IBM的商务智能及CRM
在银行领域中的应用
郑晓军
DM, Software
IBM China
内容提要
商务智能与银行业务系统的发展
银行商务智能及客户关系管理系统的建设
IBM数据管理产品和技术
IBM的专业咨询服务和成功案例
银行计算机系统应用趋势
以客户为中心
业务种类多样化、市场竞争日益激烈
企业的竞争实际上是争夺客户的竞争
业务经营向客户为中心转化
应用系统的发展趋势
计算机系统的普及和电子商务使银行拥有前所未有的客户交易数据
系统重点由处理转向管理
引进商务智能和CRM解决方案
捕捉业务交易和客户交流的每个角度来生成有用的信息
建立基于分析的企业管理运营体系
发现客户特征并实施市场策略
银行领域的商务智能解决方案
从现有业务系统中获取大量信息
客户信息和交易信息
建立深层次的分析体系
包括建立完善的客户信息管理
以信息驱动业务的管理
建立、维护并实施商业规则
将企业转化为：
对市场敏感的
以客户为中心的
以信息驱动的
新一代电子商务企业
商务智能的原理
更大的效益
使业务更加
高效
采集数据
分析数据
商务智能的发展
时间
业务报表
数据仓库
商务智能解决方案
第一阶段信息管理
提供基本、静态信息
固定格式、时间、内容
第二阶段信息管理
建立数据仓库存储业务数据
建立数据集市解决特定的专题分析
提供OLAP和统计分析
第三阶段信息管理
建立客户为中心的数据仓库和数据集市
集成复杂的管理工具(OLAP, 数据挖掘、业务评估)
数据的分析影响业务模式
集成客户交流渠道
更有效的智能化管理
内容提要
商务智能与银行业务系统的发展
银行商务智能及客户关系管理系统的建设
IBM数据管理产品和技术
IBM的专业咨询服务和成功案例
银行数据处理面临的问题
传统业务处理系统的客户信息不足
多种业务系统形成多个信息孤岛不利于决策
客户信息和业务数据的重叠、不一致
交易数据的存储管理在分析决策方面的价值极为有限
分散的系统
和数据源
专题分析的
数据集市
?
业务分析人员
商务智能的核心：数据仓库系统
操作环境
Extract
Integrate
Transform
Maintain
Data
Warehouse
分析环境
Reporting
Data
Mining
OLAP
OLTP
External
Legacy
从商务智能到客户关系管理
商务智能
发现业务运营的规律
业务分析
发现有价值的客户
客户分析
客户关系管理系统
管理企业与客户的交流渠道
柜面业务、网上银行、呼叫中心
制定市场和销售策略
吸收、保留有价值的客户
提升客户的贡献度以及为企业创造的价值
基于商务智能建立CRM成为当前商业银行信息系统的发展重点
银行商务智能系统与CRM的建设
基础数据仓库
帐务分析
交易分析
财务分析
客户信息管理
收集并管理客户综合信息和属性
以客户为中心联系所有业务和服务
建立客户经理与客户的关系
客户交流渠道的集成
与网上银行和呼叫中心集成
客户关系管理应用
客户的评估和市场销售行为
CRM应用的体系结构
Customer Services System
Direct
Interaction
Vertical Apps
Category Mgmt
Field Service
Mobile Sales
(Product CFG)
Sales
Automation
Marketing
Automation
Customer
Service
Supply Chain
Mgmt.
Order Promising
Legacy
Systems
ERP/ERM
Order Mgmt.
