数据仓库技术的应用

当今世界充满了激烈的竞争，正确及时的决策是企业生存和发展的重要环节。企业要在竞争中取胜，至关重要的是必须利用计算机和网络技术并结合数据仓库技术等，深层次的挖掘和分析当前及历史的生产业务数据信息，以及相关环境的相关信息，自动快速获取其中有用的决策信息，为快速、准确和方便决策提供支持。

经过数年发展，数据仓库技术已经逐渐完善。随着电子商务的发展，数据仓库技术的一个分支，即客户关系管理与网上交易，供应链管理构成一个全面的整体电子商务解决方案。以网上交易为例，由于网上商场和网上交易抛弃距离的因素，所以用户在网站上所能够享受的服务成为网上企业竞争的重头戏。

 正是由于这些原因，各大数据仓库解决方案提供商都纷纷把目标投向了电子商务领域，甚至有专家预言数据仓库已经由数据仓库转向商业智能，而现在正向电子智能方面转变。2000年，Sybase公司推出了EP和CRM解决方案套装，就是为了向这个目标迈进。在Oracle公司的电子商务高级论坛上，数据仓库、供应链管理和电子商务套间技术作为3大专题，倍受听众欢迎。

 另外，数据仓库的发展还存在以下几个契机，一方面，由于银行商业化的步伐正在加大，各大中型银行在入世的压力下开始重新考虑自身的业务，特别是自己的信贷风险管理方面，因而有关信贷风险管理和风险规避的DSS的需求逐渐增多起来，其次，由于电子商务的迅速发展，企业开始考虑如何提高顾客的忠诚度，为客户提供更进一步的贴身服务。除此之外，各大型企业，如移动通信公司等，也开始考虑着手进行决策支持以及数据仓库规划，以帮助企业将原有的原始数据转变为可以掌握的信息。

 1 、数据仓库在客户服务方面的应用

客户关系管理（CRM）是一个判断、获取、保持和增加可获利客户的过程。卡尔森市场营销集团将其定义为“一项通过个别雇员、渠道或客户为某个组织或企业建立形象，从而留住老客户，提升表现的商业策略。”尽管CRM缺乏统一的定义，但对CRM能够帮助企业鉴别、吸引和留足有价值的客户方面被广泛认同。另外，在何种商业活动和商业过程应包含CRM方面，一事的意见是客户调查（鉴别客户）、市场营销（吸引客户）和服务支持（留住客户）等活动。

CRM在整个客户生命周期中都以客户为中心，它简化了各种与客户相关联的业务流程（如销售、营销、服务和支持等），并将其注意力集中于满足客户的需求上。CRM还将多种与客户交流的渠道，如面对面、电话接洽以及Web访问等方式融为一体。这样，企业可以按照客户的喜好使用适当的渠道及沟通方式与之进行交流，并能从根本上提高员工与客户或潜在客户交流的有效性。CRM还可以改善员工对客户的沟通能力并对客户的整个生命周期有一个更为全面地了解。

CRM的核心内容是通过不断的改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程，提高各个环节的自动化程度，从而缩短销售周期，降低销售成本，扩大销售量，抢占更多的市场份额，寻求新的市场机会，最终达到从根本上提升企业核心竞争力的目的。

在静态层面，可以将CRM概括成一种管理思想在管理软件系统中加以体现。其目标是通过采用信息技术，使企业市场营销、销售管理、客户关怀、服务和支持等经营环节的信息有序、充分并及时地在企业内部和客户之间流动，实现客户资源的有效利用。其核心思想是将客户群体看成是企业宝贵的外部资源。

在动态层面，CRM的生命周期又包括数据集成、客户分析和面向客户的战略决策三个阶段，其中CRM实施成功与否的关键是第2步，即用先进理念和精准模型对集成化数据进行模拟和分析，从而挖掘客户的潜在价值，发展潜在客户。

因此可以将客户关系管理的定义概况为客户关系管理是管理理念与信息技术相结合的产物，在管理理念方面表现为以客户为中心、通过客户关怀提升客户满意度和客户忠诚度的思想，在应用系统和企业行为方面表现为以Internet和电子商务、多媒体技术、数据仓库和数据挖掘、专家系统和人工智能和呼叫中心等最新的信息技术为基础，实现企业识别、保留和挽回最具价值的客户，从而提升企业核心竞争力。

