鄭 華

ZHENGHua

(廣西工商職業(yè)技術學院，南寧 530003)

0 引言

中國的銀行業(yè)在發(fā)展的過程中，已逐步積累了大量的客戶數(shù)據(jù)和經(jīng)營數(shù)據(jù)，利用這些數(shù)據(jù)，發(fā)掘有價值的信息，已經(jīng)成為銀行業(yè)普遍關心的問題，而解決問題的關鍵就是建立銀行企業(yè)級的數(shù)據(jù)倉庫，在數(shù)據(jù)倉庫的基礎上，施行客戶關系管理，以滿足銀行客戶分析需要和管理決策需要，原有的客戶關系系統(tǒng)作為一種管理系統(tǒng)難以做到這一點，而商業(yè)智能系統(tǒng)則可以很好的解決這個問題，它使我們能夠?qū)?shù)據(jù)轉(zhuǎn)變?yōu)橛行У男畔⒑椭R。

1 商業(yè)智能技術

1.1 商業(yè)智能產(chǎn)生的背景

如今，在金融行業(yè)大變革之后，一系列的新問題讓我們不得不關注。例如，如何才能分析上市公司的財務情況，并規(guī)避財務風險？如何才能讓銀行、信托機構(gòu)更好地分析、評價客戶的信用程度和還款能力？如何大規(guī)模地分析用戶的消費行為？這時商業(yè)智能應運而生。商業(yè)智能可以為企業(yè)或機構(gòu)提供大規(guī)模數(shù)據(jù)聯(lián)機處理、數(shù)據(jù)挖掘、數(shù)據(jù)分析，以及報表展現(xiàn)等服務，通過對大量的特定數(shù)據(jù)進行分析、整理，從而形成量化的決策信息，以供企業(yè)決策者采用。

1.2 商業(yè)智能的定義

商業(yè)智能這一術語1989年由Gartner Group的Howard Dresner首次提出，它描述了一系列的概念和方法，通過應用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能系統(tǒng)從企業(yè)運作的日常數(shù)據(jù)中開發(fā)出結(jié)論性的、基于事實的和具有可實施性的信息，使企業(yè)能夠更快更容易的做出更好的商業(yè)決策，使企業(yè)管理者和決策者以一種更清晰的角度看待業(yè)務數(shù)據(jù)，提高企業(yè)運轉(zhuǎn)效率、增加利潤并建立良好的客戶關系，以最短的時間發(fā)現(xiàn)商業(yè)機會捕捉商業(yè)機遇。

1.3 商業(yè)智能的核心技術

商業(yè)智能的技術體系主要有數(shù)據(jù)倉庫（DW）、聯(lián)機分析處理（OLAP）以及數(shù)據(jù)挖掘（DM）三部分組成。

數(shù)據(jù)倉庫（Data Warehouse）是支持管理決策過程的、面向主題的、集成的、動態(tài)的、連續(xù)的數(shù)據(jù)集合。可以從容量龐大的業(yè)務處理型數(shù)據(jù)庫中抽取數(shù)據(jù)，清理、轉(zhuǎn)換為新的存儲格式。

聯(lián)機分析處理（OLAP）技術則幫助分析人員、管理人員從多種角度把從原始數(shù)據(jù)中轉(zhuǎn)化出來、能夠真正為用戶所理解的、并真實反映數(shù)據(jù)維特性的信息，進行快速、一致、交互地訪問，從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術。

數(shù)據(jù)挖掘（Data Mining ）技術以數(shù)據(jù)倉庫和聯(lián)機分析處理（OLAP）為平臺，借助企業(yè)擁有的大量數(shù)據(jù)，通過清洗、轉(zhuǎn)換、裝載等數(shù)據(jù)處理方法，發(fā)現(xiàn)大量資料間的關聯(lián)與趨勢，探尋一種獨特的、通過其他方法發(fā)現(xiàn)不了的業(yè)務規(guī)律和模式。

2 銀行分析型CRM數(shù)據(jù)倉庫體系結(jié)構(gòu)

