论文部分内容阅读
摘 要：根据目前金融行业数据挖掘技术的发展趋势，需求建设符合银行业务特色的数据挖掘和智能分析平台。系统建立可屏蔽各业务系统信息孤岛实现综合查询分析，跨越各运营单元提供综合运营管理渠道，统一各运营管理部门数据口径和对话协议，实现银行内部的数据统一。建立数据仓库，立足于查询、统计，满足智能分析及数据挖掘并搭配运营辅助功能的综合运营决策支持系统。本文阐述了银行数据挖掘系统的建设背景、建设内容、功能和技术实现等内容。
关键词：银行数据挖掘；ETL技术；数据统计分析
中图分类号：F832.2 文献标识码：A 文章编号：1004-7344（2018）17-0269-02
1 行业背景
在银行业的激烈竞争中，数据实时分析与运营策略的应对速度是保持竞争力的重要手段。行内相关数据种类多样，繁杂。同时，银行运营应对策略的制定时，又需要及时，准确丰富、真实、的经营和管理信息提供业务的支持。在平常的银行数据处理管理与营运管理中，常常会出现决策层需要的数据参考信息收集整理不及时的情况；同时也会出现，各系统运维部门统计信息口径不一致，或对各自所持有的数据不完全透明，各种层次的管理层，所需的数据又各不相同，所以经常导致上层决策得到片面的、局部的、短暂的“运营片段”，严重影响到了银行的运营效率与决策正确性。
2 系统建设意义
此系统建立的目的是屏蔽各业务系统信息孤岛实现综合查询分析；跨越各运营单元提供综合运营管理渠道。统一各运营管理部门数据口径和对话协议。凭借南天多年来银行系统建设经验，利用特别适合于构建查询分析系统构建银行运营统计分析系统。本系统的定位是建立数据仓库，立足于查询、统计，满足智能分析及数据挖掘并搭配运营辅助功能的综合运营决策支持系统。
《南天银行数据挖掘系统》基于数据仓库理念，并结合商业智能技术形成专业的决策分析系统。系统通过建立银行业务经营指标体系，在业务系统的历史数据基础上，结合信贷管理等其他系统的重要业务数据[1]，按客户需求定期采集并整理到业务经营基础数据等集市中，自动生成业务经营指标，通过业务经营指标系统的前端页面及时发布业务指标信息，给有关人员提供一个观察业务状况变化的平台。同时，系统通过其他业务系统数据整合，还囊括了绩效指标、稽核指标和风险控制指标等；相关人员可以依据这些指标来进行辅助绩效考核、风险预警和合规统计等處理。系统提供了良好的辅助功能，可实现在线文件传输、在线考试和凭证管理、电子记事簿等处理功能。
3 业务需求分析
通过该基础系统搭建的是分级管理的（分行、支行、网点）数个数据分析管理子系统，实现了对数据信息的全息化、对象化管理。系统管理员完成对系统的管理和维护，并对其他使用者权限进行分配和管理。普通的管理人员和业务人员只能在自己的权限范围内进行操作[2]。
业务人员使用该系统，可以进行回单信息管理、回单打印、回单补制、回单打印信息统计、重空凭证登记、开销户登记、柜员登记、差错事故登记、会计档案保管登记、对账类处理等。
管理人员使用该系统，可以进行柜员综合信息维护、柜员信息查询、柜员分类统计、柜员评价统计、网点综合信息维护、网点信息查询；分析网点的交易量，营销部门的人力资源情况，网点人员的配置合理性，综合网点占所有网点的比例，交易量都属于哪个业务部门的业务范围等统计信息。行内人员在线考试；客户经理营销业绩、客户经理评价打分、客户经理业绩统计分析等。
决策人员使用该系统，可以进行支付密码统计、通存通兑统计、现金营运考核统计分析、现金综合利用率统计、业务处理中心集中度考核、业务集中覆盖率考核、业务量及人力资源分布、业务规范化统计分析、业务集中情况统计分析、柜面业务分流统计分析、客户业务量排名、产品与适用行业分析、运行操作风险分析[3]等。
4 系统主要功能
以下叙述的功能是在以往的分析系统中所实现过的，具体功能需要在平台建立起来后依据银行需求来进行规划，功能包括：
4.1 基本信息查询
机构信息、人员信息及配置查询、指标信息查询。
4.2 业务指标统计分析
10种存贷款统计分析模型、50种收入和支出计算模型、20种利润统计指标模型、30种主流结算业务量统计、5种通存通兑统计指标、现金业务量统计、市场份额统计、理财产品统计[2]等。
