中国银行业监督管理委员会银行业信息科技监管部 王帅

　　2012年6月8日，银监会正式颁布了《商业银行资本管理办法(试行)》(以下简称《办法》)，将于2013年1月1日起实施。《办法》明确要求“商业银行应当系统性地收集、整理、跟踪和分析各类风险相关数据，建立数据仓库、风险数据集市和数据管理系统，以获取、清洗、转换和存储数据，并建立数据质量控制政策和程序，确保数据的完整性、全面性、准确性和一致性，满足资本计量和内部资本充足评估等工作的需要”。监管机构通过制度形式明确指出了未来我国银行业数据仓库建设的必要性，这一举措将进一步推动数据仓库在银行业的实施步伐，掀起银行业新一轮数据仓库建设的热潮。同时，也将深入影响未来我国银行业数据仓库的架构趋势，改变未来数据仓库在银行业的应用模式。

　　一、银行业数据仓库的“前世今生”

　　20世纪90年代初，美国著名信息工程专家William H. Inmon提出数据仓库概念，将支持业务流程的运营数据和支持管理决策过程的分析数据进行了详细区分，为数据仓库建设提供了理论依据。作为我国信息化建设的排头兵，银行业一直追踪信息技术的前沿，较早引入了数据仓库的理念并开展研究和实践，为数据仓库在国内其他行业的落地生根、发展壮大贡献了力量。

　　90年代， 我国银行业信息化建设步入高速发展期，各银行的着眼点在于如何将日常业务运行电子化，实现由纸质单据向电子化数据的转变。因此， 银行核心系统建设、业务流程支撑和运营数据电子化成为当时的建设重点。同时，由于当时运营模式分散、数据量有限，因此，从运营数据中产生的统计报表基本可以满足当时银行业粗放式的经营管理需求。

　　这一切在9 0 年代末发生了改变。这一时期，出于对自身业务蓬勃发展和经营管理体制转变的需要，我国银行业进行了大规模的数据集中。伴随着业务量的快速增长、数据的集中处理和存储，银行的数据量不断扩充膨胀，基于业务系统的统计分析已经成为不可能完成的任务。顺势而为，数据仓库成为解开这一困局的钥匙，数据仓库在银行业逐步得到认可和应用。2 0 0 3 年， 伴随着银行业改革开放力度的不断加大，银行业务种类由传统的信贷业务拓展到各类衍生品交易业务，交易的渠道也因互联网和无线技术的革新获得极大拓展，多种因素加剧了银行间的市场竞争。为避免客户流失，追求更大利润，银行逐步有了通过历史数据了解自己、了解客户的内在需求。与此同时，银监会正式成立，提出了“风险为本”的监管理念以及相配套的监管指标体系，明确了银行机构的信息披露要求。为满足监管要求，银行必须进行转变，狠练内功，基于内部数据做好相应的统计和分析。因此，上述两方面的原因促使我国银行业数据仓库建设在此后几年中得到迅猛发展。目前，很多银行都已经建设了数据仓库平台，开展相关数据统计、分析和报表业务。

　　二、银行业数据仓库应用的发展趋势

　　回顾过往的建设历程，内部和外部的需求促使银行更加关注数据、利用数据获取信息，而数据量的持续积累则要求银行必须将运营数据和分析数据相互分离，多方面的因素促使数据仓库在银行业得到广泛应用。当下，这一趋势则更加明显。目前，利率浮动区间政策的实施使得银行间竞争日趋激烈，如何有效利用资本成为每家银行关注的重点，银行内部精细化管理需求强烈。新资本管理办法实施后，银行需要采用更加量化的方法评估信用风险、市场风险和操作风险等，才能更好得满足监管标准要求。这些来自内、外部的因素都对银行数据仓库建设提出了更高的需求，也决定了我国银行业数据仓库应用未来几年的发展趋势。

　　1 .推进数据标准化，加强数据管理

　　数据仓库的典型建设模式是：业务系统产生原始数据，这些数据经过清洗、转换，被装载到目标数据仓库中， 数据仓库系统对外提供数据检索、汇总、统计、分析、图表生成等功能，或者将数据汇聚成立方体进行多维展示。但随着应用场景不断扩展，应用模式逐步深化，数据仓库和商业智能工具势必渐渐脱离。作为各类分析应用模式的数据源，数据仓库的数据基础地位将日益显著。因此，未来银行数据仓库在建设时，数据基础平台的搭建将要满足更高的标准。

　　(1)数据规范及标准化

　　经过业务数据大集中，银行在物理上实现了对数据的统一管控，但逻辑上数据依旧分散在不同业务系统中，信息孤岛情况依然严重。为实现不同业务系统间数据的逻辑统一，数据仓库在构建时，需要进行大量的清洗和转换。这一步骤大大增加了数据仓库系统的建设风险，是数据仓库建设过程中最有难度、最耗费精力的步骤之一。不仅如此，如果业务系统需要升级，将会继续暴露这一风险，并且愈发不可控制。因此，银行必须将数据管理提升到战略层面，尽快建立银行内部统一的数据规范和标准，并将其融入到整个数据生命周期中。数据的规范化及标准化应该体现全面性的原则，不仅要覆盖业务系统，也要覆盖数据仓库及上层分析应用，既要规范操作型数据，又要规范统计分析结果数据。通过数据规范及标准化的实施和内部数据管理的加强，能够切实保障不同系统间数据含义和运行的一致性。

