银行数据仓库系统功能概述
数据仓库在现代商业银行营销中的作用
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。
XXX商业银行数据仓库系统完整解决方案
XXX商业银行数据仓库系统完整解决方案在当今数字化时代，数据变得异常重要，对于银行业来说更是如此。
银行需要处理大量的数据，包括客户信息、交易记录、贷款情况等，而有效地管理和分析这些数据将对银行的业务发展和决策制定起着关键的作用。
为了更好地管理数据并提升运营效率，许多银行选择建立数据仓库系统来统一管理和分析数据。
XXX商业银行也不例外，它可以采用完整的数据仓库解决方案来满足其需求。
首先，一个完整的数据仓库系统需要包括数据抽取、数据转换、数据加载等核心功能。
数据抽取是指从各个数据源中提取数据的过程，这些数据源可以包括银行的核心系统、在线交易系统、ATM机系统等。
数据抽取过程需要能够实现增量抽取、全量抽取等功能，并能够保证数据的完整性和准确性。
数据转换是将抽取的数据进行清洗、转换和整合的过程，保证数据的一致性和统一性。
数据加载是将转换后的数据加载到数据仓库中，以便后续的分析和查询。
其次，一个完整的数据仓库系统还需要包括数据建模和数据分析功能。
数据建模是指对数据进行结构化和建模，以便更好地理解数据的关系和特点。
数据建模可以采用ER模型、维度模型等方法来构建数据模型。
数据分析是针对数据仓库中的数据进行分析和挖掘，以发现数据之间的关联性和规律性，为银行的业务决策提供支持。
数据分析可以采用OLAP、数据挖掘、机器学习等技术来实现。
最后，一个完整的数据仓库系统还需要包括数据可视化和报表功能。
数据可视化是将数据以图表、报表等形式展示出来，使用户能够更直观地理解数据的含义和趋势。
数据可视化可以采用数据可视化工具来实现，如Tableau、PowerBI等。
报表功能是将数据以报表的形式呈现出来，为银行的管理层和决策者提供直观的数据分析结果和业务洞察。
综上所述，一个完整的数据仓库系统可以帮助XXX商业银行更好地管理和分析数据，提高运营效率和业务决策水平。
通过建立数据仓库系统，XXX商业银行可以实现数据的统一管理和分析，挖掘数据的潜在价值，为未来的业务发展打下坚实基础。
商业银行IT系统整体架构
核心业务系统—额度控制
总账系统是会计核算的核心部分。用来记录全部经济业务，提供各种资产、负债、所有者权益、成本费用、收入和成果等总括核算资料的分类帐薄。是生成会计报表的主要依据。
核心业务系统以及财务系统根据平行记帐原理，实时或定期将各汇总科目机构代码，借贷方币种，发生额，余额等信息登记在总账系统，俗称“登总账”。
数据库：Oracle，DB2，SYBASE，VSAM
核心业务系统—技术
核心系统成功实施的条件
作为甲方 了解要实施的核心系统与本行现有的技术规范，数据标准的相容度。 弄清楚改造或实施新核心所要达到的目的。 对欲实施的核心系统有足够的了解。 配备足够的合格的人力，物力，公司上下，各部门对核心实施的意义达成共识，并做好打持久战的准备。 必须选择一位能协调各部门关系，有足够精力和一定级别的总行级领导做项目负责人。 考察项目实施公司的实施能力及专业水平。 对新系统涉及到的业务逐一梳理，何种情况下流程如何处理有自己的想法。而不是一味地靠vendor提建议。 做好需求管理以及项目实施规划，与实施公司多沟通。
从业务的角度看系统
2021
2023
银行业务博大精深，在当前业务创新、管理创新、机制创新的大浪潮席卷整个金融业的大背景下，银行领域日新月异，异彩纷呈。
作为银行IT人员，囿于工作范围所限，很难或很少有机会能对银行的整体IT系统架构有个宏观的把握。市面上系统介绍银行IT系统的书籍少之又少。这便是我萌生写这篇文档的原因。
