数据仓库：业务模型分析与设计步骤
5星 · 超过95%的资源 需积分: 47 123 浏览量
2008-12-22
09:21:16
上传
评论 3
收藏 1.31MB DOC 举报 
4 业务模型分析与设计
4.1 银行卡业务分析
4.1.1 业务概况分析
作为信息化步伐走得比较快的一个行业，银行在业务系统不断完善的同时，数
据大集中的趋势也展示了数据对于银行的核心地位，同时各大银行之间日趋激烈的
竞争态势也使得银行迫切需要通过数据仓库技术利用其多年积累的数据，借此分析、
挖掘出能为客户提供更好服务的项目，辅助决策，提升银行的竞争力。
银行卡是商业银行向社会公开发行，具有消费信用、转账结算、存取现金等全
部或部分功能，作为结算支付工具的各类卡的统称。是商业银行签发的允许信用良
好者据以赊购(Buy by credit) 商品和劳务的身份证明卡（信用凭证）。银行卡包
括信用卡和借记卡。按币种不同分为人民币卡和外币卡，按发行对象不同分为单位
卡（商务卡）和个人卡，按信息载体不同分为磁条卡，芯片（IC）卡。信用卡按是
否向发卡银行交存备用金分为贷记卡、准贷记卡两类。借记卡按功能不同分为转账
卡（含储蓄卡）、专用卡和储值卡。借记卡不具备透支功能。
银行卡业务作为银行的核心业务之一，在长期运行的过程中积累了大量数据，
但是却没有得到充分有效的利用，造成数据资源的浪费。随着银行卡发行量的增大
及竞争的日益激烈，各银行迫切需要利用这些宝贵的历史数据，对其进行具体而有
针对性的分析和挖掘，以期从中发现有价值的知识，用来辅助决策，提高自身的竞
争力。然而，传统的银行卡业务系统主要用于事务处理，对分析处理的支持并不令
人满意。主要问题体现在：(1)数据量大，处理工作繁重，手工处理数据准确性差；
(2)数据衔接容易出错，纠错难度大；(3)各级卡部间传送数据不能按质按时上报；
(4)统计分析数据资料困难。要提高分析和决策的效率和有效性，必须把分析型数
据从事务处理环境中提取出来，建立单独的分析型环境，在此基础上进行分析挖掘，
辅助决策支持。数据仓库﹑OLAP 及数据挖掘技术的出现为解决这一问题提供了有
效的途径。
银行卡决策支持系统采用数据转换服务(DTS)技术将积聚于商业银行银行卡数
据库中各种数据集中起来，经过清洗以后，应用数据仓库(DW)技术进行存储、组
合、分析、分类，构建数据立方体。再运用联机分析(OLAP)和数据挖掘(DM)技术，
根据对持卡人的职业、年龄、单位、客户相互之间的关系等基本的个人信息，持卡
人的存款余额、存款发生额、存款笔数、取款发生额、取款笔数、交易金额、交易
笔数信息，和银行方面的存款金额，发卡量、黑名单信息、网点信息等数据的综合，
可以建立多种业务需要的分析模型，对应到数据仓库中即为各个主题。如果对这些
主题再进行分类，可以将它们归入一些特定的数据集市。比如根据持卡人的个人信
息和消费信息，可以建立基于时间序列的持卡人消费模型，并根据预测算法对各种
持卡人下一步的消费总量进行预测；根据对持卡人个人信息和存款余额、交易信息
以及止付、黑名单信息，建立持卡人信用分析模型；并依据专家对典型持卡人透支
行为的判定意见，采用分类算法，建立持卡人透支行为特征判定模型；根据保本交
易笔数、客户营运收入、每笔交易所需成本等指标分析，发掘出盈利客户、保本客
户、潜力客户及亏损客户四类客户的特征参数，建立客户分析模型。
第 1 页 共 16 页
剩余15页未读，继续阅读
资源评论
阿泰2018-01-28很不错，理论、实践非常清晰