4.3 机构效益指标统计分析
以机构为主线的效益统计、以利润率基础分析、现金营运率分析、现金综合运用率统计、业务处理中心集中度分析、业务集中覆盖率统计、业务量及人力资源分布比较、业务规范化统计分析、柜面业务分流统计分析、超期未处理统计。
4.4 网点服务指标统计分析
柜员综合评价、柜员服务质量统计、网点综合评价。
4.5 客户业务分析
客户业务量排名、客户编号/账号查询、往来账户统计（分户明细）、产品与适用行业支持情况。
4.6 风险稽核指标统计分析
监督检查机构管理、运行监管人员结构统计、日常检查、查询统计、风险综合监控。
4.7 业绩考核指标统计分析
考核指标体系管理、客户经理考核、柜员考核、会计和信贷主管考核、业务头寸报表、大客户信息跟踪、考核评价管理查询。
4.8 运营辅助处理
在线考试功能、文件传输、回单打印、重空凭证管理、电子登记簿等。
4.9 系统管理
本功能完成对系统自身的管理，用于处理系统本身用户信息的日常维护：用户管理、角色管理、密码重置和密码修改、用户日志、参数配置管理、柜员通报、系统公告、留言板、系统流量统计。
5 系统建设过程 以需求为导向，遵循“统筹规划，分步实施，先易后难”的总体原则，建议按照下列步骤建设系统。
收集业务需求，分析需求（向各个部门收集业务需求、综合分析业务需求，确认需求的可实现性）→搭建基础平台，规范开发流程（搭建基本的开发平台、搭建基本的运行平台、基于角色的权限安全管理机制、数据录入模块、即时查询模块、报表模块、作业调度模块、建立开发规范与示例代码库、搭建基本的开发平台、搭建基本的运行平台、基于角色的权限安全管理机制、数据录入模块、即时查询模块、报表模块、作业调度模块、建立开发规范与示例代码库）→业务建模（参照现有业务模型，创建一套适合本行业务的具体模型）→ETL处理（根据业务需求处理相关数据的ETL）→开发相关业务报表，数据分析（根据需求开发业务报表）→收集应用反馈，优化系统（系统上线后，收集最终用户的使用体验，优化系统）[4]。
其中2～6步骤，可以根据实际情况做迭代建设。因为整个数据分析系统建设周期比较长，所以建议分阶段建设，首先满足银行最急切，需求较最明确的模块开发，根据南天公司长期金融行业经验积累和沉淀，建议先开发经营分析子系统，然后开发客户分析子系统，绩效考核子系统，其他模块后续开发。
6 系统技术实现
《银行数据挖掘系统》主要由6大部分组成，分别是底层的数据集成部分、中层的数据服务部分和上层的应用逻辑部分和信息展现部分以及全局的系统运维部分和元数据综合管理部分。数据集成部分为数据服务部分提供各种数据导入的渠道[4]；数据服务部分进行数据的筛选、收集、整理和仓库储存，并且构筑了各类数据集市交与智能引擎进行OLAP处理和OLTP处理。处理的结果通过应用逻辑的组织后交付到信息展现部分进行显示展示[5]。
7 结 论
《银行数据挖掘系统》为银行各专业业务处室提供了统一、共享的数据平台；在资源上，实现了对数据快捷、安全、可靠地存储和查询，降低了工作成本，可以适应所有科室各类信息的提取；报表方面，打破了以往取数难、统计难、制表难等落后的报表信息管理模式，为我们实施市场细分、创新产品、整合营销指明了方向，满足了各级管理和业务人员的迫切需要，极大地提升了统计工作的效率。系统采用开放式的架构，可挂载现有的成熟的业界产品来实现部分功能，如ETL过程和加载BI产品。所以平台不仅是一个OLAP系统，也同样具备OLTP系统的功能。在提供客户各类业务信息统计查询分析之外，系统还自带了多种运营辅助办公功能，涵盖面管，在金融行业内具有广阔的发展空间。
参考文献
[1]蒋翊凌.基于数据仓库的银行业务数据挖掘研究[D].上海：華东师范大学，2006.
[2]孟 娟.数据挖掘在银行业中的应用[J].大众商务，2010.
[3]常雪琦，刘 伟.数据挖掘技术在客户关系管理中的应用分析——以银行业为例[J].信息技术与信息化，2009（5）.
[4]王光宏，蒋 平.数据挖掘综述[J].同济大学学报（自然科学版），2004，32（2）：246～252.