卡业务 卡管理（开卡，挂失，补卡，销卡） 卡密码管理 商户管理 卡与账户关联 增值服务 签约类业务 理财业务 存取款，转帐，交易限额管理 银联渠道交易 本代他 他代本 行内交易
商业银行系统架构
商业银行系统架构商业银行系统架构是指商业银行在运营过程中使用的技术和软件体系结构。
这个系统架构提供了一种框架，用于管理银行的核心业务流程，包括客户管理、账户管理、贷款和存款管理、支付和结算等。
下面是商业银行系统架构的详细解析。
一、总体概述2.账户管理模块：用于管理客户的账户信息，包括开户、销户、账户余额查询、账户交易明细等。
3.贷款和存款管理模块：用于管理银行的贷款和存款业务，包括贷款申请、贷款审批、存款利率管理等。
4.支付和结算模块：用于处理客户的支付和结算业务，包括内部转账、跨行支付、电子商务支付等。
5.风险管理模块：用于管理银行的风险控制和监测，包括信用风险、市场风险、操作风险等。
6.报表和统计模块：用于生成各类报表和统计数据，包括资产负债表、利润表、客户分析报告等。
二、系统架构设计1.可伸缩性：系统应能够扩展以适应不断增长的用户数量和业务规模。
2.可靠性：系统应具备高可用性，能够提供24/7的服务，并具备故障恢复和灾备能力。
3.安全性：系统应具备强大的安全机制，包括身份认证、访问控制、数据加密等，以保护客户的资金和敏感信息。
4.效率和性能：系统应具备高性能和高效率，以支持快速的交易处理和查询响应。
5.可扩展性：系统应能够灵活地集成第三方系统和服务，以满足不同的业务需求。
1.用户界面层：提供给客户和银行员工使用的前端界面，包括网上银行、移动银行、ATM机等。
2.应用层：负责业务流程的处理和逻辑控制，其中包括各个业务模块的实现。
3.数据层：负责存储和管理银行的数据，包括客户信息、账户信息、交易记录等。
4.基础设施层：提供支持系统运行的基础设施，包括服务器、网络、数据库、安全设备等。
三、技术和软件1. 数据库管理系统：用于存储和管理银行的数据，包括关系型数据库（如Oracle、MySQL）和非关系型数据库（如MongoDB、Redis）。
2. 服务端框架：负责处理请求和响应，包括Web服务框架（如Spring MVC）和分布式服务框架（如Dubbo）。
银行IT系统方案
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”。
XX银行数据仓库建设项目方案
XX银行数据仓库建设项目方案1. 项目概述本文档旨在介绍XX银行数据仓库建设项目的方案和目标。
数据仓库是一个用于集成和管理银行的各类数据的中央存储库，可为决策支持和业务分析提供有价值的信息。
本项目的目标是构建一个稳定、高效、可扩展的数据仓库，以提高XX银行的决策能力和业务竞争力。
2. 项目背景XX银行作为一家领先的金融机构，面临着数据分散、决策效率低下的问题。
传统的数据集成和分析方法已经无法满足业务需求，因此需要建立一个数据仓库来解决这些问题。
数据仓库将集中存储和管理各类数据，并提供强大的分析工具和报表功能，以支持XX银行的战略决策和业务优化。
本项目的目标是构建一个可靠、高效的数据仓库系统，具体包括以下几个方面：•数据集成：从各个业务系统中提取、清洗和转换数据，确保数据质量和一致性。
•数据存储：设计和构建合适的数据存储结构，包括数据表、索引等，以支持复杂的数据查询和分析。
•数据分析：开发和部署适合XX银行业务需求的数据分析工具和算法，提供灵活和高效的数据查询和报表功能。
•数据安全：确保数据仓库的安全性，实施访问控制和数据加密等措施，防止未授权的访问和数据泄露。
4.1 需求分析阶段在这个阶段，项目团队将与XX银行的不同业务部门和利益相关方进行沟通和需求收集。
我们将详细了解业务需求和数据源，并建立数据仓库的数据模型和架构设计。
4.2 数据集成阶段在数据集成阶段，我们将根据需求分析阶段的结果，从各个业务系统中提取和转换数据。