数据仓库是以数据库技术为基础，但与传统的数据库应用有本质的区别，CRM就是基于数据仓库技术的一种应用。由于不同企业的客户群各不相同，客户管理的内容也千差万别，所以开发出“放之四海皆准”的万能CRM系统是不可能的，而需要针对不同行业提供不同的CRM产品。目前，Sybase可以提供面向4个行业领域的CRM产品，即电信、金融、保险和医疗保健。在这四个产品中，有20%的功能需要Sybase和合作伙伴共同针对不同客户的不同需求开发。有80%的功能是共同的，其中包括7个模块，即CRM中所谓的“7P”。

（1）客户概况分析（Profiling），包括客户的层次、风险、爱好和习惯等。

（2）客户忠诚度分析（Persistency），指客户对某个产品或商业机构的重视程度、持久性和变动情况等。

（3）客户利润分析（Profitability），指不同客户所消费的产品的边缘利润、总利润额和净利润等。

（4）客户性能分析（Performance），指不同客户所消费的产品按种类、渠道和销售地点等指标划分的销售额。

（5）客户未来分析（Prospecting），包括客户数量、类别等情况的未来发展趋势恶化争取客户的手段等。

（6）客户产品分析（Produce），包括产品设计、关联性和供应链等。

（7）客户促销分析（Promotion），包括广告和宣传等促销活动的管理。

2   、数据仓库在营销领域的应用

建立面向市场信息的数据仓库的一个主要目的是保住客户，因此，这就需要找到一种方法，运用收集的数据来预测用户未来的购买行为，这就使数据库营销法的所在。数据库营销就是把数据挖掘与预测模型以及前台显示工具结合起来，帮助市场营销人员对客户行为作深入的调查分析。其最终目的是预测客户的忠诚度，即哪些用户对该品牌依然钟情，哪些用户会转向其它产品或服务。如果能够预测到这些行为，即可有更大的机会留住客户，减少用户的转向，从而保持原有的用户市场。

成功实现数据库营销系统的关键在于3方面组建的集成：

（1）来自于账目系统并存储在数据仓库或数据处理机种的事实数据。

（2）统计技术或使用预测模型的工具。

（3）功能强大的前台展示工具。

 数据库营销系统的建立目标是实现一个能产生精确描述客户群的程序，一旦数据挖掘引擎从数据仓库中找出相应的客户信息，下一步是进一步推测分析精确的客户特征，这些特征反映哪些用户最有可能转向其它的产品或服务，对每一轮新产生的客户数据，都产生一组新的统计模型来分析客户群。

理解预测模型及其如何实现并不容易，事实是大多数的IS商家都没有独立进行这种项目的准备。在这个领域，大多数的IS经理认为其组件不可建立预测模型，必须结合数据仓库技术和数据挖掘技术才可以很好的理解这些预测模型。

3 、  数据仓库在证券业中的应用

经济业务和证券公司业务以及投资银行业务，即所谓的三大业务，使证券商的主要经济来源。如果抛开了证券投资业务和投资英豪业务，虽然这两块肯定是今后的主要发展方向，那么单就经济业务而言，随着竞争的日益激烈，在今后几年的一段时间内，这项业务带来的利润会大大降低。如何适应这种变化？除了降低运营成本，减少人员以外，在信息技术上也要有一定的新突破。既要降低成本，又要扩大业务范围，这样就不可避免的产生很多的经营业务流量，如银证联网和远程交易。这些业务肯定是今后的一个发展方向。随着业务范围的不断扩大，证券商必然在技术上不断创新。

目前讨论较多的网上交易还需要进一步完善功能基础性设施，它可能是将来扩大业务范围的一个主题方向，但要有很多的技术环境配合才能实现。如银证联网，如果没有网上交易，那么联网范围就不会扩大。反之，全国银证联网实现以后，这一业务范围就完全打破了区域性的限制，其他增值性的服务行业就会随之发展，这一发展必然要以服务作为发展的保证条件。

