银行卡业务是我国商业银行业务的一个重要组成部分。在银行卡业务中，利润率是一个关键指标，而建立以客户为中心的管理信息系统，通过对大量信息的分析找出客户消费的行为和规律，进而预测客户的个性化需求、及时响应客户的需求、设计出更加符合客户需要的产品和服务，是赢得客户认可、提高利润率的有效办法。然而，目前大多数银行卡业务缺乏真正面向市场、面向客户的决策支持系统，对客户的判别也只停留在静止、片面、主观的水平，不能对客户做出动态的、全面的、客观的评价。为了更好地细分市场、细分客户，提高业务管理水平和银行卡业务的获利能力，建立基于数据仓库、联机分析处理、数据挖掘的银行卡决策支持系统，成为银行提高综合竞争力的必然选择。
数据仓库系统的设计
数据仓库系统由三个部分组成，即建模系统、ETL系统、OLAP系统。建模系统主要用于辅助设计人员进行数据仓库设计; ETL系统辅助数据仓库实现人员设计和实现ETL过程，完成数据仓库加载和更新数据; OLAP系统为OLAP设计人员提供设计平台，为OLAP分析准备数据，同时为最终用户提供OLAP分析工具。各个系统之间通过元数据文件进行关联(如图所示)。
1. 数据决策主题的选取
银行卡业务的收入主要有客户透支贷款的利息收入、向特约商户收取的客户刷卡消费的结算手续费收入、年费收入和其他收入，所有的收入都来自客户和商户。在以客户为中心的现代商业银行总体营销理念指导下，获取优质客户是商业银行关注的重点。银行卡决策支持系统就是在客户关系管理基础上提出的，客户分析、商户分析和卡业务分析是分析的三大主题。
2. 客户分析
客户分析包括客户基本信息分析、客户综合贡献度分析、客户活跃度分析、信用等级分析及风险控制，分别从时间、渠道、产品、客户基本信息、人口统计信息及客户细分信息等对银行卡客户进行多角度分析，对客户进行透视，使银行卡客户经理能全方位把握客户信息，从而为决策支持提供依据。
3. 商户分析
对特约商户银行卡交易手续费进行统计分析，细分商户，统计分析商户交易的季节和时间规律、交易人的特征、交易的银行卡品种（包括本行和他行）等，为营销决策提供依据。
4. 卡业务分析
对各支行办理银行卡的数量、卡交易次数、卡交易额、卡利润、卡存款、透支额等进行卡业务综合评价。
5. 数据表组织
“主题”在数据仓库中是由一系列表来实现的。数据表的定义可以因对数据的综合程度不同而变化，也可以因数据所属的时间段不同而调整。
数据仓库系统的应用
银行卡业务决策支持系统的数据来源于前端事务环境中的事务数据，由于银行事务数据存放在服务器上的数据库（如DB2）系统中，因此，事务数据必须先通过数据抽取、集成后，再存放到数据仓库中，形成明细数据。不同级别综合数据按照不同汇总粒度计算获得，并且要加上时间戳。
数据清洗、抽取、转换、加载是数据仓库工程的一个必需的步骤，这里需要用到ETL工具(Extract Transformation Loading)，主要负责将银行卡数据仓库所需要的数据转换成合适的数据格式与数据内容，并加载到数据仓库中。ETL分为ETL设计模块、ETL调度模块、ETL关系数据库抽取/转换模块、ETL加载模块、ETL中间层管理模块。数据的抽取、转化和加载主要过程如下:
1．使用ETL设计模块定义ETL转换加载过程，同时生成数据源访问元数据文件、脚本元数据文件、日志元数据文件、数据库模式文件。
2．使用调度器打开数据源访问元数据文件、脚本元数据文件、日志元数据文件，然后开启调度服务，自动将任务分配到与调度器连接的各个执行模块上执行。
3．为ETL关系数据库抽取/转换模块配置ETL调度模块的地址，然后打开模块，接受调度器分配过来的抽取、转换任务，完成异构数据库之间的数据抽取和转换处理。
4．为ETL加载模块配置ETL调度模块的地址，然后打开模块，接受调度器分配过来的数据仓库数据加载任务，完成数据从关系数据库到数据仓库中的加载。
5．为ETL中间层管理模块配置ETL调度模块的地址，然后打开模块，接受调度器分配过来的中间临时数据表的清理任务，完成中间数据库中临时数据表中数据的删除。
数据仓库中的存储数据，主要为决策支持提供服务，但也存储一些企业决策时需要的信息。它包括的数据主要有三部分: 第一部分是完整的历史数据; 第二部分是已物化的数据立方体，由于物化的数据立方体已存储在数据仓库中，为挖掘节省了时间; 第三部分是元数据。基于数据立方体的关联规则挖掘时，可以分为三个步骤: 首先产生与任务相关的工作数据立方体，然后产生频繁项目集，最后是利用所产生的频繁项目集产生期望的关联规则。
数据分析与挖掘
建立起数据仓库后就能对所存储的多维数据开展OLAP（Online Analytical Processing, 联机分析处理）分析和数据挖掘工作了，进而可得到所需要的分析结果。事实上，根据银行的行业经验，建立各种有实用价值的评价与判断模型，对积累的数据进行深入的挖掘，发现隐藏在数据后面的知识，这才是数据仓库系统的真正价值所在。
下面以客户分析为例进行OLAP分析。银行卡客户基本情况分为:
1. 持卡人的静态数据，如年龄、性别、职业、单位邮编、单位地址。
2. 持卡人的动态数据，如持卡人的卡余额、消费积分和存款余额、持卡人的贷款和还款记录。
通过数据仓库系统可以将客户按照不同的属性划分为不同的类别进行分析，比如按持卡人所持卡的类型（公司卡/个人卡、普通卡/金卡），持卡人性别、年龄和居住地分析客户结构及变化趋势，或者按客户的职业、年龄、性别、居住地分析其消费行为、寻找消费模式。
在数据挖掘过程中，可以使用决策树方法对客户进行分类。比如通过卡交易次数、活期理财余额和性别将客户进行分类，再根据决策树的分类结果针对不同的客户使用关联分类算法挖掘出每一类客户的特征，为决策提供依据。
总体而言，银行卡辅助决策支持系统需要银行现有业务系统（MIS）中的数据的支持，通过对这些数据进行抽取、清洗、转换、整理，并将它们按照决策者的意图从不同角度（维度）层层展现开来，以达到辅助决策的目的。从这个角度讲，银行卡辅助决策支持系统的建立使银行业务人员能够充分利用原有系统的历史数据，挖掘在日常报表中无法直接反映的数据间的联系，进而更好地了解本行的经营现状和发展趋势，更科学地考查员工的业绩、更直观地了解账户的活动及资金的流向，最终提升银行的竞争实力。（作者李振军系济南市商业银行科技部副总经理，尹辉系山东司法警官职业学院信息中心主任）