數(shù)據(jù)倉庫的建設，是以現(xiàn)有企業(yè)業(yè)務系統(tǒng)和大量業(yè)務數(shù)據(jù)的積累為基礎。數(shù)據(jù)倉庫不是靜態(tài)的概念，只有把信息及時交給需要這些信息的使用者，供它們做出改善其業(yè)務經(jīng)營的決策，信息才能發(fā)揮作用，信息才有意義。而把信息加以整理歸納和重組，并及時提供給相應的管理決策人員，是數(shù)據(jù)倉庫的根本任務。因此，從產(chǎn)業(yè)界的角度看，數(shù)據(jù)倉庫建設是一個工程，是一個過程。

整個數(shù)據(jù)倉庫系統(tǒng)是一個包含四個層次的體系結(jié)構(gòu)，具體如圖1所示。

圖1 體系結(jié)構(gòu)

數(shù)據(jù)源：是數(shù)據(jù)倉庫系統(tǒng)的基礎，通常包括企業(yè)內(nèi)部信息和外部信息。內(nèi)部信息包括存放于關系型數(shù)據(jù)庫（R D B MS）中的各種業(yè)務處理數(shù)據(jù)和各類文檔數(shù)據(jù)，外部信息包括各類市場信息、競爭對手信息和各種手工收集的信息等等。

數(shù)據(jù)的存儲與管理：是整個數(shù)據(jù)倉庫系統(tǒng)的核心。數(shù)據(jù)倉庫的真正關鍵是數(shù)據(jù)的存儲和管理。針對現(xiàn)有各業(yè)務系統(tǒng)的數(shù)據(jù)，進行抽取、清理，并有效集成，按照主題進行組織。

OLAP（Online Analysis Process)服務器：對分析需要的數(shù)據(jù)進行有效集成，按多維模型予以組織，以便進行多角度、多層次的分析，并發(fā)現(xiàn)趨勢。

前端工具：主要包括各種報表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉庫或數(shù)據(jù)集市的應用開發(fā)工具。其中數(shù)據(jù)分析工具主要針對O L A P服務器，報表工具、數(shù)據(jù)挖掘工具主要針對數(shù)據(jù)倉庫。

3 系統(tǒng)分析

在銀行各業(yè)務系統(tǒng)的基礎上建立兩層數(shù)據(jù)倉庫(DB-DW)體系結(jié)構(gòu)，利用數(shù)據(jù)挖掘等商業(yè)智能技術可以實現(xiàn)客戶細分、客戶保持、客戶最大價值等分析。這樣，銀行的管理者就可以對客戶的動向進行預測，從而調(diào)整產(chǎn)品策略，制定正確的決策。但按照發(fā)展的需求，DB-DW兩層結(jié)構(gòu)不能涵蓋銀行所有的數(shù)據(jù)處理要求，使用效果不能令人滿意。

沒有支持戰(zhàn)術決策的數(shù)據(jù)結(jié)構(gòu)基礎，難以實現(xiàn)實時分析和挖掘應用。

企業(yè)數(shù)據(jù)集成接口復雜，難以滿足企業(yè)OLTP系統(tǒng)的需要。

難以承受大量的分析查詢。

在銀行網(wǎng)絡化、智能化應用領域，最重要的就是系統(tǒng)功能的擴展，隨著生產(chǎn)方向的調(diào)整，系統(tǒng)也應該隨之進行相應的升級擴展。因此，兩層體系結(jié)構(gòu)的應用不適合應用于網(wǎng)絡智能化銀行各業(yè)務的實際生產(chǎn)過程。

針對傳統(tǒng)三層B/S結(jié)構(gòu)和兩層C/S的不足，本系統(tǒng)提出一種采用Windows環(huán)境下，可以滿足網(wǎng)絡化集成的系統(tǒng)開發(fā)、系統(tǒng)維護和跨平臺等方面特殊要求的五層B/S模式開發(fā)。如圖2所示：

