商业智能在银行业的运用

商业智能在银行业的应用

菲奈特—融通软件有限公司  陈文烨

华南理工大学  陈要洁   

一、智能分析微起波澜   

商业智能是企业对数据的搜集、管理和分析系统过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。很多时候，商业智能与数据仓库总相提并论，他们之间有没有必然联系呢?  BMsiness 0biects公司CE0BemMd UaMtaMd所著饱I》一书中，对此做出了解释：“数据是未经加工和修饰的原料，它是交易数据库的一项纪录(这就是数据库)。信息是含有一定量商务信息和意义的数据，它是经过提炼、加工和集成的数据(数据仓库)。智能是把信息提高到一个更高的层次。数据和信息是无生命的，而智能是有机的，在对业务的深入分析和见解被更多人分享后，就会形成一种非常强大的力量(商业智能)。”有了数据仓库，商业智能就有了更结实的基础，专家们指出商业智能是数据仓库走向运用的途径。   

20世纪90年代末期，中国银行业开始研究数据仓库技术，实施商业智能系统的行业有几个基本条件：1．数据量达到一定规模；2．行业竞争更加激烈，竞争手段趋向高层次；3．IT领域有充足的资金保障。2002年，许多做BI的厂商欣喜地发现商业智能产品的需求越来越旺盛，可以说商业智能进入了成长期。在这个期间，客户有了一些基础的想法，厂家则有一些解决方案，两者的结合就产生了商业智能银行行业的初级运用项目。   

二、BI的作用   

银行业在发展过程中，已逐步积累了大量的客户数据和经营数据。如何利用这些数据，发掘有价值的信息，为今天中国银行业所普遍关心。而解决问题的关键，是建立银行企业级的数据仓库，通过数据仓库的整合，实现对银行所有经营信息和客户信息的有效存储，并针对银行不同的管理决策需要，利用商业智能技术，进行多层次的数据加工处理，满足银行管理决策和客户分析的需要。   

构建银行数据仓库，并实现商业智能分析，原始数据通过以下步骤，逐渐从信息孤岛成为信息宝藏。第一步，通过数据抽取、传输、加载，将有用的数据从各个不同的数据源集中到统一的信息数据库中，既保证了数据来源的正确性，也将以后的信息分析和银行的联机事务隔开，互不影响；第二步，对收集到的数据进行清洗、整理、转换，将不同表现方式的数据变成归一的、干净的数据元，为建立数据仓库做准备；第三步，建立不同的主题，将大量的数据元归类、汇总，产生初步的分析数据，这时候，原来杂乱无章的数字已经变成展现银行各方面情况的分析数据；第四步，利用数据挖掘技术，挖掘数据间的关系，发现发展规律，为银行经营指导提供决策依据；第五步，将商业智能概念作用于银行的经济活动，科学指导银行业务发展。   

利用数据仓库整合各业务系统数据库的特点和商业智能软件便于查询、统计、零编程的优点，集成报表运用成为商业智能在银行的最早的立足点。运用数据仓库和商业智能的报表系统的特点体现在几个方面：第一，集中。数据仓库技术将原来分散的数据统一处理，因此在此之上建立的报表分析系统也实现了全行集中，无论是基于业务数据分析的还是银行财务分析的报表，不论是提供给职能部门查看、行长查看还是报送总行、人行的报表均可以在一个系统中实现。第二，直观。通过智能技术、数据仓库，我们可以根据主题来定制查询，另外，由于数据集中，我们可以同时根据几个方面的数据源来共同反映一个主题，而不需要转换系统，提供了更为直观的查询功能。第三，灵活。以往的报表系统设计时是针对专门的要求设计，报表要求改变了就需要程序修改，即使有的系统设计考虑了一定的灵活性，可以通过数据配置进行一定程序的报表调整，但对于一个全新的报表还是需要进行程序修改实现。而搭建于数据仓库之上的报表分析系统，只需要简单的设置就可以产生新的主题报表，完全可以由业务人员经简单培训后完成。   

银行报表只集中反映了银行业务状况，可以说告诉了我们“发生了什么事情”，而对于业务管理部门，不但要知道发生了什么，还要明白“为什么发生”，对此，建立在数据仓库和商业智能技术上的业务分析系统(OLAP分析系统)可以满足要求。通过建立不同的分析角度，OLAP分析系统可以多维的显示数据，并且通过钻取、汇总等分析手段，剖析数据间的联系，既可以提供宏观的展现也可以深人细节解剖数据。举个简单的例子，就银行存款余额增减这个主题，可以建立三个维度进行数据分析：时间维、机构维和科目维。从时间维角度，观察存款在一年中的变化曲线；从机构维角度分析，可以了解整体存款余额的增加主要是由哪些支行做出了贡献，再深人钻取，查看这些支行的存款增加是下面的哪些营业部的功劳；科目维则提供了哪些存款种类在这段时间增加或减少的数据分析。并且多维分析可以组合起来进行完整的数据解析。通过时间维、机构维、科目维的组合我们可以方便的了解一段时间内，哪些营业部由于哪种业务品种比较吸引客户而增加了存款，而另外一些营业部存款的减少是由于哪种储种的缘故。   