Voice
(IVR, CTI, ACD)
Conferencing
Web Conference
E-Mail
Fax/Letter
Direct Interaction
Data
Warehouse
Customer Data
Mart
Product
Data
Mart
Customer
Activity
Data Mart
Business Analytical System
Business Operation
Support System
Customers
Interaction
Mobile
Office
Front
Office
Back
Office
Closed-Loop Processing
业务系统
分析系统
客户交流渠道
银行CRM系统的特点
客户信息需要扩充
综合业务系统以帐务为主
综合业务系统的交易反映了客户与银行的关系
银行与客户联系的信息不依于赖呼叫中心
客户服务环节渗透到综合业务中
网上银行、电话银行
业务数据详尽准确
成熟的综合业务系统
客户价值的评估相对复杂
涉及成本的摊分和收入来源
呼叫中心/客户服务中心/网上银行信息服务
CRM
数据
集成系统
CRM
数据仓库
(操作数据和分析模型)
综合业务系统
银行柜面
POS
ATM
信用卡业务
财务系统
CRM
决策分析环境
客户分析
子系统
操作型CRM
应用
基本信息服务接口
银行业CRM系统的体系结构
CRM系统的体系结构
总行主要负责决策分析
客户关系管理的主体在分行
总行系统
分行系统
分行系统
CRM
数据仓库
EIS
综合柜面系统
信用卡
POS
ATM
……
CRM
数据仓库
EIS
数据
集成
系统
分行CRM
总行CRM
…
呼叫中心
总行
客户
信息
服务
分行客户信息服务
综合柜面系统
信用卡
POS
ATM
……
CRM
数据仓库
EIS
数据
集成
系统
分行CRM
呼叫中心
分行客户信息服务
CRM系统在银行的总体分布
CRM系统的建设步骤
建立客户信息数据库
构建基于客户信息的业务分析系统
实现客户综合评估系统
实现操作型的CRM应用
建立客户信息数据库 I
设计客户信息数据库
设计多功能的客户标识号以及标识号的生成和分发
区分团体、企业客户和个人客户
客户属性的设计：
基本属性：相对固定的自然属性
扩展属性：客户之间的关系、客户的文档、动态的属性
派生属性：客户分析和评估的结果或计算的结果
属性的代码化和管理
统一的固定代码表
专用的“不详”属性代码标识
客户属性的动态扩充和定制
跟踪、描述部分客户信息的变化
建立客户信息数据库 II
设计银行客户经理的管理
建立银行客户经理的管理
客户经理可以分类
客户经理可为部门或个人
建立客户与客户经理的关系
客户经理的考核将基于该信息
客户业务的信息
纪录客户所拥有业务的状态
登记表中的信息，客户交易不在此列
客户信息与业务系统接口
利用三层结构提供客户数据的操作对象接口
TP Monitor, CORBA, J2EE, etc.
提供LDAP服务供客户目录查询
建立客户信息数据库 III
客户信息的操作
提供的客户信息维护和访问界面
客户签约/归户
终端：与综合业务系统前台集成
ASP、JSP：提供管理人员和客户经理使用
固定代码定义和维护系统
动态属性的定制和管理系统
客户号的生成和分发系统
客户信息管理的系统管理员和分组授权访问体系
用户、用户组、资源和访问权限的管理
客户信息的质量监控
根据各属性“不详”代码的百分比统计
客户信息数据的装载和导出
客户数据和客户业务数据获取
客户信息管理系统结构
客户信息访问/维护
客户签约/归户
(终端或其它应用)
客户信息
采集/装入
客户信息数据库
综合业务系统
固定代码定义/维护
动态属性定制/管理
客户号的生成/分发
用户授权/访问体系
客户信息质量监控
中间件(TP Monitor, CORBA, J2EE, LDAP)
Web Server
客户信息访问/维护
客户签约/归户
(浏览器)
构建基于客户信息的业务分析系统 I
建立银行业务的数据仓库系统
综合业务系统数据
前置机的数据
业务交易的发生细节
网上银行和呼叫中心
客户服务信息和投诉信息
需要扩充现有呼叫中心，将客户服务内容分类统计
其它台帐信息
业务的收入
财务/会计数据
业务的收支
客户数据
客户信息数据库系统
构建基于客户信息的业务分析系统 II
建立综合分析模型
客户信息数据的采集是一个过程