圖2 五層B/S模式

該模式采用JBuilder9.0和數(shù)據(jù)連接池技術，將傳統(tǒng)三層B/S結(jié)構(gòu)的第二層（服務器端）劃分為表示邏輯層、商業(yè)邏輯層和數(shù)據(jù)連接管理層。這樣，CRM系統(tǒng)的服務請求及響應實現(xiàn)過程為 :客戶端的瀏覽器通過超文本鏈接標記語言(H y p er Text Markup Language，HTML)向應用服務器發(fā)出請求；服務器端商業(yè)邏輯層中的Servlet對請求進行分派,調(diào)用EJB（enterprise Javabeans），Java Beans組件進行商業(yè)邏輯處理，涉及到數(shù)據(jù)庫操作時，從數(shù)據(jù)連接管理層中的連接池中取出一個數(shù)據(jù)連接,使用Java數(shù)據(jù)庫連接(Java Data Base Comectility，JDBC)技術訪問數(shù)據(jù)庫取得所需數(shù)據(jù)后，將數(shù)據(jù)連接放回連接池，以釋放所占用的資源。最后，Servlet調(diào)用表示邏輯層的結(jié)果處理J S P頁面對獲得的數(shù)據(jù)進行格式化，形成最終H T ML頁面并發(fā)往客戶端，以完成對該次服務請求的響應。服務器端運用S QL Server 2000數(shù)據(jù)庫，完成相關業(yè)務的后臺處理。

4 數(shù)據(jù)倉庫的組織與結(jié)構(gòu)設計

4.1 選取業(yè)務處理

設計的第一步是通過將對業(yè)務需求的理解與對可用數(shù)據(jù)的理解組合起來而確定建模的業(yè)務處理內(nèi)容，如圖3所示。業(yè)務處理過程并不是指業(yè)務部門或者職能，如果建立的維度模型是同部門捆綁在一起的，就無法避免出現(xiàn)具有不同標記與術語的數(shù)據(jù)拷貝的可能性。多重數(shù)據(jù)流向單獨的數(shù)據(jù)模型，會使用戶在應付不一致性的問題方面顯得很脆弱。

圖3 銀行業(yè)務關系

4.2 維表的設計

目前銀行賬務管理都采用以賬戶為核算的單位，同一客戶在不同的網(wǎng)點擁有賬戶；同一客戶在同一網(wǎng)點擁有不同產(chǎn)品的賬戶；甚或同一客戶在同一網(wǎng)點、相同的產(chǎn)品目錄中擁有不同的賬戶?？蛻敉y行打交道會選擇不同的賬戶，因此在分析系統(tǒng)中賬戶信息應當設置成為一個維表。同一客戶擁有多個賬戶，并且客戶的大部分信息在一定的時間段中保持不便，設計客戶信息維表來統(tǒng)帥客戶的賬戶信息，通過客戶號可以歸約得出客戶在該分行的存款、貸款等信息。

客戶交易可以選擇卡、存折等不同的載體；可以選擇通過網(wǎng)點柜臺、ATM, POS、網(wǎng)上銀行、電話銀行等不同的渠道；目前銀行所提供的全國聯(lián)網(wǎng)實時交易系統(tǒng)，客戶可以在全國不同的地區(qū)進行存取款、消費等交易。這些不同顯示出客戶不同的交易行為、習慣，也反映出客戶對金融服務的不同需求。設計維表時，交易載體、交易渠道、交易地點應當首要考慮。

將客戶信息作為一個維表設計，主要依據(jù)客戶的信息在某一個時期內(nèi)保持不變，而將交易信息作為事實表。客戶信息維表包含客戶的所有屬性，如出生年月、性別、學歷等等。如圖4所示。

圖4 信用卡業(yè)務多維數(shù)據(jù)模型

4.3 數(shù)據(jù)裝載

將多種銀行業(yè)務系統(tǒng)數(shù)據(jù)操作型環(huán)境數(shù)據(jù)移入數(shù)據(jù)倉庫必須作出許多決策，其中首要的一個關鍵技術問題是決定從操作型環(huán)境中選取哪些數(shù)據(jù)移入Oracle數(shù)據(jù)倉庫。我們須全面考慮具體需求，對一組操作型系統(tǒng)進行分析并決定哪些擁有對決策支持過程有用的數(shù)據(jù)。一旦選定了源數(shù)據(jù)，我們就要著手考慮如何將它們移入racle數(shù)據(jù)倉庫中。

