数据仓库-商业银行IT系统(银行软件开发必备知识压缩版)下载

数据仓库(一) 基于数据仓库的功能、逻辑结构，可以将数据仓库分为：数据的抽取、存储和管理、数据的分析和展现三个技术层面。 数据的抽取层负责设计和实现ETL过程，完成数据仓库加载和更新数据。数据源可以是行内业务系统，也包括行外的相关数据。 存储和管理层采用ODS－DW二层结构，存储的数据具有面向主题、集成、相对稳定（不可删改）、随时间不断变化四个特性；支持多维分析的查询模式；存储的内容包括业务数据和元数据。保存的数据包括结构化数据和非结构化数据。 数据分析和展现层提供OLAP设计、分析和展现手段，包括联机分析和数据挖掘两大技术。 * ETL包括数据的抽取、转换和装载三个过程 在技术上主要涉及增量、转换、调度和监控等几个方面的处理。 数据挖掘是从数据仓库中发现并提取隐藏在其中的信息的一种新技术，即利用人工智能、统计分析等多种技术和各类挖掘工具及数据算法，分析企业的历史数据，进行深层次挖掘，实现规则性发现及预测功能，它侧重于对事务中蕴涵的未知规律进行发现。 广东发展银行通过引入SAS公司的行为计分机制(Behavioral scoring)，以跟踪和监控每个信用卡持卡用户的行为、消费模式和还款数据，并根据相应的数学模型，智能化地调整用户的信贷额，同时亦可从而找出高增值客户，向他们推广新产品或服务。 广东发展银行通过引入了SAS公司的申请计分(Application Scorecard)机制，透过先进的数据挖掘技术对大量信用卡客户数据进行分析，寻找客户信用风险的特征和规律，建立相应的数学模型，为新的信用卡申请者或已有的客户进行信用评分。 常用的BI 厂商和产品 ETL：Informatica, SQL Server Analysis Server，datastage DW：IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等； OLAP： Cognos，Business Objects，MicroStrategy，Hyperion，IBM Data Mining：IBM，SAS，SPSS