业务分析需要同时提供基于帐户的分析
建立多角度、多层次的分析模型
覆盖银行现有分析决策的需要
采用多种设计和实现技巧
如余额等非累计项的多维模型设计
实现多层次综合报表系统
提供基于Web的OLAP应用模式
建立综合性的、针对各应用层次的EIS
引入Balanced-Scorecard模型
银行数据分析的主题内容
客户业务分析
客户构成分析
信贷管理分析
营业渠道分析
总账及损益分析
客户关系管理
客户关系管理/客户业务行为分析
客户分段
赢利水平
帐号余额
行业
客户资料
姓名、性别、年龄、职业、收入
私人、企业
时段
机构与渠道
分行网点、ATM、POS
电话银行、网上银行
帐号
产品与交易
存款、贷款、抵押、信用卡、
代收、代付
转帐
机构与渠道
时段
客户分段
帐号
产品与交易
客户资料
余额
手续费
发生额
利息
利润
客户的构成分析
分析指标
开户数
销户数
持有量
基本属性
性别
年龄段
职业分类
扩展属性
集团客户
客户分类
客户信用度
贡献度层次
机构
时段
开户数
销户数
持有量
机构
时段
客户分类
扩展属性
基本属性
客户关系管理
分析指标
呼叫次数
服务时长
客户服务类别
服务种类
服务内容
基本属性
性别
年龄段
职业分类
扩展属性
集团客户
客户分类
客户信用度
贡献度层次
机构
时段
呼叫次数
服务时长
机构
时段
客户分类
扩展属性
基本属性
服务类别
财务分析/风险控制
资产负债分析
损益分析
现金流量分析
风险监控/欺诈检测
机构
时段
会计科目/财务指标/指标比率
一级
二级
发生笔数
发生额
机构
时段
会计科目
总帐分析(Assets/Liability,资产负债)
财务指标
流动性比率
资产管理比率
负债管理比率
赢利能力比率
资产负债结构(会计科目)
企业活期存款
企业定期存款
活期储蓄存款
定期储蓄存款
资本金
一级储备
二级储备
贷款
长期证券投资
固定资产
机构
分行网点、ATM、POS
电话银行、网上银行
货币
时段
发生额
机构
时段
资产负债结构
货币
财务指标
企业收益分析(Profit/Loss,损益分析)
财务指标
流动性比率
资产管理比率
负债管理比率
赢利能力比率
利润成分(会计科目)
营业收入(利息、同行往来、手续费、其他)
营业支出(利息支出、同业往来、手续费、其他)
营业税金及附加
营业利润
税前利润总额
净利润
机构
分行网点、ATM、POS
电话银行、网上银行
产品
存款、贷款、抵押、信用卡、
代收、代付
转帐
时段
发生额
机构
时段
利润成分
产品
财务指标
信贷管理分析--资产运用
贷款审查者
贷款发放者
贷款利率
无风险利率
风险利率
客户资料
客户财务状况
流动性比率
资产管理比率
负债管理比率
赢利能力比率
客户等级
大客户
散客
贷款质量
不良贷款
1-5级
贷款额
还款额
归还利息
客户资料
贷款审查者
客户等级
时间
贷款发放者
贷款质量
贷款利率
客户财务状况
营业渠道分析(Channel Usage)
存款余额分段
贷款余额分段
客户资料
姓名、性别、年龄、职业、收入
私人、企业
时段
机构与渠道
分行网点、ATM、POS
电话银行、网上银行
交易类型
存款、贷款
抵押、信用卡
代收、代付
转帐
发生笔数
发生额
机构
时段
营业网点
及渠道
交易类型
客户资料
存款余额分段
贷款量分段
批量数据提取
及信息访问
实时数据抽取
业务通讯平台
综合柜面系统
POS
ATM
信用卡业务
网上银行
电话银行
呼叫中心
分行CRM
数据仓库
数据集成系统
客户数据收集
终端和Web应用
总行CRM
数据仓库
银行系统的数据仓库
分析/决策系统
实现客户综合评估系统
客户信用评估
灵活可定制的线性信用评估算法
采用数据挖掘方法取得算法参数
客户贡献度评估
取决于会计数据和台帐信息
考虑客户的费用
客户忠诚度评估
根据客户对银行的依赖程度
客户消费倾向
客户采用银行服务的特征
客户资金的消费特征/信用卡的消费
实现客户综合评估系统 II
客户评估算法建立在线性系统或决策树上
适应大批量计算
评估算法的参数由经验值或数据挖掘系统得到
提高评估的准确度和有效性
数据挖掘结果和客户评估结果反馈到系统中
系统的自适应环路
CRM扩展
分析模型
OLAP
CRM基本
分析模型
Data
Mining
客户评估模块
评估算法维护
实现操作型的CRM
提供全面的客户及其业务信息
呼叫中心座席、客户经理