利用Oracle企業(yè)管理器（OEM）部件中的S L*Loader（SQL*裝載器）可以將平面文件中的數(shù)據(jù)移入racle數(shù)據(jù)倉庫中。SQL*Loader的輸入通常是一個在racle或非racle的操作型環(huán)境下產(chǎn)生的ASCII文本平面文件。當向racle轉(zhuǎn)載數(shù)據(jù)時，由一個控制文件控制SQL*Loader如何將輸入文本映射至racle數(shù)據(jù)庫表的一列或多列中。

激活SQL*Loader有兩種方法，一是用一系列命令行參數(shù)控制會話行為：

Sqi1dr80 userid=/control=regional bad=regbad.datdiscard=regdsc.dat

第二種是用一個命令行參數(shù)的最小集，并同時在控制文件中說明會話的參數(shù)，兩種方法實質(zhì)上是一致的：

使用以上操作方式有兩個關鍵性要點：

1）源數(shù)據(jù)庫的表的屬主不必與目標數(shù)據(jù)庫的表的屬主相同，數(shù)據(jù)可從一個用戶的表轉(zhuǎn)移到另一個用戶的表中。

2）當導入表時，如果這些表事先不存在，可在它們的數(shù)據(jù)被導入之前利用在導出文件中的代碼產(chǎn)生。

3）導出/導入有三種操作方法：

（1）交互式對話：使導出/導入進入一種對話狀態(tài)，操作者可詢問一些問題并接受回答。

（2）命令行一參數(shù)：激活在命令行中帶有參數(shù)及其值的導出得入。

（3）參數(shù)文件:激活導出得入并為關鍵字parfile提供一個值，該值是一個文件名，在這個指定的文件中存放著導出/導入操作需讀取的關鍵字和它們的值。

導出命令為：

5 結(jié)束語

根據(jù)銀行企業(yè)分析型CRM數(shù)據(jù)倉庫的應用需求，深入研究了數(shù)據(jù)倉庫的組織與結(jié)構(gòu)設計，并結(jié)合企業(yè)的實際情況，對數(shù)據(jù)模型進行了設計。為下一步CRM系統(tǒng)的實施奠定了堅實的基礎。

[1]李啟炎.企業(yè)商業(yè)智能教程[M].上海:同濟大學出版社,2007,10-23.

[2]朱德利.SQL Server 2005數(shù)據(jù)挖掘與商業(yè)智能完全解決方案[M].北京:電子工業(yè)出版社,2007,46-56

[3]郭寧,鄭小玲.管理信息系統(tǒng)[M].北京:人民郵電出版社,2006,100-110.

[4]吳志軍.客戶關系管理中的數(shù)據(jù)挖掘[J].商場現(xiàn)代化,2005,(20):15-30.

[5]曼蒂,桑斯維特,等.數(shù)據(jù)倉庫工具箱:面向SQL Server 2005和Microsofr商業(yè)智能工具集[M].北京:清華大學出版社,2007,57-59.

[6]楊路明,等.客戶關系管理理論與實務[M].北京:電子工業(yè)出版社,2004,89-95.

[7]張云濤,龔玲.解析BIRT-Eclipse商業(yè)智能和報表工具[M].北京:電子工業(yè)出版社,2007,215-220.

[8]朱順泉.數(shù)據(jù)挖掘技術在商業(yè)領域中的應用[J].中國管理信息化,2006,(1):8-9.

[9]李東.決策支持系統(tǒng)與知識管理系統(tǒng)[M].北京:中國人民大學出版社,2005,120-130.

[10]陳文偉.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術[M].北京:清華大學出版社,2006,69-78.

[11]Tang,z.h.,MaccLennan,等.數(shù)據(jù)挖掘原理與應用:SQL Server2005數(shù)據(jù)庫[M].北京:清華大學出版社,2007,215-2.