数据仓库能给银行带来什么？（AMT研究院 宋亮）

银行现有的信息系统已将客户档案和交易明细存储在不同的计算机平台上，并实现数据的大集中之后，接下来就是如何分步实施数据仓库技术，以实现以客户为中心的个性化服务决策支持系统，并在满足高利润低风险客户需求的前提下达成银行收益的极大化。

1、建立市场客户信息库

清理数据，将现有业务系统中的客户数据加载到集中的市场客户信息库，以建立以客户为中心的数据仓库基础环境。在此基础上，业务部门就可以对客户有统一的视图，以客户为单位分析业务情况，准确掌握客户信息，包括客户的基本分类、客户的基本需求、客户与银行业务往来的情况，或其他和客户有关的复杂的查询与报表如趋势分析、集群分析等。

2、分销渠道的分析和管理

将客户与银行分销渠道（包括柜面、ATM、信用卡、汇款、转帐等）的所有历史交易明细数据加载到市场客户信息库，分析客户使用分销渠道的情况和分销渠道的容量，如客户类型与位置和渠道的关系、分销渠道与产品和服务的关系、客户和渠道对业务收入的贡献等；在弄清客户、渠道、产品或服务三者间的关系之后，再加载会计系统的财务数据，建立客户的利润评测模型，以了解每位客户对银行的利润贡献度，据此安排合适的分销渠道提供产品和服务。另外，银行还可以模拟和预测新产品对银行的利润贡献度，新政策对银行将产生什么样的财务影响以及客户流失与否对银行整体利润的影响。

3、客户关系优化

客户关系优化就是银行适时、主动地与客户建立更好的关系。根据国外银行的经验，客户行为的改变（如生活、职业、交易次数或金额等的变动）都是增加客户满意和银行收入的最佳时机。银行需要将每天发生的交易明细以实时或定时方式加载到中央数据仓库系统，核对客户行为的变化，然后业务部门就可以利用客户购买倾向模型、渠道喜好模型、利润贡献度模型、信用和风险评分模型等，主动地对客户沟通并进行交叉销售，以留住客户和增加利润。

4、风险评估和管理

风险评估和管理主要利用各种数学模型分析、模拟风险和利润之间的关系，涉及到更多管理制度和系统的建立，是实施数据仓库较为困难的工作。首先将与资产和负债有关的业务系统的交易数据加以集中，然后按照不同的期间，以数学模型分析、模拟计算利率敏感性资产和负债之间的缺口，了解资本比率、资产负债结构、资金情况和净利息收入的变化；在计算风险收益时，可以使用信孚银行的风险调节资本收益方法，或JP摩根的风险和信用矩阵等，计算信贷、放款客户对银行的风险和收益，以估计银行的损失和利润。

经历了以上几个步骤，一个银行的数据仓库就初具雏形了。我们可以从中清楚的看到，数据仓库带给银行的不仅仅是IT设施，更重要的是给银行带来新的理念，扎根于数据，通过必要的指标来衡量促进银行业务的稳步增长。从下面加拿大皇家银行建设数据仓库的案例我们可以更直观的看到这一点。

加拿大皇家银行是世界级的银行巨头之一，拥有1400家分行，为1000多万名客户提供金融服务。随着客户与银行竞争者的日渐增加，在技术与结构调整上的分析效益必须越来越好。更重要的是，要能够快速回应如此激烈的竞争环境和以客户为导向的趋势。因此，皇家银行决定构建银行的客户关系管理系统，以便增强客户关系，扩大竞争优势。皇家银行清楚地认识到利润贡献度分析系统对于客户关系管理系统的重要性，它可以说是在服务提升、产品提供、成本管理、价格策略和营销费用上具有决定性的工具。

加拿大皇家银行经过对NCRTeradata数据仓库解决方案的严格测试和调查，最终选择了TeradataValueAnalyzer（利润贡献度分析系统）。这是一套基本的应用程式，可以了解和评估客户的资料、行为与银行之间的关系。ValueAnalyzer取代了老式的“由上而下”的观点，采用了“由下而上”的方式，从基本的测量单位“账户”开始。皇家银行利用ValueAnalyzer输入每个账户或一系列活动的识别码，可统计出账户分级的不同利润，以支持银行对于利润的多种看法。

尽管每一账户可以归属于一位客户、产品或渠道，但是无论以何种方式统计，银行都希望确保原始使用的资料仍能与银行内的具有一致性。这就是ValueAnalyzer的真正意义。利用ValueAnalyzer的客户分级制度来重新计算客户的利润贡献度，结果显示皇家银行有75%的客户增加了20%以上的利润。皇家银行的CathyBurrows女士表示：“NCR的ValueAnalyzer对客户与客户组合的风险管理、监督与模式建立了新观点，而皇家银行整合了行为风险模式以及可预期的信用损失，从而使得银行可以超越时间限制来强化其操作模式，并支持从’市场占有率’改变为’利润贡献度’的评估。”

从皇家银行实施ValueAnalyzer把“市场占有率”观念转变为“利润贡献度”观念，我们可以清晰地发现能够使企业成长和发展的并不是市场占有率的多少，而是客户利润贡献度的大小。也就是说，客户的数量并不是决定企业竞争优势的关键因素，而客户的质量才是推动企业增长的动力引擎。除了皇家银行之外，像美洲银行、荷兰皇家银行、东京三菱银行等一些国际银行巨头也采用了Teradata数据仓库系统。这说明数据仓库技术对银行业务的发展起着决定性的作用，它是银行决策的基础平台，是银行区分利润来源的分析引擎。

另外，银行在数据仓库的基础上，通过建立数据模型和采用数据挖掘技术，银行可以快速、准确地分析经营管理中的问题，实现对产品、部门、分支机构的利润/成本分析，还能进行不同产品的盈利性分析和风险性分析，提供有力的决策支持环境和工具，提高各级部门的管理、控制和协作的效率，促使银行增加盈利和提高整体经营管理水平，保证银行的长期健康发展。

例如进行收益率分析，利用数据仓库的盈利管理在于将具体的盈利指标和单位当作业务来处理，它可以设在银行的总帐一级，并对涉及资产、负债、收入、费用、统计、应急项目的情况进行汇总。又如利用数据仓库进行资产负债管理，包括资本分析、资本募集、提坏帐准备、央行报表、资金到期分析、收入分析、利率敏感度分析、流动资金分析、边际利率变迁和短期资金管理等，还可以利用数据仓库进行资产负债平衡表变化的分析，如对历史趋势、未来事件和控制流动资金与利率结构的失衡进行评估决策。

从以上案例中可以看出，数据仓库的应用本身并不是业务流程的再现，而是基于数据分析的管理模式的体现，它对于银行决策层的意义首先不是信息技术和产品上的，而是经营管理模式上的。所以，数据仓库建设是面向管理决策层应用的，必须有决策层的参与。为此，我们要努力使决策层转变观念，充分认识数据仓库建设的重要性，为数据仓库提供切实有效的系统实施目标和规划，在投入和配合上给予大力支持。