基于商务规则控制个性化服务
设计并维护商务规则
客户分析结果应用于商务规则
自动更新个性化服务的控制机制，并体现到客户交流渠道中
需要扩充现有呼叫中心或网上银行
以网上银行和呼叫中心等客户交流渠道展现个性化服务
提供服务推介、理财建议和咨询
实现市场自动化(MA)
根据客户消费倾向，提供服务管理和推介
销售行为自动化(SFA)
提供客户经理锁定客户
生成营销计划建议
CRM系统配置
Data Warehouse
Operational
Data Store
Customer Browser
network
UNIX数据库服务器
Web Server
MetaCube OLAP Option / DB2 OLAP Server
ASP Application Pages
XPS/Red Brick or DB2/EEE
CustomerApplication
OLAP Front End
NT/Win2000 OLAP服务器
(应用服务器)
PC客户机
PC客户机
Warehouse Manager / DataStage
DBMS
UNIX业务系统数据库服务器
Business Database Server
Intelligent Miner
客户基本信息
访问交易(读写)
综合业务系统
帐务信息访问交易(只读)
客户基本信息
综合业务系统
帐务信息
综合业务系统
CRM基本
分析模型
CRM分析界面
CRM扩展
分析模型
CRM算法维护
分析环境
个性化服务
控制及反馈
CRM系统数据流向
客户基本信息
访问交易(读写)
综合业务系统
帐务信息访问交易(只读)
客户基本信息
业务系统
基本帐务信息
数据库
综合业务系统
CRM基本分析模型
CRM客户/业务
分析和报表
CRM扩展分析模型
CRM客户评估系统
数据挖掘及算法维护环境
个性化服务
控制、反馈
市场/销售自动化
数据仓库
操作数据
业务系统数据
中间件和
交换平台
其它业务系统
来自网银和
呼叫中心的
交易请求及
前台处理
反馈到网银、
呼叫中心、
业务部门和
客户基本信息
1
2
3
4
5
6
7
8
9
10
14
12
13
15
16
银行业务系统
CRM系统
CRM客户信息操作/维护环境
11
内容提要
商务智能与银行业务系统的发展
银行商务智能及客户关系管理系统的建设
IBM数据管理产品和技术
IBM的专业咨询服务和成功案例
IBM 商务智能产品系列
Warehouse
Manager
数据的抽取和装载
DB2 OLAP Server
IBM商务智能/CRM
技术咨询服务
DB2/UDB
数据存储/管理
数据分析/展现
应用成功的保证
DB2/EEE
Extended
Parallel Server
Seagate Info
MetaCube
OLAP Option
Red Brick
Decision Server
Intelligent Miner
Dynamic Server
DataStage
Data Warehouse
Data Mart
Operational Data Store
ROLAP Solution
MOLAP Solution
Reporting
Data Mining
数据仓库的数据抽取过程
数据抽取过程的技术要点
要能适应各种数据源、应付复杂多变的联机环境
要能嵌入用户定义的转换过程
相应调度和管理机制
数据抽取过程多样化解决数据来源问题
系统的分布性
数据的异构性
信息的不完整性
不被业务系统的现状所局限
数据抽取过程的挑战
工作量
原始应用系统的复杂度
数据抽取转换系统：DataStage
Sun Solaris, HP-UX, IBM AIX, Digital Unix
Server
Repository
Designer
Director
Repository
Manager
Administrator
DataStage
Windows NT Server (Intel & Alpha)
Windows 95/ Windows NT Workstation Client
Data
Warehouse
RDBMS
Oracle
Microsoft SQL Server
Sybase
Informix
UniVerse / UniData
Mainframe
QSAM
VSAM
DB2
IMS
IDMS
Adabas
Datacom
Others
Hash File
Seq.
