数据仓库,数据挖掘,OLAP,BI等系统技术深度建设

先看一下商业智能技术的纵向发展5个步骤图,如下:

第一步 报表、查询、统计（回答“发生了什么”）

报表、查询、统计是多年以来IT技术辅助企业管理决策最常用的技术应用模式。商业智能技术首先覆盖这种成熟应用模式的所有功能，让企业管理决策者的思维习惯和应用模式可以平滑地进行过渡，同时必须在报表、查询、统计方面体现出比传统技术和应用更加强大的特点和功能，比如让用户自己去做一些复杂的自定义查询，让企业管理决策者体会到商业智能技术的与众不同。

u 集成：商业智能平台，把所有异构的企业数据源整合为一个全面、完整、一致、准确的数据中心，并且容纳了所有的历史数据和实时数据，这种集成性能够为企业管理决策者提供全面的经营分析信息。

u 面向主题：商业智能平台，以企业管理决策者关心的各个问题领域（即面向主题）的方式组织数据，而不同于一般的企业IT运营系统面向企业基本业务流程来组织数据，因此，商业智能平台是更加适合企业经营分析与决策领域的软件技术。

第二步 数据分析（回答“为什么发生”）

在线分析处理技术(OLAP)，通过业务建模，把原来二维的信息转换为多维的信息，以此为基础，OLAP提供切片功能，即从多角度、多层次、多剖面地观察分析数据的手段，让企业管理决策者能够更加深入地掌握企业的经营状况；同时，OLAP提供钻取功能，即从任一角度自上而下的层层钻取、深入分析到问题源头的功能，反之，也可以自下而上层层汇总信息。OLAP动态、灵活的特征能够从容地面对不确定性的随机分析，并且提供良好的实时性，以及支持大批量用户并发查询；同时，OLAP应用提供友好的交互特性，以及通过图形用户界面（GUI）和语义层直接访问数据仓库的能力。OLAP能够帮企业改善决策的质量和速度。

第三步 数据挖掘（回答“未来会怎样发生”）

数据挖掘使用诸如神经网络、规则归纳和决策树之类的技术，用来发现数据之间的关系，做出基于数据的推断，这些推断的结论往往隐藏在数据之中，不十分明显，或者过于复杂以致采用一般的统计分析方法难以奏效。数据挖掘用于帮助银行发现经营活动中有关于客户消费行为、市场发展趋势等各种规律，让银行更深入地把握未来环境的动向，协助银行更为积极地制定、实施和管理银行的战略。

第四步 运营导向（现场决策）

上述第一步到第三步的商业智能都以支持银行内部战略性决策为重点，第四步则重在战术性决策支持。商业智能对战略性决策的支持是为银行长期决策提供必需的信息；战术性决策支持的重点则在银行对外的业务活动，为在业务现场执行银行战略的一线业务人员提供实时的决策支持。随着市场的成熟、竞争的加剧、全球化的挑战，市场细分、个性化服务、以客户为中心的经营思想对银行所提供的服务提出了向精细化转变的挑战，这种挑战让银行的服务活动需要更多的现场实时决策，同时也让银行面临更大的经营风险。商业智能技术能够帮助银行从容面对这种挑战，它为银行的前端运营提供导向功能，使得每项业务最优化，从而整体提高了银行业务的质量，为银行的利润最大化提供了最有力的保障。

第五步 运营自动化（自动决策）

随着电子商务技术、通讯技术、CallCenter技术、CRM的迅速发展及在银行应用中的普及，产生了各种各样的自动化销售、供应及服务模式，这一模式对银行的经营会随着时间的推移越来越重要，这一复杂的过程在无人介入的情况下自动发生，响应时间以秒或毫秒计。面对这种客户与银行IT系统的互动，银行需要十分个性化的客户关系优化决策过程，为了寻求决策的有效性和连续性，银行可以选择自动决策。随着技术的进步，越来越多的决策由事件触发，然后自动发生，商业智能技术允许用户采用事件触发和复杂决策支持功能，以最佳方案逐个产品、逐个机构作出决策。在 CRM 环境中，利用商业智能技术，可以根据每一位客户的情况做出个性化的决策。

从第一步到第五步的建设过程，是商业智能技术从支持战略决策到支持战术决策的拓展，是从为银行局部提供信息和决策支持到为整个银行提供信息和决策支持的拓展，第四步和第五步商业智能的运营导向和自动决策，是第一至第三步开发的银行战略能够得以执行的保证。它是一个逐渐演变的过程，每个阶段都面向不同的用途，我们不能从第一步直接跨进第五步，当商业智能平台发展到具有战略决策支持功能时，必然会提出战术决策的更高要求。不过，这都依赖于一个高扩展性、高性能、高可用性、先进的商业智能解决方案。