我们将设计和实现合适的ETL（提取、转换和加载）过程，确保数据质量和一致性。
4.3 数据存储阶段在数据存储阶段，我们将设计和构建数据仓库的存储结构，包括数据表、索引和分区等。
我们将利用合适的数据库技术和管理工具，如关系数据库和NoSQL数据库，来存储和管理数据。
4.4 数据分析阶段在数据分析阶段，我们将开发和部署适合XX银行业务需求的数据分析工具和报表功能。
我们将使用先进的分析算法和可视化技术，帮助XX银行的管理层和业务部门进行决策分析和业务优化。
数据仓库技术在商业银行中的应用与发展
数据仓库技术在商业银行中的应用与发展摘要：针对我国商业银行日趋白热化的竞争局面以及银行业务数据量几何倍数增长的现实情况，如何实现将海量数据快速有效的整合、分析，充分挖掘有价值的数据规律，及时把握银行自身经营情况，对提高商业银行竞争力至关重要。
本文就数据仓库本身的技术特点，介绍了其在商业银行经营管理中运用以及目前我国银行业数据仓库发展状况。
关键词：数据仓库；商业银行；经营发展一、数据仓库的概念数据仓库的概念是由数据仓库创始人W.H.Inmon最早提出的：数据仓库是指面向主题的、集成的、相对稳定的且反映历史变化的数据集合，用于支持管理决策行为。
二、数据仓库的特点相对传统的数据库而言，数据仓库的特点主要表现在：1、“面向主题”。
数据库主要面向事务处理任务，各系统之间相对分离。
而数据仓库是按主题分类组织并提供信息的。
一个主题通常关联多个信息系统。
2、“数据集成”。
数据库通常与某些特定的应用相关，数据库之间是相互独立的，甚至是异构的。
而数据仓库则在对原有分散的数据库进行数据抽取、清理的基础上再进行加工整理，使之具有一致性。
3、“随时间变化”。
传统数据库往往只关心当前时间段内的的数据。
而数据仓库主要进行的是时间趋势分析，包含有大量历史信息，通过分析可以帮助目标客户对其未来发展方向做出准确的预测和判断。
三、数据仓库的结构组成1、数据源。
数据源是整个数据仓库系统的来源，它构成了数据仓库的基础。
数据源的组成基本包含了两部分：内部信息和外部信息。
内部信息是指各种业务处理数据和文档型数据，外部信息则由各类法律稽核、市场消息等组成。
2、数据的存储和管理。
它是数据仓库系统的核心。
数据的存储和管理就是指针对数据的抽取、转换、清洗、装载的过程，这种数据的存储和管理方式不同于传统的数据库数据，从而外部数据的展现方式也和传统数据库有所区别。
3、OLAP（On Line Anlvsis Process）联机分析处理服务器。
针对特定问题的联机数据，通过对信息进行快速、稳定的读取，加以高归纳度的分析，发现内在趋势。
数据仓库技术在银行业的应用
数据仓库技术在银行业的应用随着信息技术的快速发展，数据对于各行各业的重要性也日益凸显。
银行作为金融行业的核心组成部分，拥有海量的客户数据和业务数据，如何高效地管理和利用这些数据成为了银行业务发展的关键。
数据仓库技术作为一种重要的数据管理和分析工具，正被越来越多的银行采用，并在银行业内发挥着越来越重要的作用。
数据仓库是指将不同来源、不同类型的数据进行集成、整理、清洗、存储和管理，以便对数据进行快速、便捷的查询和分析的一种信息系统。
银行作为金融机构，每天都会产生大量的交易数据、客户数据、风险数据等，这些数据来自于多样化的业务系统和渠道，包括核心银行系统、合规系统、风控系统等。
在传统的数据库模式下，这些数据被分散地存储在不同的数据库中，导致数据难以共享和利用，而数据仓库技术则可以将这些分散的数据集中到一个集中的数据库中，提供一种一站式的数据分析与查询服务。
首先，数据仓库技术在银行业的应用可以帮助银行更好地理解和洞察客户。
通过整合客户数据，包括个人信息、财务状况、投资偏好等，银行可以进行客户分群和画像分析，从而更好地针对不同的客户需求提供差异化的金融产品和服务。
