|
“大数据”时代，将海量数据管理好、运用好，将是农信社面临的考验，建设数据仓库则是实现这一目标的有效路径
近年来，随着信息化建设的不断推进，农信社已经积累了大量的历史数据，但是这些数据却被埋藏在计算机系统中未被加以利用，存在“数据丰富，信息贫乏”的数据囚笼现象。随着大数据时代的到来，如何充分挖掘、运用好这些规模庞杂、充满价值的海量数据，成为农信社能否在大数据时代获得核心竞争力的重要课题。
路径探析：数据仓库破解数据管理难题
“大数据”时代，将海量数据管理好、运用好，将是农信社面临的重大考验。而数据仓库的六项价值“能快速、及时、方便、准确而安全地访问整合过的数据”恰恰符合大数据时代的要求。数据仓库是支持管理决策过程的、面向主题的、集成的、动态的、连续的数据集合。它不是数据的简单堆积，而是从容量庞大的业务处理型数据库中抽取数据，并将其清理、转换为新的存储格式，即根据决策目标将存储于数据库中对决策分析所必需的、历史的、分散的、详细的数据，经处理转换成集中统一的、随时可用的信息。 
从目前农信社的信息建设及数据管理现状看，建设数据仓库具有重要的现实意义。
第一，有助于了解自身的经营状况。农信社高效、安全经营的前提和基础就是其决策者对自身经营状况有一个全面的了解和认识。数据仓库系统为我们及时、准确、全面地掌握自己的资产负债数量及其分布、头寸调度情况、信贷资产分布情况、客户的信用情况等，提供了必须的服务手段和有力的技术支撑。
第二，有助于进行市场细分，进而开发新产品，拓展新市场，获得“深度效益”。对农信社而言，客户就是资产，客户就是价值，客户就是发展的源动力。分析客户个性化需求，提供满意的客户服务，是提高市场占有率、获得最大利润的关键。然而如何将我们拥有的百余万客户进行细分，从而设计大量定制化的产品或服务呢?只有通过以客户为中心的决策支持系统，才能使用科学的方法实现个性化服务。建设数据仓库后，系统中存放着每一位客户同银行来往的详细历史交易明细数据，对客户进行统一的规划，能帮助我们以科学的手段快速地分析、模拟和预测客户的个性化需求，进而设计符合客户需求的产品或服务。
第三，有助于经营管理和决策支持。任何企业经营管理方案的确定和未来战略决策的产生，都要以对现实的分析和对未来的预测为基础，都要以准确的数字为依据。借助数据仓库系统，能进行不同业务产品的盈利性分析和风险性分析，因此数据仓库系统为商业银行提供了综合不同运行平台上的业务数据，并结合外部信息汇集在一起萃取出银行策略的途径。建设银行从2005年开始启动数据仓库建设，至2012年已完成第五期项目工程建设。建行的数据仓库系统数据模型整合了63个源系统数据，部署运行了50多个独立应用服务，并向20多个下游系统提供数据支持。通过建设数据仓库，建行整合了全行数据资源，建立统一的数据质量监控体系，为全行客户分析、监管合规、财务绩效、运营管理、风险管理提供了有力的支撑。
第四，有助于科学配置各类资源。利用数据仓库系统，农信社可以有效地对内部的各种资源(如人力资源、网点资源、产品资源、物质资源等等)进行科学调配，以尽可能地达到资源的最优化配置，使现有资源发挥出最大的效能。例如，我们可以根据网点每日的业务量及业务种类，合理配置人员、柜台数量、ATM数量等。可以通过数据模型分析每台ATM设备的投放效益，结合历史数据分析制定ATM设备备付金的存放额度，优化提高备付金利用率。 
付诸行动：农信数据仓库的建设路径
建设数据仓库是一个长期的、持续的过程，不可能一蹴而就，需要在合理的整体规划和科学的体系架构基础上，分阶段、分步骤地实施。例如广发银行启动大数据实施战略之后，先请咨询公司进行了为期9个月的数据标准化咨询项目，对全行的数据标准进行规划、梳理并初步建立数据管控框架体系，为后续的数据仓库建设扫清障碍，铺平道路。
农信社数据库建设首先要确立阶段划分原则：
一是确立以业务价值为导向的原则。建设数据平台的根本目的是为了业务发展更加顺畅，信息更加透明，管理更加精细，而不是为了建平台而建平台，因此每个阶段都必须包含其业务价值。
二是确立从技术导向转变为业务导向的原则。数据平台建设的初期，涉及大量的基础技术平台的搭建，而中期必须转变这种状态，以业务应用、专题集市为主要建设内容。
三是确立“养育数据”原则。数据平台数据的积累包括两个方面：深度(时间的积累)、广度(数据源的积累)，需要按重要程度，分批接入数据平台。
一是通过批量的方式从生产系统数据库抽取数据，通过数据模型的整合，消除分布在不同系统间的数据冲突，并从企业级角度构建数据唯一视图;二是通过一次性的加工，根据整体业务需要，对数据进行汇总并计算出指标，为所有营运系统提供一致化的所有数据，既避免了各营运系统的重复计算，减少整体的处理时间，也保证了各个营运系统指标的一致。三是基础数据平台通过批量总线从所有生产系统的数据库抽取数据进行加工处理，也通过批量总线向营运系统提供加工结果数据。
数据仓库系统除应保存业务相关的结构性数据(综合业务、信贷业务、新业务、理财等)外，还应全面搜集各类非结构性数据(例如通过电话银行保存客户语音信息、通过POS刷卡机收集客户消费信息等)，同时为各应用系统提供数据集市，提高系统运行效率，增强系统扩展性。
数据时代，适者生存。未来的银行不仅要做数据大行，更要做数据分析、数据解读的大行，占据价值链核心位置，从数据中获得洞察力，引领传统模式变革，从数据中攫取价值，从数据中赢取未来。(山西省联社临汾办事处杨泽民、邱艳峰)
文章来源：《中国农村金融》杂志
分享 如果你喜欢这篇文章，欢迎点击右上角“…”分享到朋友圈或发送给朋友 关注 点击右上角“…”查看公众号 在“通讯录”页面，点击右上角“添加”，搜索公众号“中国农村金融”或微信号“zgncjrwx” 阅读 查看历史内容请在“详细资料”页面点击“查看历史消息” 联系 可以直接通过微信留言 邮箱xinmeiti@zgncjr.com.cn
|
