olap与数据仓库_数据仓库实现_olap与数据仓库的关系(2)

二、数据仓库、OLAP和数据挖掘在银行业中的应用与比较

1.数据仓库设计

银行在近10年来的信息化进程中，从开发应用储蓄、会计、信贷、资金等业务子系统，到建立以综合业务系统为核心，其他子系统为辅助的现在银行业系统架构，积累了丰富的信息资源。面对多样化的软、硬件平台，管理者和决策者如何有效地整合分散的应用系统以提取潜在的商业价，成为新一代银行信息化发展方向的重要课题。目前，经过市场的推广和业界的肯定，数据仓库已逐渐成为银行加强经营管理、开发新型产品、提高服务水平、提供差异化服务的重要平台。

按照数据仓库以面向主题的应用原则，我们以个人消费趋势为主题，采用自底向上的设计方式，从各个业务子系统中整合信息资源，以“星形模型”为建模方式，按“数据方块”组织结构和提供数据，抽取数据时按照元数据进行规范和管理，建立“事实表”和“维度表”。模型设计如图3所示。

其中“交易事实表”位于星形模型的中心，要素主要来自于银行卡消费、消费的属性和信息表。周围关于“日期”、“银行机构”、“产品”和“客户”的4张维度表构成了星形模型的维度实体，它们可以从各个业务子系统中获得数据。数据仓库的主要实现步骤如下。

2）数据转换：由于不同的业务子系统拥有不同的信息数据表，数据结构不尽相同，需要建立统一的业务规则和标准对数据进行逐个转换、清洁和集成。例如各个业务子系统的日期表结构不同，有的采用YYYYMMDD，有的定义为MMDDYYYY。在本例中，我们单独面向该主题建立一张日期维度表。又如各种“地址”字段在绝大多数早期系统中都简单地定义为字符串形式。在本例中，我们需要将其分解为：省、市、区、县等字段，并且需要进行式化。

3）数据装载：通过以上过程，建立数据仓库装载映射，装载子系统将提取和转换产生的映射，直接装入数据仓库，并加载元数据。

2.OLAP的展现

数据仓库的建立仅是第一步，它的价还没有得到体现。OLAP技术提供了对数据仓库中的数据进行复杂显示和分析的方法。银行管理人员或者业务人员可以对中的数据进行旋转、切片、钻取等分析操作，并通过各种图表展现给用户，获取直观的分析结果，得到或者验证结论与假设。

从图4中我们可以发额，从而分析出不同用户的差异消费倾向。例如在几位客户中，徐某的消费倾向相对其他客户比较低；在12月到2月期间，是每个用户消费的集中期，比其他月份消费的金额相对要高。结果显示，年末往往是客户消费旺盛期，消费金额普遍增长。针对此情况，我们可以在这一时期推出更多的银行与商户结合营销、购物返利、积分累进等手段，进一步增加的消费金额。

从“交易事实表”中，以产品和客户为维度，了解不同客户对产品的需求变化，找出客户喜欢的产品类型，调整产品参数，并推出新型产品满足不同客户的需要。

从“交易事实表”中，以客户和机构为维度，了解不同开户地客户的消费倾向，对于银行的优质客户加强营销力度，多次拜访、增加交流次数，更大程度上留住客户。在此基础上，还可以增加客户的年龄维度，以三维角度观测消费倾向。

OLAP是一种可以多维分析的技术，对用户的决策分析能够提供较好的支持，将大量、复杂的业务数据快速、灵活地展现给用户，从而使决策者准确地掌握银行的经营状况，了解客户需求，把握市场动向，制订战略决策。

3.数据挖掘的应用

OLAP在展融行业中，统计分析类是通用的一种挖掘手段。下面按照数据挖掘的主要步骤，说明数据挖掘的过程。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-27140-2.html