同时，通过对客户行为进行分析，银行可以掌握客户的消费习惯、倾向以及潜在需求，从而提高客户黏性和满意度，实现精准营销和客户关系管理。
其次，数据仓库技术在银行的风险管理中起到了重要的作用。
银行作为金融机构，风险管理是其核心职能。
通过整合和分析银行内外部的市场数据、经济数据和交易数据等，银行可以对风险进行预警和管理。
例如，通过对大数据的分析，可以发现异常交易行为、不良贷款和信用卡欺诈等风险，及时采取措施进行风险防范和控制。
此外，数据仓库技术还能够实现对银行的资产负债表、准备金率、流动性等进行实时监控和预测分析，为银行的决策提供科学依据。
此外，数据仓库技术在银行的经营管理方面也发挥着重要作用。
通过对银行业务数据的集成和分析，银行可以实现对业务效率和绩效的评估和优化。
- 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)。
商业银行数据仓库系统功能规格版本：1.0(初稿)目录1.概述 (4)1.1. 系统介绍 (4)1.2. 系统架构 (4)1.3. 体系结构 (5)1.4. 数据仓库管理系统(DWMS) (6)1.4.1. 数据采集模块 (6)1.4.2. 数据转换模块 (6)1.4.3. 增量计算模块 (6)1.4.4. 调度模块 (6)1.4.5. 配置模块 (6)1.5. OLAP逻辑模型 (7)1.5.1. 分析角度 (7)1.5.1.1. 公共维 (7)1.5.2. 分析主题 (8)1.6. 银行业数据仓库E-R模型(Data Model) (10)1.6.1.贷款客户分析(Data Model) (10)1.6.2. 存款客户分析(Data Model) (11)1.6.3. 内部账号分析(Data Model) (12)1.6.4. 业务及流动性分析(Data Model) (13)1.6.5. 资产负债财务分析(Data Model) (14)1.6.6. 风险控制分析(Data Model) (15)1.6.7. 现金配钞分析(Data Model) (16)1.7. 例外处理 (16)1.8. 准确性 (16)1.9. 性能 (17)1.10. 数据容量 (17)1.11. 备份/恢复 (17)1.12. 运行环境 (17)1.12.1.数据仓库平台 (17)1.12.2.数据仓库硬件平台 (17)1.12.3.控制台平台 (17)1.13. 安全性 (18)2.报表系统 (18)2.1. 业务分析 (18)2.2. 财务分析报表系统 (18)2.2.1. 资产业务分析（月） (18)2.2.1.1. 资产规模增长情况分析 (19)2.2.1.2. 资产增量变化情况分析 (19)2.2.1.3. 资产结构变化情况分析 (19)2.2.1.4. 贷款资产专项统计 (20)2.2.2. 负债业务分析 (20)2.2.2.1. 负债规模增长情况分析表 (20)2.2.2.2. 负债增量变动情况分析表 (20)2.2.2.3. 负债结构变化情况分析表 (21)2.2.2.4. 存款负债专项统计 (21)2.2.3. 所有者权益分析 (21)2.2.3.1. 所有者权益增长情况分析 (21)2.2.3.2. 所有者权益增量变动情况分析 (22)2.2.3.3. 所有者权益结构变化情况分析 (22)2.2.4. 财务收支分析 (22)2.2.4.1. 收支规模增长情况分析 (22)2.2.4.2. 收支增量变动情况分析 (22)2.2.4.3. 当期收支情况分析 (23)2.2.4.4. 财务收支结构变动情况分析 (23)2.2.4.5. 财务收支计划完成情况分析 (23)2.2.5. 财务比率分析 (24)2.2.5.1. 各项财务比率分析表 (24)2.3. 