or FTP
ODBC
Any SQL
Bulk Loaders
Oracle
BCP (Sybase & Microsoft)
Sybase IQ
Informix
RedBrick
Sequential
or FTP
ODBC
Staged
Data
Load
Utilities
Bulk Loaders
Hash File
UniVerse
UniData
Oracle 7 & 8
Sybase
Native API
Native API
Oracle 7 & 8
Sybase
Change
Data Capture
Mainframe
Data Access
Meta Data
Exchange
Microsoft
Meta Data
Repository
Sequential
DataStage直观管理复杂的数据
抽取和加载过程
Warehouse Manager vs. DataStage
Warehouse Manager
管理全局的Meta Data
不仅向RDB装载数据，同时向MDB装载数据
提供主机数据的连接和处理
DataStage
提供直观的图形化管理模式
提供散列文件实现高效数据清洗和装载
主要向RDB和文件系统装载数据
提供主机数据的联机和处理
数据仓库存储的技术特性
只有量的支持做不到联机分析
有数量同时要有速度
服务器访问特性
访问频率稀疏、但查询复杂性增大
并行处理优势突出
数据库查询特性
查询涉及数据范围广
涉及多表连接、星型模式
计算复杂
传统索引作用有限
检索方式、优化算法需要突破
扩展并行处理服务器：Extended Parallel Server和DB2 EEE
多结点（主机）组成并行处理阵列：针对MPP和Cluster
每个结点运行数据库服务器的 Co-Server
结点间采用不共享策略 (Shared Nothing)
通过数据分割实现并行处理，提供近线性的性能扩展能力
并行数据仓库服务器的工作模式 —— Function Shipping
减少网络流量
降低结点间资源共享和交互
提高并行扩展能力(Scalability)
星型模式(Star-Schema)
Fact Table
事务处理数据描述
相应的属性（最低层）
Dimension Table
各种属性及其层次
星型模式的规范化
“雪花”型(snowflake)
“维”
Keys
属性
Facts
地点 Table
时间 Table
产品 Table
客户 Table
Many Records...
未专门优化的连接过程
PERIOD
jan, ...
feb, ...
mar, ...
SALES
jan, pen, east, $100
jan, pen, west, $200
feb, radio, south, $125
mar, watch, east, $225
SALES+PERIOD
jan, …, pen, east, $100
jan, …, pen, west, $200
feb, …, radio, south, $125
mar, …, watch, east, $225
PRODUCT
radio, ...
pen, ...
watch, ...
SALES+PERIOD
+PRODUCT
jan, …, pen, …, east, $100
jan, …, pen, …, west, $200
feb, …, radio, …, south, $125
mar, …, watch, …, east, $225
MARKET
east, ...
west, ...
south, ...
SALES+PERIOD
+PRODUCT+MARKET
jan, ..., pen, ..., east, ..., $100
jan, ..., pen, ..., west, ..., $200
feb, ..., radio, ..., south, ..., $125
mar, ..., watch, ..., east, ..., $225
普通数据库的实现方法
Red Brick 的 Star Join 和 Star Index
多列星型索引的作用
Dimension table A
Dimension table B
Dimension table C
FK
A
FK
B
FK
C
CUST_NO
OUTLET_ID
PROMO_CODE
FKA FKB FKC DATA
SA001 GWE PIZA 2UNIT $120
The FACT Table
Red Brick的 STARJoin
PERIOD
jan, ...
feb, ...
mar, ...
PRODUCT
radio, ...
pen, ...
watch, ...
MARKET
east, ...
west, ...
south, ...
