在竞争日益激烈的市场中，能否迅速做出更好的决策关系到银行是苟且偷生还是繁荣兴旺。银行需要对各种压力迅速做出反应，包括不断加剧的竞争、行业的无规律发展、企业并购、产品和市场革新、传统系统的重组等。

　　如今大多数企业并不缺少决策的数据，这些数据包括：联机交易的历史数据、研究分析结果、Internet提供的数据……数据几乎无处不在。因此，关键不在于数量，而在于质量——是否一致、准确、具有时效性和复杂度。

　　在过去几年中，许多企业认识到了这一问题，并开发了各种系统，如决策支持系统、管理信息系统、运作信息系统。这些系统从各种源系统中下载数据，通过运行一些相应的程序进行查询等操作。

　　但由于这些系统基本上都是基于主机的，功能有限，比如：联机无法进行数据分析；数据是离散的、冗余的；用户访问过于复杂；用户访问降低了业务操作的效率。联机系统一般的设计原则是以最快速度更改一条记录，而不是用于数据分析，也不是按照某一标准浏览数据和对数据进行排序，以及对数据进行计算。

　　与之相比，数据仓库却能够实现快速数据查询，帮助银行挖掘其传统系统中潜在的无法被直接利用的信息。数据仓库对银行业当今最为关注的业务领域进行了分析，例如：

　　客户关系管理(CRM)；
　　客户、产品、渠道的利润和绩效
　　市场份额最大化
　　提高客户忠诚度和保持优质客户
　　按照客户、产品和市场分类进行业务风险管理
　　提高交叉销售的比率
　　市场促销管理
　　对跨机构的客户和产品设定统一的定义标准
　　对客户行为趋势进行分析
　　分析客户购买和使用银行产品的情况
　　什么是数据仓库?

　　数据仓库通过从银行内部的不同系统和外部数据源收集数据，经过抽取、整合和统计，形成一个中心的数据集，这样既保持了数据的一致性，又易于被用户访问。同时，这些数据按照业务概念来组织，例如按客户、产品、地区进行分类，便于分析。而应用系统则遵循纵向的业务流程，进行定单录入、应收账款管理或总账管理等。

　　数据仓库与联机事务处理系统(OLTP)的结构有很大不同，例如：其中的数据是历史数据或统计数据；按照业务概念来组织；存储了大量的统计信息；数据易于分析；数据基本不作更改，仅用于查询；数据一般只存储一次，不会反复处理。此外，数据仓库还提供了联机分析(OLAP)功能，用户可以联机访问经过分析运算的多条数据，而OLTP的用户同时只能访问一条记录。联机分析很少更改数据，其响应时间可以从几分钟到几小时，而OLTP用户的目的则是要快速更改一条记录，这就需要很快的响应时间。

　　数据仓库还克服了决策支持系统的局限，例如：数据按照统一格式存放，用户可联机快速地查询复杂的数据；查询不会影响其它正在进行的交易；数据来自不同的系统，并按照分类存放。

　　简而言之，数据仓库是一个数据源，可以提供全面的企业信息。数据仓库也是信息仓库、数据集市的主要数据来源，而后者常常是面向某个业务部门或某类业务的。

数据仓库有哪些优势？

　　数据仓库可以在竞争力、客户、风险、利润、组织机构等几个方面对银行产生影响，例如：银行可以根据数据仓库中的信息做出决策，响应日益严峻的竞争，不断使用新的技术，使业务和产品的革新进一步全球化。

　　银行可以利用数据仓库支持以下业务：

　　传统业务的发展趋势
　　产品之间的差距和机会
　　银行业务行为和绩效
　　银行的经营目标
　　交叉销售的机会
　　市场细分
　　交易渠道使用情况
　　竞争对手的产品
　　合理的价格
　　一旦数据仓库中的信息按照上述方式进行组织，银行就可以通过以下机会获得业务优势：

　　市场促销
　　产品客户化
　　产品包装
　　银行业务评估
　　绩效跟踪
　　交叉销售
　　风险管理
　　渠道使用情况
　　设定优惠价格
　　竞争对手联盟
　　客户份额预估
　　费用预先确定
　　建立数据仓库的成本如何确定？目前有两种观点。

　　第一种观点是，尽管数据仓库具有独特的优势，人们可以利用其中的信息，但并不能节省多少成本。例如，银行通过数据仓库来确定市场上的无回复和无利润客户，比银行直接进行的营销活动只能节省10%的成本。

　　第二种观点是，数据仓库能够使银行在未来真正获益。通过确定新的收益来源，银行可以更加灵活、迅速地响应市场，使新产品更快地产生效益。另外，利用数据仓库提供的客户行为分析，银行可以确定其利润以及所拥有的客户份额等，并通过确定这些机会，增进与客户的关系，提高客户的满意度和忠诚度。

如何建立数据仓库？

　　数据仓库是一个相对独立的项目。建立数据仓库为企业带来了一个独特的机会，其结果立竿见影，不会影响正常的业务运营。

　　由于内部和外部数据来源于不同的系统，因此建立数据仓库的第一步就是要建立一个独立于其它任何应用系统的数据模型。这是一个在应用层和数据库之上的逻辑模型，包括定义数据结构和建立数据标准。同时，可能还需要将系统的数据进行重组，转化为逻辑模型，将面向应用的数据库中的数据转变为面向业务的格式。

　　设计和实施数据仓库是一个复杂的过程，许多企业没有相应的经验和资源。为此，IBM提供了一个低风险、专业的解决方案，从而为企业开发数据仓库提供了一个坚实的基础。实施这样的项目至少需要6个月的时间。

　　IBM银行数据仓库

　　IBM银行数据仓库(BDW)解决方案可帮助银行满足自身的业务需求，灵活地建立部门数据集市和企业数据仓库，包括核心组件和相关组件。

　　BDW由30多个业务模板组成，这些模板能帮助银行确定需求和快速实施项目，例如：客户利润分析、市场份额分析、客户贡献度分析、现金流量分析等。同时，BDW还提供了一系列可行的、灵活的和可扩展的技术架构，这有助于银行建立全面的数据仓库，迅速提供业务价值。

　　BDW主要包括以下组件：

　　FSDM模型：FSDM是一个企业级数据模型，它囊括了银行约80%的业务数据，并把预定义的业务模板连接到核心银行业务数据和数据仓库中；

　　BDW模型：BDW是IBM数据仓库的核心，用于连续存放所有信息，从而为大规模商业智能解决方案提供了一个可行的、复杂的、规模化的设计，适合建造部门级数据集市和企业级数据仓库；

　　BDW预定义模板：指由许多预定义业务模板提供的数据集市；

　　银行数据仓库数据库：指物理层DB2数据库；

　　数据集市的数据结构：存储适用于某类客户的数据，这些数据结构可由预定义的业务模板生成；

　　业务报表：提供特定的业务功能，包括基于数据仓库报表工具的报表、屏幕界面以及某些具体的应用，例如市场促销管理、客户资料管理、利润和风险分析等。

　　IBM银行数据仓库的优势主要体现在：

　　能整合和清理数据。
　　能加速数据仓库的建设。
　　提供全面的技术架构、可行的数据管理产品和丰富的内容。
　　促进数据仓库的客户化和扩展。
　　使业务人员能更有效地定义和确定数据仓库的需求。
　　能与IBM客户关系管理解决方案进行整合，并能够与其它决策支持系统和执行信息系统进行整合。