资金计划业务需求 (25)2.3.1. 资金头寸统计 (25)2.3.2. 资金负债管理指标 (25)2.3.3. 现金管理 (25)2.3.3.1. 结算备付金统计 (25)2.3.3.2. 库存现金统计 (26)2.3.3.2.1. 即时余额统计 (26)2.3.3.2.2. 日均余额统计 (26)2.3.3.3. 业务量统计 (26)2.3.4. 票据贴现业务统计 (26)2.4. 综合统计分析 (27)2.4.1. 存款统计 (27)2.4.1.1. 存款结构统计 (27)2.4.1.1.1. 日均存款统计 (27)2.4.1.1.2. 存款即时余额统计 (27)2.4.1.1.3. 储蓄业务统计 (27)2.4.1.2. 存款明细统计 (28)2.4.2. 贷款统计 (28)2.4.2.1. 贷款结构统计 (28)2.4.2.1.1. 贷款日均统计 (28)2.4.2.1.2. 贷款即时余额统计 (28)2.4.2.2. 贷款明细统计 (29)2.4.3. 业务量统计 (29)2.4.3.1. 会计综合业务量统计 (29)2.4.3.2. 现金收付量统计 (29)2.5. 安全性 (30)2.5.1. 安全控制逻辑 (30)3.客户经理服务系统(ASS) (30)3.1. 总体分析 (30)3.1.1. 分析角度 (30)3.1.2. 分析指标 (30)3.2. 安全性 (30)4.附录 (31)4.1. 定义 (31)4.2. 资金头寸项目说明和计算公式 (31)4.3. 资金负债管理指标 (32)4.4. 术语说明 (34)4.4.1. Data warehouse (34)4.4.2. Data mart (34)4.4.3. OLAP (34)4.4.4. ROLAP (35)4.4.5. MOLAP (35)4.4.6. Client OLAP (35)4.4.7. DSS (35)4.4.8. ETL (35)4.4.9. Ad hoc query (36)4.4.10. EIS (36)4.4.11. BPR (36)4.4.12. BI (36)4.4.13. Data mining (36)4.4.14. CRM (36)4.4.15. Meta Data (36)1.概述1.1. 系统介绍**商业银行数据仓库项目以OLAP（在线分析处理）为主要技术技术，由业务数据采集、清洗，转换，加载、OLAP处理等步骤组成。
处理数据涵盖银行内部方方面面的数据信息。
通过对数据的重组、分类和关联，将银行内部分散的数据信息组织成一个高效实用的数据仓库，并且用第三方OLAP前端和报表工具，提供了方便快捷的查询，发布。
1.2. 系统架构1.3. 体系结构Essbase/关系DBMS/其它数据存取组件…………(系统体系结构)1.4. 数据仓库管理系统(DWMS)1、负责数据采集参数的配置，如：采集的数据源，采集的时点等；2、负责数据的采集，转换，加载及OLAP处理任务的调度；3、负责数据转换过程中转换参数的配置，如数据字典的定义，对应关系的设置等；4、负责报表查询的参数的定义，如报表格式，查询组合的定义；DWMS包括以下几个模块1.4.1.数据采集模块负责从银行的业务系统中采集建设数据仓库所需要的源数据。
由于银行数据的安全性，在本系统设计过程中，采用NA SERVER用CGS中间件采集成文本文件。
1.4.2.数据转换模块数据仓库中的数据来源于联机事务处理系统（OLTP），这些系统由于建立时间不同，系统选型不同，开发人员不同等原因，使得各个业务系统的硬件环境和软件环境各不相同，数据结构不统一，要将这些系统中的有用数据提取出来，进行净化、整理、综合、概括，去掉没用的数据项，转换成统一格式加载到数据仓库中。
数据转换模块负责将源数据经过清洗，整理，转换，编码后加载到数据仓库中。