SALES
jan, pen, east, $100
jan, pen, west, $200
feb, radio, south, $125
mar, watch, east, $225
SALES+PERIOD
+PRODUCT+MARKET
jan, ..., pen, ..., east, ..., $100
jan, ..., pen, ..., west, ..., $200
feb, ..., radio, ..., south, ..., $125
mar, ..., watch, ..., east, ..., $225
明显的性能增长！
Red Brick的位图索引技术
CAR1= A 4D Leather
CAR2= A 4D Fabric
CAR3= A 2D L
CAR4= M 4D L
CAR5= M 4D F
CAR6= M 2D L
TRANS DOOR SEAT
Q2: SELECT CAR with AUTO-transmission and SEAT is leather
1) Bitmap for Trans=Auto: [ 1,1,1,0,0,0 ]
2) Bitmap for Door= 4D: [ 1,1,0,1,1,0 ]
3) Bitmap for SEAT= L: [ 1,0,1,1,0,1 ]
Bitmap 1 “AND” Bitmap 3= [ 1,0,1,0,0,0 ]
Red Brick 的 TARGETindex
STATE/
id name address billing COUNTRY
1D ~~~~ ~~~~~~~ ~~~~~~ NY
2A~~~~ ~~~~~~~ ~~~~~~ NY
3B ~~~~ ~~~~~~~ ~~~~~~ NY
7C~~~~ ~~~~~~~ ~~~~~~ UK
8B ~~~~ ~~~~~~~ ~~~~~~ NY
9A~~~~ ~~~~~~~ ~~~~~~ NY
1C ~~~~ ~~~~~~~ ~~~~~~ NY
6A~~~~ ~~~~~~~ ~~~~~~ NY
5D ~~~~ ~~~~~~~ ~~~~~~ CAN
5D~~~~ ~~~~~~~ ~~~~~~ NY
8B ~~~~ ~~~~~~~ ~~~~~~ NY
3B ~~~~ ~~~~~~~ ~~~~~~ NY
6B~~~~ ~~~~~~~ ~~~~~~ JAPAN
TARGETindex
on column of highly skewed data
Red Brick Warehouse
Automatically Chooses
Appropriate Index Sub-type
Index Type Domain Size Poss Values Example
Uncompressed Bit-map Small 2-75 Gender, size
Compressed Bit-map Medium 75-1,000 Country, State
Row-ID List Large 1,000-10,000 ZIP code, Area code
B-Tree Very large Unique SS#, Customer #
Mix sub-types on
single column!
多维分析
联机多维分析使用户在随机的环境中通过不同的角度快速分析数据仓库中的信息：
地域分析
北美
欧洲
一月
二月
Cosmetics
Perfumes
Clothing
Accessories
Cosmetics
Perfumes
Clothing
Accessories
数据仓库的OLAP多维视角
财务角度
产品角度
即席查询
销售角度
销售分析
产品
时间
市
场
基于关系库的OLAP体系结构
MetaCube 是一种将关系数据库的行和列为最终用户表示成多维“立方体”进行分析的OALP分析引擎
Query Tools
DSS & EIS
Object
Request
SQL
Rows
Cubes
Data
Warehouse
RDBMS
Metadata
OLAP
Engine
MetaCube OLAP 多层体系结构
Alerter
Scheduler
Sampler
Web
Publisher
MetaCube
OLAP Server
Open
API
Server: NT or UNIX
Middle Tier: NT
数据仓库 RedBrick
(MetaCube Metadata)
QueryBack
Aggregator
Incremental
Update
Partners
Vertical
Applications
MetaCube
for Excel
MetaCube
Web Explorer
MetaCube
Explorer
Warehouse
Optimizer
Warehouse
Manager
Secure
