用主题——深层分析
分布分析：SAS EG
2021/3/31
31
1.10 PCRM应用主题——深层分析
图形展示：SAS EG
2021/3/31
32
1.10 PCRM应用主题——深层分析
图形展示：SAS EG
2021/3/31
33
1.10 PCRM应用主题——深层分析
▪工商银行卡用户体验到自动的个性化 分析服务
▪IT部门开发产生直接的市场效益：
有先进的客户关系管理系统支持 的牡丹卡
2021/3/31
22
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 实现的方式
CB2000 每日加载 PCRM
数据
数据仓库
银行卡 数据集市
用卡行为月报
Web 展现工具
模型：星型结构；
存储：多维数据库。
数
数据来源取自数据仓库基本数据层。
据
➢数据仓库基本数据层
以关系模型存储各类业务数据，实现海量数据
仓 库 层
的集中、历史、稳定、有序存贮。
➢缓冲层
按一定的时间周期缓存各类经规范处理的业务数据。
▪操作数据层
对各类业务或管理数据实行规范处理。
应用层 数据集市层 数据仓库基本数据层
2021/3/31
20
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 应用的竞争力
▪利用web展现工具输出报告，可以进 行网上直邮
2021/3/31
21
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 体现的概念
▪工商银行卡部在客户关系管理方案上 领先业界的尝试
6
1.10 PCRM应用主题
银行卡应用：按照需求开发 个人金融应用 住房信贷应用 深层分析：原有需求之外的考虑
2021/3/31
7
1.10 PCRM应用主题 ——银行卡应用
银行卡应用：按照需求开发
➢重点客户分析：
基本信息查询、存款余额分析、 用卡行为分析、贡献度分析、 透支分析（透支余额、单笔透支余额、
2021/3/31
3
2.1 开发进展——个人客户关系管理（PCRM）
▪需求分析
2001/10/11-2001/10/31
▪总体方案
2002/11/01-2002/02/28
▪原型开发
2001/11/15-2001/12/31
▪原型评估
2001/12/24-2002/02/09
▪银行卡设计开发
2002/01/04-2002/04/30
利用数据挖掘自动筛选优质客户， 针对优质客户提供个性化服务——
直邮用卡行为月报
2021/3/31
18
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 解决的问题
▪对优质客户提供详细的行为分析，帮 助客户更好掌握自己的用卡行为
▪针对客户用卡的具体情形提供促销性 建议，使优质客户感受到工商银行卡 部的人性化关注
缓冲区 操作数据层
2021/3/31
38
1.5 数据流程
采集
加工
应用 预处理 数据处理 系统
企业级 数据存贮
数据 集市
展现
数据挖掘 信息展现
外部数据 CMIS
计财数据
批处理 数据 转送
批处理 译码
缓存 整合 校验
抽取 转换 加载
CB2000
数据 转送
抽取
关系型数据库、
多维数据存贮
转换
加载
备份与 老化处理
银行卡客户贡献度：初步结果
对于银行卡客户发展的辅助作用
工行牡丹卡的客户中，25-55的年龄段为高贡献度 主流年龄段，其中，如果关注当前直接贡献度， 36-45岁的客户是最好的人群，如果关注发展潜力 以及对新产品、新消费渠道的接受程度，25-35岁的 客户是重点人群。
2021/3/31
16
1.10 PCRM应用主题——深层分析
透支利息 在 年龄段 上的分布
2021/3/31
14
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
贡献度指标的具体分布怎样
年龄在25-35的客户的透支利润和消费回佣最高， 因为这类人群中，理财风格前卫，消费旺盛者居多。
消费回佣 在 年龄段 上的分布
2021/3/31
15
1.10 PCRM应用主题——深层分析
2021/3/31
4
日程安排
开发进度 最终应用展现 数据仓库架构
2021/3/31
5
1.8 主要应用
➢个人客户关系管理（PCRM） ➢业绩价值管理（PVMS） ➢信贷台帐报表（CMIS-REPT） ➢管理信息综合统计报表 ➢法人客户关系管理（CCRM） ➢开放式基金绩效分析
2021/3/31
筛选优质客户数据挖掘
银行 卡部
直邮
优质客户
2021/3/31
23
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 实现的方式
CB2000 每日加载 PCRM
数据
数据仓库
银行卡 数据集市
用卡行为月报
Web 展现工具
筛选优质客户数据挖掘
银行 卡部
直邮
优质客户
2021/3/31
24
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型 实现的方式
CB20ห้องสมุดไป่ตู้0 每日加载 PCRM
数据
数据仓库
银行卡 数据集市
用卡行为月报
Web 展现工具
筛选优质客户数据挖掘
银行 卡部
直邮
优质客户
2021/3/31
25
1.10 PCRM应用主题——深层分析
2021/3/31
ICBC PCRM 数据仓库管理界面
2021/3/31
10
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
贡献度指标的具体分布怎样
年龄在36-45，46-55的客户的存款利润最高，其中， 36-45岁的客户的存款利润最高，因为这类人群中， 理财风格保守，存款倾向性强者较多。
2021/3/31
11
1.10 PCRM应用主题——深层分析
贡献度指标的具体分布怎样
年龄在25-35的客户的透支利润和消费回佣最高， 因为这类人群中，理财风格前卫，消费旺盛者居多。
2021/3/31
13
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
贡献度指标的具体分布怎样
年龄在25-35的客户的透支利润和消费回佣最高， 因为这类人群中，理财风格前卫，消费旺盛者居多。
银行卡客户贡献度：初步结果
贡献度指标的具体分布怎样
年龄在36-45，46-55的客户的存款利润最高，其中， 36-45岁的客户的存款利润最高，因为这类人群中， 理财风格保守，存款倾向性强者较多。
存款利润 在 年龄段 上的分布
2021/3/31
12
1.10 PCRM应用主题——深层分析
银行卡客户贡献度：初步结果
图形分析：SAS EG
2021/3/31
34
1.10 PCRM应用主题 ——银行卡应用
银行卡应用：数据 ➢以CB2000系统为主 ➢每天下载的业务数据，第二天可 以在数据仓库中得到反映
2021/3/31
35
1.10 PCRM应用主题 ——银行卡应用
银行卡应用：性能 ➢存量加载
测试机：Sun3800 总时间：6小时
▪工商银行卡部可以更便捷地跟踪优质 客户的信息
2021/3/31
19
1.10 PCRM应用主题——深层分析
深层分析:直邮用卡行为月报原型
应用的竞争力
▪利用数据挖掘进行优质客户自动筛选 ▪提高平均筛选精度，提高优质 客户促销的投资建效率 ▪降低筛选成本，提高筛选速度， 迎接他行的竞争（如交行的500 元个人理财报告）
银行卡客户贡献度：初步结果
优质客户排名靠前的客户中，消费场所的分布 怎样
金融、证券等交易机构有较大金额占比， 饭店、旅游业其次，零售、百货等居于中游。 可以根据这个结果制定相应的消费场所促销策略