[5]谈恒贵，王文杰，李游华.数据挖掘分类算法综述[J].微型机与应用，2005，24（2）：4～6.
收稿日期：2018-5-15
作者简介：杨 蔚（1983-），男，汉族，云南昆明人，工程师，工程硕士，研究方向为金融类软件系统研发。
关键词：银行数据挖掘；ETL技术；数据统计分析
中图分类号：F832.2 文献标识码：A 文章编号：1004-7344（2018）17-0269-02
1 行业背景
在银行业的激烈竞争中，数据实时分析与运营策略的应对速度是保持竞争力的重要手段。行内相关数据种类多样，繁杂。同时，银行运营应对策略的制定时，又需要及时，准确丰富、真实、的经营和管理信息提供业务的支持。在平常的银行数据处理管理与营运管理中，常常会出现决策层需要的数据参考信息收集整理不及时的情况；同时也会出现，各系统运维部门统计信息口径不一致，或对各自所持有的数据不完全透明，各种层次的管理层，所需的数据又各不相同，所以经常导致上层决策得到片面的、局部的、短暂的“运营片段”，严重影响到了银行的运营效率与决策正确性。
2 系统建设意义
此系统建立的目的是屏蔽各业务系统信息孤岛实现综合查询分析；跨越各运营单元提供综合运营管理渠道。统一各运营管理部门数据口径和对话协议。凭借南天多年来银行系统建设经验，利用特别适合于构建查询分析系统构建银行运营统计分析系统。本系统的定位是建立数据仓库，立足于查询、统计，满足智能分析及数据挖掘并搭配运营辅助功能的综合运营决策支持系统。
《南天银行数据挖掘系统》基于数据仓库理念，并结合商业智能技术形成专业的决策分析系统。系统通过建立银行业务经营指标体系，在业务系统的历史数据基础上，结合信贷管理等其他系统的重要业务数据[1]，按客户需求定期采集并整理到业务经营基础数据等集市中，自动生成业务经营指标，通过业务经营指标系统的前端页面及时发布业务指标信息，给有关人员提供一个观察业务状况变化的平台。同时，系统通过其他业务系统数据整合，还囊括了绩效指标、稽核指标和风险控制指标等；相关人员可以依据这些指标来进行辅助绩效考核、风险预警和合规统计等處理。系统提供了良好的辅助功能，可实现在线文件传输、在线考试和凭证管理、电子记事簿等处理功能。
3 业务需求分析
通过该基础系统搭建的是分级管理的（分行、支行、网点）数个数据分析管理子系统，实现了对数据信息的全息化、对象化管理。系统管理员完成对系统的管理和维护，并对其他使用者权限进行分配和管理。普通的管理人员和业务人员只能在自己的权限范围内进行操作[2]。
业务人员使用该系统，可以进行回单信息管理、回单打印、回单补制、回单打印信息统计、重空凭证登记、开销户登记、柜员登记、差错事故登记、会计档案保管登记、对账类处理等。
管理人员使用该系统，可以进行柜员综合信息维护、柜员信息查询、柜员分类统计、柜员评价统计、网点综合信息维护、网点信息查询；分析网点的交易量，营销部门的人力资源情况，网点人员的配置合理性，综合网点占所有网点的比例，交易量都属于哪个业务部门的业务范围等统计信息。行内人员在线考试；客户经理营销业绩、客户经理评价打分、客户经理业绩统计分析等。
决策人员使用该系统，可以进行支付密码统计、通存通兑统计、现金营运考核统计分析、现金综合利用率统计、业务处理中心集中度考核、业务集中覆盖率考核、业务量及人力资源分布、业务规范化统计分析、业务集中情况统计分析、柜面业务分流统计分析、客户业务量排名、产品与适用行业分析、运行操作风险分析[3]等。
4 系统主要功能
以下叙述的功能是在以往的分析系统中所实现过的，具体功能需要在平台建立起来后依据银行需求来进行规划，功能包括：
4.1 基本信息查询
机构信息、人员信息及配置查询、指标信息查询。
4.2 业务指标统计分析
10种存贷款统计分析模型、50种收入和支出计算模型、20种利润统计指标模型、30种主流结算业务量统计、5种通存通兑统计指标、现金业务量统计、市场份额统计、理财产品统计[2]等。
4.3 机构效益指标统计分析
以机构为主线的效益统计、以利润率基础分析、现金营运率分析、现金综合运用率统计、业务处理中心集中度分析、业务集中覆盖率统计、业务量及人力资源分布比较、业务规范化统计分析、柜面业务分流统计分析、超期未处理统计。