Warehouse
Agent
Administrator
Client: NT, 95, Web
Open
API
(COM )
MetaCube
Engine
Statistics
Financial
Custom
Scientific
MetaCube
Engine
DB2 OLAP的原理
DB2 OLAP Server 结构
同时提供MOLAP和ROLAP应用模式
提供OLAP开发接口
报表——平面的数据表现
需要经常浏览的数据
相对固定的关系模式
支持Intranet浏览器的访问方式
Seagate Info
Intelligent Miner 的工作流程
Intelligent Miner 的聚类分析
内容提要
商务智能与银行业务系统的发展
银行商务智能及客户关系管理系统的建设
IBM数据管理产品和技术
IBM的专业咨询服务和成功案例
CRM系统技术咨询服务内容
系统总体结构设计
客户关系管理应用设计
分布式数据库设计和部署
数据仓库设计和实施
项目管理和控制
系统实施的经验和体会 I
CRM的实施需要客户方有总体的共识，在项目规划时需要考虑系统的各层次的用户以及他们的需求重点，做到有的放矢；
在CRM系统实施过程中，并非每个模块都可马上进入编码阶段。在人员安排上，系统的设计阶段实际要求人手并不多，人员的投入是阶段性的；
现成的CRM系统实际上是较难直接上线的，需要定制的内容是很多的，如客户信息的采集环境、前台字符终端的应用，与现成的网银和呼叫中心集成，以及同银行业务系统的连接等等。因此成型的系统可能需要更大的投资；
系统实施的经验和体会 II
在系统的设计过程中也有一些弯路：在建立客户基本信息数据库的时候，没有将客户的基本信息和客户的派生信息以及管理/控制信息分别对待。这在系统开发的后期逐渐显示出弊端：在设计客户基本信息时，虽考虑了一些扩展信息，但它们是非常粗浅的，在分析客户的模块中，不可避免地会引入内容更为丰富的客户属性，为不影响先前的系统，新增部分用新的结构表示，从而导致客户扩展属性管理混乱。为解决这一情况花费了宝贵时间。
在建立帐务分析模型时，由于受到传统银行业务的限制，在数据来源上将帐务和交易混淆起来。一般的传统业务系统将储蓄/对公业务和其它的中间业务分开，但储蓄和对公本身在操作上也拥有多种渠道，如ATM机、网银和呼叫中心等。基本帐务信息从综合业务系统抽取数据时，所抽取的都是拥有帐户信息的业务交易或帐务存量信息。事实上，综合业务系统一般存储客户的帐务，而具体的交易流程则通过前置机上的数据获得。
BI Consulting技术咨询案例
中国银行人事系统 (96~97)
深圳长城国际 – 微机生产管理 (97)
建行信贷管理系统 (97~98)
国信寻呼二期工程 (98)
IC卡电话分析系统 (98)
寿险分析系统 (98~99)
财险分析系统 (99)
广东移动客户行为分析系统 (99)
国家专利局专利信息统计系统 (99)
厦门国际银行业务分析系统 – 会计 (99~00)
深圳证券时报 – 上市公司分析 (00)
海南建行商务智能系统 – 储蓄、对公 (00)
华夏银行CRM系统 – 集成了呼叫中心和网上银行 (00~01)
国外的案例：……
部分国外银行BI与CRM案例
谢谢 ！
zhengxj@
郑晓军
DM, Software
IBM China
建行四川省分行
资料检索系统介绍
成科 副总工程师
建行四川省分行科技处
内容提要
系统建设背景
系统目标
技术方案
系统实施与运行情况
发展方向
建行四川省分行业务系统大集中运行状况
IBM S85
核心网络
全省会计业务、交易转发主机
全省储蓄业务主机
IBM S7A
8万笔交易/天
轧帐时间:10多分钟
正常交易状态下
CPU空闲60%-80%
数据规模：6GB
40万笔交易/天
轧帐时间:60多分钟
正常交易状态下
CPU空闲70%-90%
数据规模：60GB
大数据量备份方式
将明细类数据（占四分之三以上）分离出来，单独放在一个server中。
生产数据每日手工备份，明细数据每周自动备份
大批量数据的处理策略
自编工具程序并行将数据以文本方式的快速卸出、装入。在S85
上可 达到每分钟卸出、装入700多MB文本的速度。
数据集中系统的灾难备份
建行四川省分行业务系统大集中运行状况
与以前的版本相比，IDS2000（)在性能、稳定性
等方面有了很大提高
实践证明，Informix IDS2000 完全能够承担大规模
OLTP系统的数据库管理工作
我们对Informix的服务态度、服务水平感到满意
建行四川省分行业务系统大集中运行状况
内容提要
系统建设背景
系统目标
技术方案
系统实施与运行情况
发展方向
资料检索系统需求
大集中导致中心节点交易量及数据量剧增
生产系统磁盘存储容量限制
生产系统的运行效率降低
必须通过恢复数据库系统备份查询历史数据
业务部门数据查询不便，数据资源未能得到充分利用