数据仓库技术在证券行业的应用十分广泛，它可以处理客户分析、账户分析、证券交易数据分析和非资金交易分析等多个业界关心的主题。证券公司利用客户行为分析系统，对数据仓库中的所有的客户操作记录进行归类和整理，并结合行情走势、上市公司的资料和宏观微观经济数据等，在掌握了大量数据的情况下，对客户的行为和市场各因素的关联、客户的操作习惯、持仓及盈亏情况和公司的利润分布等进行统计和分析，从而获得以往一直想获得但却无法获得的关于客户在本公司的关键信息。获得这些信息后，证券公司就有能力为客户提供针对其个人习惯和投资组合的建议，从而真正做到对客户的贴心服务。例如，深圳国信证券的数据仓库系统建设的出发点就是为当前公司的决策者提供快速有效的各种报表和分析方式，提高公司的市场反应速度和竞争力水平。在更好的发挥利用原有数据库系统功能的基础上，建立面向公司和面向客户的不同主题域的数据仓库（集市）和分析系统。同时，因为证券业务系统的不断完善和决策支持的更高要求，在企业数据信息不断增加的情况下，充分考虑系统的可扩展性，并尽可能的缩短系统处理的响应时间。以深圳国信证券公司的数据仓库系统为例，该系统包括了客户分析、账户分析、证券汇总分析、资金交易分析和非资金交易分析等多个业界关心的主题。

4   、数据仓库在银行领域的应用

数据仓库、OLAP、数据挖掘、多媒体和高带宽网络技术为银行的科学管理提供了新的技术支持。利用数据仓库的强大功能，银行可以建立企业客户群和个人客户群的数据仓库，并对企业的结构、经营、财务以及市场竞争等多个数据源进行统一组织，形成一个一体化的存储结构，为决策分析奠定基础。通过先进的信息加工、分析和处理，加上银行的经营决策及信贷营销人员的经验，对每一个投资方向和每一笔贷款做出科学的判断，可以有效控制投资及信贷风险。

银行决策支持系统是建立在银行管理信息系统之上的，它以银行数据库和数据仓库为基础，包括各种辅助制定货币政策、开拓金融业务等功能的模型库、方法库和知识库。目前，在国外有运用非常成功的银行决策支持系统。中国银行省市两级金融管理信息系统在工程组织和总体方案设计上采用了数据仓库及OLAP的理论，系统重点围绕中国银行资产负债管理的要求，建立覆盖全省各个分行的数据采集网络，初步实现了计算机业务系统数据和手工报表数据采集和存储的自动化。同时面向各级经营管理人员，开发出财务分析、业务管理、动态报表和金融咨询等50多项系统管理分析应用模块。中国银行省市两级FMIS系统在利用和规范现有的网络和系统资源基础上，构造出数据采集、数据仓库和数据呈现三个框架，与中国银行的收付清网络、中国银行办公自动化网络、香港德励财经资讯网络，以及ES9000、AS4000主机业务系统均实现了连结和集成。

5、   数据仓库在控制金融风险中的应用

金融风险是指金融业在进行技术创新和实现金融电子化过程中广泛使用计算机技术和网络通信技术时，由于计算机本身（包括软硬件环境）和涉及计算机安全管理的制度缺乏有效的科学性、规范性和完善性，因而潜伏着许多不安全因素而造成的潜在的或已发生的风险。

 控制金融领域的风险是当今全球金融领域最为关心的一个问题。从金融业务角度来讲，在20世纪80年代末期，PC大规模普及，在此基础上，开展了许多新的应用，这一方面丰富了业务种类，另一方面也形成了许多“信息孤岛”，使金融机构难以将各种各样的应用统一起来，领导决策层也很难搞清楚机构的整体运作情况。从技术角度上讲，在这种情况下，数据仓库是使得这些信息集成起来的最有力方式，数据仓库技术以及其他软件有机集成，可以有效地进行金融风险管理。这也是数据仓库产品和技术在近几年十分流行的原因。

防范金融风险的关键是强化中央银行的金融监管力度，特别是一旦人民币可以自由兑换，我国的金融业将直接面对国际金融市场的冲击，中央银行的金融监管作用就愈要加强。为加强金融监管和调控能力，从20世纪80年代中期开始，人民银行就在加快金融电子化建设。建立了金融卫星通信网络，运行全国电子联兴系统等多项业务系统，1993年还开通了金融信息快速采集传输系统工程。在此基础上，应不失时机地建立相应的建立在数据仓库之上的金融预警系统和智能化的金融监控系统，一旦这些系统建成，并能实现互动操作，即将组成完整的中央银行的支付系统和金融监控系统，为有效履行中央银行的职能提供了强有力的保证，从而使我国的金融监控系统建立在可靠的基础之上，实施监控整个国民经济的运行情况，防范各种金融风险于未然。
 
AMTeam.org

责编：admin