第五章 基于商业智能的应用
数据仓库和软件平台
在当前日趋激烈的市场竞争下，建立数据仓库系统对于商业银行的发展显得至关重要。在本系统中数据仓库系统由数据仓库、数据集市和BI工具组成，实现该数据仓库系统扩展了传统数据仓库的适用范围，能提供关于日常战术操作的技术支持。我们将应用了基部署在mM RS／6000服务器环境下，采用IBM DB2 Universal Database进行数据仓库存储管理。
金融管理信息数据唯一真实版本
基于会计、财务分析的方法进行数据处理，由于从不同的角度、不同的方式进行记录和分析，往往能够获取不同的信息。而在实际应用中，由于本银行存在多种业务系统和管理信息系统，而这些系统服务的不同的用户关心的信息也不同，所以从相同的业务数据中往往应用各种差异的会计、核算、统计等分析方式得到不同的金融管理数据。目前，根据用户的不同选择，金融管理信息FMI(financialmanagementinformation)能够从不同的数据源中提取。银行中存在多种信息系统，因此各自的数据库也保留了不同版本的数据。在业务应用系统中，IBIS和IMIS是两个最常用的数据源，应用不同的商业规则和定义，如果数据来源不一致，就能够生成不同的结果。这就可能导致应用系统的输出产生混乱，也会令用户花费时间和精力和分析和解决这些数据不～致的问题。因此，这些数据校对工作通常是很消耗时间、精力和不能带来任何价值的。为了避免上述情况，就引入了金融管理信息数据唯一真实版本(single version oftruth ofFMI)这个概念。在开发新的数据库过程中，我们始终应用该概念。我们的数据库的定义范围应该足够的大，以能够满足今后不断增长的商业管理信息应用的需要。例如，在实际应用中，用户可能会从我们基于属性数据库的金融管理信息数据中提取数据，并将数据读入到他们自己的数据市集中去；或者要系统不断实现新的报表来反映不同业务的情况。这就要求我们实现的数据库，有足够的，不同系统的，范围宽阔数据和数据量，能够满足不同的业务需要。
核心数据库
核心数据库市FinMIS系统的主要数据库。核心数据库的数据是从各个业务系统中提取出来，其数据表的设计经过优化，能够满足业务部门报表分析的需求。在阶段数据库中的数据，通过用户提供各种业务规则参数进行筛选，其处理得出的数据就可以输入到核心数据库中保存。
核心数据库的结构，其内部的每个实体(entity)的构成，以及不同实体之间的关系都是经过优化设计。
摘要数据表
在系统更新报表时，快速的多维查询速度是用户的主要关注点．因此查询效率至关重要．我们采用建立摘要数据表作为缓存的优化策略来提高系统查询速度：为了提高系统响应速度，我们引入了摘要数据表的缓存策略：摘要数据表存储了各种报表对应的数据信息，以及用户最近查找的数据信息，从应用层面以及历史层面进行数据缓存，使到应用性能得到提升。当用户作上新报表查询和不同的用户做相同的请求时，效率得到很大的提高，经测试，对同一报表的查询生成的时间由3分钟左右降到10秒钟左右。
摘要数据表的应用目的，就是为了使报表工具进行分析和生成报表的过程能够更加省时、有效和节省成本。在该数据表中包含了从核心数据库中的提取出来的，按照用户业务规则公事计算得出的各种属性和结果。摘要数据表中的数据通常按照不同的用途进行组合，例如，按照收入资产负债表进行组合，按照渠道效益报表进行组合等等。引入摘要数据表作为系统查询缓存的使用，提高了系统响应速度，但同时也带来了新问题。当存储在数据库中的多维数据发生变化时，缓存中的数据也要相应地更新。在这里，我们提供这样一种触发机制：当核心数据库中的数据发生变化时，立即清空缓存。
数据维度
为了满足银行内不同金融管理信息(例如，分析，问题确认，跟踪数据，SQL等等)的需要，FinMIS的属性数据仓库围绕以下维度对数据进行处理：
1． 客户(Customers)
2．成本中心(Cost Centre)
3．产品(Product)
4．渠道业务(Channel Activity)
5． 数据按照本质分类种类
FinMIS属性数据库仓库中的数据按照其本质属性划分如下：
ETL功能模块
在建立数据仓库系统的过程中，数据的抽取、转换和加载(ETL)是最重要的环节。它是整个系统成败的关键，其性能的好坏直接影响到整个数据仓库系统的运行效率和最终结果。根据调查统计，建立数据仓库有60％的精力花费在数据ETL上。ETL(Extraction、Transformation and Loading)是建立数据仓库的必要步骤，其基本原理就是从各种原始的业务系统(异构多源)中提取数据，按照预先设计好的规则将抽取到的数据进行转换，最后将转换完的数据按计划增量或全部导入到目标数据库或数据仓库中。