　　(2)共享数据统一管理

　　目前多数银行数据仓库应该称为面向具体业务部门级别的数据集市，而不是真正意义上的企业级数据仓库。因此，经常会出现这样的状况，相同的数据存放在不同的应用数据集市(仓库)中。这就无形中造成企业数据的无端膨胀，导致后续管理支持成本变得过于昂贵，引发更多的混乱。因此，未来银行业应逐步向真正的企业级数据仓库模式发展， 细化数据分层， 将共享数据规范管理、集中维护、统一对外提供。当然，基于这些共享的数据，各使用部门也可以进行独立的业务处理，生成各自所需的衍生数据。

　　2.未来数据仓库的应用前景

　　从整体上讲，目前我国银行业数据仓库仍然主要集中在统计报表提供、OLAP多维决策分析展示等应用，对数据的深层次利用能力有限。但随着外部市场环境压力的增大和监管标准的进一步细化，未来我国银行业数据仓库应用将向数据深加工方向发展，对数据的处理、分析和利用将延伸到银行的方方面面。未来，我国银行业数据仓库应用将融入到银行日常运营中，深度介入银行的内部管理。从目前的需求及可预见的实效性看，未来一段时间内，我国银行业数据仓库应用的重点领域将集中在全面的客户管理和风险管理上。

　　数据仓库在客户管理领域的应用由来已久，也最为典型。借助数据仓库，未来针对客户关系管理的应用将会得到深化，既能帮助客户分析其财务情况， 为其推荐合适的金融产品，也能为其独家定制个性化的金融服务方案。借助数据仓库，也可以分析流失客户的特征，在具有相似特征的客户还未流失之前，采取针对性的措施进行客户挽回。通过数据仓库平台上的这一应用，不仅可以提升客户体验，培养客户的忠诚度，同时也能有效完善银行服务渠道，提高银行的效益。

　　在风险管理领域，基于数据仓库的应用仍有待加强，这也将是未来一个时期内我国银行业数据仓库应用市场的焦点。例如，在评估银行信用风险时，《办法》规定“商业银行可以采用权重法或内部评级法计量信用风险加权资产”。虽然内部评级法在信用风险计量和资本配置方面具有优势，但银行若想加以实施，则需要按照监管要求建立内部评级体系。该体系不仅要包括完善的治理结构、非零售风险暴露内部评级和零售风险暴露风险分池的技术标准、规范的内部评级流程、量化的风险参数，更要提供支持内部评级、实现风险评估和风险参数量化的数据仓库应用平台。因此，面向风险管理领域的数据仓库应用平台建设情况将直接体现银行未来的核心竞争力。当然，该平台将涵盖银行内部各业务层次的风险，并对各类风险进行全面有效识别、计量、监测和控制，风险种类包括信用、市场和操作等各类风险。

　　3.未来数据仓库的关键技术要求

　　为达到上述目标，未来我国银行数据仓库应用必须在模型化、参数可配置化以及可追溯性方面满足更高的技术要求。首先，未来我国银行数据仓库应用将会强化以数理统计模型为主的定量分析，因此，如何配合业务目标开发适合不同银行特征的模型，将是评判该应用好坏的关键性指标。其次，参数的可配置化也是未来发展的必然要求。数据仓库应用需要提供丰富的参数配置选项，用户可以根据实际需要自主进行参数设置，系统能够“实时”给出最终的评估结果。可追溯性也将成为影响数据仓库系统成功的重要一环。由于数理统计模型日趋复杂化，参数设定灵活性日益增加，最终用户有时很难理解评估结果的可信度。因此，如果能将输入数据、模型评估过程细节和输出结果间的逻辑关系以图形化方式显示出来，将会大大提升用户对系统的信任度，有效杜绝各类垃圾信息的产生。

　　未来，基于数据仓库将逐步研发银行风险管理、客户管理等应用， 因此， 最终用户对于数据的“ 实时性” 要求将会日益显著。“实时性”不仅意味着业务数据到仓库数据转换过程时间显著缩短，同时要求数据仓库内部数据处理过程时间明显压缩。按照设定条件，用户可以及时获取所需的信息，因此，数据“实时性”的要求将对数据仓库体系架构设计和数据管理提出更高的要求。

　　时代为我国银行业未来的竞争提供了平等机会。如何抓住这一机会，取得突破， 是目前各银行需要深入思考的问题。只有正视现实，解决理念、技术、人才等各方面的问题， 脚踏实地推进数据仓库在机构内部的全面深入应用， 银行才能在未来激烈的市场竞争中占得先机。