1.4.3.增量计算模块每天所采集的增量数据，加载到数据仓库后，处理OLAP的增量计算，加载这部分数据到OLAP数据库。
1.4.4.调度模块负责每天数据转换(ETL)的调度1.4.5.配置模块各种参数的配置1.5. OLAP逻辑模型1.5.1.分析角度1.5.1.1. 公共维注1：”可由用户设定”–由用户将设定类型对应到原有交易系统中一个或多个类型值。
注2：OLAP分析粒度到账号还是科目对于公共维的设计存在着差异注3：数据仓库模型中所存储的数据的粒度将对信息系统的多方面产生影响。
事实表中以各种维度的什么层次作为最细粒度，将决定存储的数据能否满足系统分析的功能需求，而粒度的层次划分、以及聚合表中粒度的选择将直接影响查询的响应时间。
1.5.2.分析主题1.6. 银行业数据仓库E-R模型(Data Model) 1.6.1.贷款客户分析(Data Model)1.6.2.存款客户分析(Data Model)1.6.3.内部账号分析(Data Model)1.6.4.业务及流动性分析(Data Model)1.6.5.资产负债财务分析(Data Model)1.6.6.风险控制分析(Data Model)1.6.7.现金配钞分析(Data Model)注：1、黑点方向表示一对多关系2、兰色实体均为实事表3、灰色实体关系表示须保留动态变更1.7. 例外处理1.8. 准确性对下面变更，系统的各项统计计算应能准确反映：1.客户资产结构的变更2.客户所属协款员的变更3.客户状态变更4.客户所属行业的变化1.9. 性能1、日数据处理时间< 3Hours2、客户端查询响应一般查询< 15秒3、数据即时性每天日结以后从业务系统中抽取数据到数据仓库，所以只能查询前一交易日以前的数据。
即时性的数据直接从业务数据中查询。
1.10. 数据容量1.11. 备份/恢复1.12. 运行环境1.12.1.数据仓库平台操作系统：AIX4.3数据库系统：使用IBM DB2产品。
建模工具：ERWIN。
数据采集及转换工具：Visual Warehouse多维数据库：DB/2 OLAP Server前端分析工具：BRIO、MS Excel(Vba编程)。
1.12.2.数据仓库硬件平台硬件平台推荐使用IBM的AS400系列产品。
1.12.3.控制台平台操作系统：WINDOWS 98，WINDOWS NT 4.X，WINDOWS2000硬件平台：586CPU，256M以上内存，10G以上硬盘空间。
显示器分辨率：缺省支持800X600，但在其他模式下也应能显示正常1.13. 安全性角色DWMS管理员数据仓库的修改、OLAP的修收DWMS操作员运行DWMS控制程序2.报表系统2.1. 业务分析业务分析的方法主要是多维分析法，根据业务决策的需要，可进行各种分析。
利用多维分析的方法，可以对统计及明细记录进行分析、对比、排序，各种分析结果可以通过图表直观的反映。
利用业务分析功能，可以及时、明了的掌握银行业务工作各方面的情况和进展。
DB2 OLAP服务器，提供100多种内置的财务、统计或者数学功能，可以进行复杂的趋势分析、创建比率等。
同时，DB2 OLAP Server 拥有几种API 和一组可用于构建定制应用程序的ActiveX 控件。
选择何种API 将取决于应用程序的复杂程度。
使用Wired for OLAP(Hyperion Analyzer)，可以非常快地构建一个简单的主管信息系统(EIS Executive Information System)应用程序。
使用电子表格如MS Excel或Lotus 123的Add-In，可以构建相当复杂的应用程序。
Essbase Objects是一组非常灵巧的ActiveX OLAP 控件，可以将其置入到Visual Basic 应用程序（可以按传统方式或通过网络部署）中。