4.4 网点服务指标统计分析
柜员综合评价、柜员服务质量统计、网点综合评价。
4.5 客户业务分析
客户业务量排名、客户编号/账号查询、往来账户统计（分户明细）、产品与适用行业支持情况。
4.6 风险稽核指标统计分析
监督检查机构管理、运行监管人员结构统计、日常检查、查询统计、风险综合监控。
4.7 业绩考核指标统计分析
考核指标体系管理、客户经理考核、柜员考核、会计和信贷主管考核、业务头寸报表、大客户信息跟踪、考核评价管理查询。
4.8 运营辅助处理
在线考试功能、文件传输、回单打印、重空凭证管理、电子登记簿等。
4.9 系统管理
本功能完成对系统自身的管理，用于处理系统本身用户信息的日常维护：用户管理、角色管理、密码重置和密码修改、用户日志、参数配置管理、柜员通报、系统公告、留言板、系统流量统计。
5 系统建设过程 以需求为导向，遵循“统筹规划，分步实施，先易后难”的总体原则，建议按照下列步骤建设系统。
收集业务需求，分析需求（向各个部门收集业务需求、综合分析业务需求，确认需求的可实现性）→搭建基础平台，规范开发流程（搭建基本的开发平台、搭建基本的运行平台、基于角色的权限安全管理机制、数据录入模块、即时查询模块、报表模块、作业调度模块、建立开发规范与示例代码库、搭建基本的开发平台、搭建基本的运行平台、基于角色的权限安全管理机制、数据录入模块、即时查询模块、报表模块、作业调度模块、建立开发规范与示例代码库）→业务建模（参照现有业务模型，创建一套适合本行业务的具体模型）→ETL处理（根据业务需求处理相关数据的ETL）→开发相关业务报表，数据分析（根据需求开发业务报表）→收集应用反馈，优化系统（系统上线后，收集最终用户的使用体验，优化系统）[4]。
其中2～6步骤，可以根据实际情况做迭代建设。因为整个数据分析系统建设周期比较长，所以建议分阶段建设，首先满足银行最急切，需求较最明确的模块开发，根据南天公司长期金融行业经验积累和沉淀，建议先开发经营分析子系统，然后开发客户分析子系统，绩效考核子系统，其他模块后续开发。
6 系统技术实现
《银行数据挖掘系统》主要由6大部分组成，分别是底层的数据集成部分、中层的数据服务部分和上层的应用逻辑部分和信息展现部分以及全局的系统运维部分和元数据综合管理部分。数据集成部分为数据服务部分提供各种数据导入的渠道[4]；数据服务部分进行数据的筛选、收集、整理和仓库储存，并且构筑了各类数据集市交与智能引擎进行OLAP处理和OLTP处理。处理的结果通过应用逻辑的组织后交付到信息展现部分进行显示展示[5]。
7 结 论
《银行数据挖掘系统》为银行各专业业务处室提供了统一、共享的数据平台；在资源上，实现了对数据快捷、安全、可靠地存储和查询，降低了工作成本，可以适应所有科室各类信息的提取；报表方面，打破了以往取数难、统计难、制表难等落后的报表信息管理模式，为我们实施市场细分、创新产品、整合营销指明了方向，满足了各级管理和业务人员的迫切需要，极大地提升了统计工作的效率。系统采用开放式的架构，可挂载现有的成熟的业界产品来实现部分功能，如ETL过程和加载BI产品。所以平台不仅是一个OLAP系统，也同样具备OLTP系统的功能。在提供客户各类业务信息统计查询分析之外，系统还自带了多种运营辅助办公功能，涵盖面管，在金融行业内具有广阔的发展空间。
参考文献
[1]蒋翊凌.基于数据仓库的银行业务数据挖掘研究[D].上海：華东师范大学，2006.
[2]孟 娟.数据挖掘在银行业中的应用[J].大众商务，2010.
[3]常雪琦，刘 伟.数据挖掘技术在客户关系管理中的应用分析——以银行业为例[J].信息技术与信息化，2009（5）.
[4]王光宏，蒋 平.数据挖掘综述[J].同济大学学报（自然科学版），2004，32（2）：246～252.
[5]谈恒贵，王文杰，李游华.数据挖掘分类算法综述[J].微型机与应用，2005，24（2）：4～6.
收稿日期：2018-5-15
作者简介：杨 蔚（1983-），男，汉族，云南昆明人，工程师，工程硕士，研究方向为金融类软件系统研发。