需求没有很好地整合，业务指标体系的建立
需要很长的时间，难以在短时间内建立完整
的数据仓库
资料检索系统目标
实现生产系统数据的汇总和统一管理，建立集成的企业信息平台，
为银行业务管理部门提供方便、高效的历史数据查询统计手段
利用数据库及光盘库等数据管理和存储的最新技术,实现生产主机
系统文本文件以及历史数据的长期保存；
利用Web技术，为全省各行提供方便查询历史数据和报表的功能；
减少生产系统的数据存储量，减轻生产系统压力；
减少报表帐页打印量，降低运行成本；
在历史数据的基础上，提供简单的统计分析功能；
为数据仓库系统准备充分的技术和数据基础，作为数据仓库系统的
数据源。
内容提要
系统建设背景
系统目标
技术方案
系统实施与运行情况
发展方向
资料检索系统与其他系统的关系
业务管理
查询用户
资料检索
查询
扩展功能
数据采集
数据装入
数据 管理
审计稽核
信贷管理
数据仓库
… …
… …
核心
业务系统
中间
业务系统
信贷
系统
其他
业务系统
票据
影像
光盘库
Web查询用户
数据转移
企业内部网
生产系统
Informix IDS
Informix Web DataBlade
Web Server
资料检索系统
VTI访问
资料检索系统结构
HP V2200
资料检索系统数据规模
硬盘上数据：40GB
光盘上数据：20GB报表文件，50GB数据文件
每日数据转移：700MB数据，150MB报表文件
数据转移过程
数据卸出
数据加载
数据转储
生产系统
数据库
生产系统
磁盘文件
资料检索系统
数据库
资料检索系统
光盘库文件
使用的关键技术
Informix - HPL
Informix - Web Data Blade
Informix – VTI
HP - OpenView OmniStorage
INFORMIX 虚表界面与访问方法
SQL Engine
Informix Dynamic Server
Informix
的表
Sbspace
虚表mytab
应用程序
Select * from mytab
C函数
My-opt-read
内置访问方法
用户定义的
访问方法my-optical
数据查询
浏
览
器
Web
Server
资料检索数据库
服务器
光盘库
VTI查询
查询请求
查询结果
查询请求
查询结果
Web data blade
netscape
IDS2000
内容提要
系统建设背景
系统目标
技术方案
系统实施与运行情况
发展方向
系统实施情况
2000年7月项目启动，10月编码基本完成；
2001年2月上线，数据转移、查询、转储几部分逐步实施。
参加人员：
建设银行四川省分行科技处
Informix成都分公司
北京先进数通公司
系统运行情况
系统使用者
省分行后台业务管理中心、个人银行业务处、
网上银行业务处、信用卡部等机关处室
德阳、绵阳、自贡、广元、乐山、宜宾、南充、
广安、巴中等地市行业务管理部门
内容提要
系统建设背景
系统目标
技术方案
系统实施与运行情况
发展方向
光盘库
Web查询用户
数据转移
企业内部网
生产系统
Informix IDS
Informix Web DataBlade
Web Server
资料检索系统
VTI访问
资料检索系统的发展
联机分析用户
创建多维模型
数据综合
实现联机分析
数据仓库
谢谢 !
Currently companies focused on CRM projects are starting with Customer Databases and moving towards Marketing Automation. In realty move customer deploy a customer warehouse or mart 6-9 months before implementing a CRM application such as Campaign Management.
Marketing Automation is the goal. Reaching the Customer Database level of maturity does often not produce marketing results. The customer is high dependent on figuring out how to effectively navigate data with basic but powerful tools. The only business logic that is used is applied by the individual users, there are no applications that provide business logic to the data, and no workflow.
3
17