客户营销观念在银行越来越时尚，许多银行建立了客户经理制，并不断推出意在吸引新客户留住老客户的金融产品。在这其中，商业智能系统能通过诸如比例分析、预测模型、决策树、数据挖掘等实现客户群体分析和新产品研发指导。银行的大客户营销活动可以归纳成几个步骤：发现大客户、了解客户需求、制定符合客户需求的金融产品。商业智能在这几方面都有相应的技术运用。20／80的分析方法可以很清晰地进行客户定位，筛选出对银行最有贡献的20％的客户群。客户特征和客户金融活动的关联分析，通过构建决策树模型、评分体系，银行能够发觉不同客户群体的活动特点，并进行客户贡献度、信用等级等的评分，为了解客户提供全方位的数据。金融产品的特征分析透过产品的表现，分析产品的定义(如适用范围、条款限制、利率汇率设定等)与产品的使用频率、产品的成本效益、产品的贡献度的关系，科学指导新产品的开发。   

另外商业智能还可以运用于银行的内部管理方面，比如综合成本预算、人员绩效考核、平衡记分卡等，不再一一述说。   

商业智能技术虽然为银行信息处理提供了一个新的平台，值得注意的是，它的运用也有一定的限制。首先，数据仓库、商业智能从设计上就是从面上而不是点上考察数据，简单地讲，数据仓库、商业智能可以方便的从时间、机构等不同维度展示账户的统计结果，但如果看仔细考察某个具体账户的交易信息，还不如通过数据库查询实现。其次，维度数的增加、维度成员的增加对数据仓库系统的运行、存储等影响重大，因此在系统设计时应特别注意对维度以及维成员进行归纳总结以减少其个数。   

三、商业智能系统实现的方法   

几年前，我们曾经历了一个认识的误区——“计算机就是指硬件设备”，现在我们很容易又进人一个新的误区——“新技术就是新的软件”。在许多业内人士的思想里，商业智能系统就是银行又运用了一个新的软件，又开发了一个新的系统。BI＝新的软件吗?不对，让我们研究一下国外推祟的商业智能系统的实施步骤吧。首先确定实施商业智能的目标和策略，再围绕前面的原则进行人员的训练，思维的改变，然后设计每一个步骤的方法和流程，最后才是最简单的部分，根据以上的结果选择软件，开发系统(见实施金字塔图)。而在现实中，我们常用的实施步骤是怎样的呢?将以上步骤颠倒过来就近似得到了现实的流程：首先选择软件，再设计流程和方法开发出系统，然后进行人员培训，最后发觉原来的目标已经偏离了。   

为什么我们以往的经验和实施方法论在BI系统中不再适合了呢?原因在于，以往我们开发一些银行行业软件，多数目标都是实现某种特定的操作(包括一些分析方面的系统，其目标往往也是出某些特定的报表数据)，因此我们考虑的重点在于选择合适的软件和设计合理的系统框架上，我们运用以上所述的现实步骤再合适不过了。   

而在运用商业智能系统时，我们已经没有特定的目标了，或者说我们的目标已经不再是很具体的了。系统的目标可能是“找出提高客户忠诚度的方法”或者“研究如何能够合理的评价金融产品”这样“模糊”的描述，而商业智能系统提供的是一条寻找答案的方法。往往这样的方法不是存在技术人员的知识里，而是存在于经验丰富的业务人员的知识里。因此商业智能系统实施需要从人人手，“只说不做”，通过充分的讨论总结，框定通向目标的路径和范围，然后再进行系统的设计，最后才将以上的知识通过技术表现出来。“智能”不只是系统操作的特性，更多在系统设计过程中体现。   

另外，原型开发法也是常用的开发方法，通过先构建一个系统的模型，让系统的使用者对此提出修改意见，开发人员再进行改进并进一步丰富内容，再进一步使用并反馈意见，如此不断循环，使系统不断增长、完善，有别于一般开发系统的生命周期法则。之所以采用原型开发法，原因在于商业智能系统的数据驱动特点，随着对数据的不断加工，系统的使用者逐渐训练、发展自己的思维，从而反馈指导系统向更加准确、更加深人的方向发展。