第一章計算機技術及其在金融業(yè)中的應用-閱讀頁
2025-08-15 01:32本頁面
【正文】 ata Warehouse，DW）的概念：“DW是20世紀90年代信息技術架構的新焦點，它提供集成化和歷史化的數據，集成不同種類的應用系統(tǒng)，DW從事物發(fā)展和歷史的角度來組織和存儲數據，以供信息化和分析處理之用?！币虼?，數據倉庫是一個環(huán)境，而不是一個軟件產品。金融業(yè)建設數據倉庫的目的，就是要通過它分析業(yè)務數據與信息，發(fā)現全新的視野、新問題和新的想法，進而發(fā)展出制度化的決策系統(tǒng)，并獲取更多大經營效益。二、數據倉庫基本體系結構為了能夠將已有的數據源提取出來，并組織成用于決策所需的綜合數據形式，一個數據倉庫的基本體系結構應有以下幾個基本組成部分：（1）數據源，指為數據倉庫提供最底層數據的運作數據庫系統(tǒng)及外部數據。（3）集成器，將從運作數據庫中提取的數據經過轉換、計算、綜合等操作，集成到數據倉庫中。根據不同的分析要求，數據按不同的綜合程度存儲。（5）客戶應用，供用戶對數據倉庫中的數據進行訪問查詢，并以直觀的方法表示分析結果的工具。早期數據倉庫的建立多采用手工編程方式，如COBOL和4GL；現成工具有Informix的Infomover和Prism、Carleron等。從節(jié)約成本和降低復雜性出發(fā)，應優(yōu)先考慮關系型數據庫管理系統(tǒng)。（3）數據倉庫管理工具，具有對系統(tǒng)資源的使用情況、用戶操作的合法性、安全管理、存儲管理等內容進行管理，如HP公司的Open View產品就能夠提供這些功能。（5）聯機分析處理（OLAP），是一種軟技術，目標是滿足決策支持或多維環(huán)境特定的查詢和報表需求。“維”是人們觀察數據的特定角度。而多維分析指對以多維形式組織起來的數據采用切片、切塊、旋轉、向上歸納、向下觀察等各種分析動作，以求剖析數據，使最終用戶能從多角度、多側面地觀察數據中的數據，從而深入地了解包含在數據中的信息。（6）數據挖掘工具，數據挖掘是一種從大量數據中發(fā)現潛在數據模式、做出預測性大分析工具，是現有的人工智能、統(tǒng)計學等成熟技術在數據庫領域中的應用。（7）Internet訪問工具，指可通過Internet在任意地點訪問到數據倉庫中數據。金融業(yè)的數據倉庫建設比其它應用系統(tǒng)規(guī)模更大、投資更多、風險也更大，實施數據倉庫不僅要建立數據倉庫的基礎實施，還要在每天處理總賬后再進行數據加工，并存入數據倉庫。單從數據倉庫建設主題來看，它包括原始數據、主題數據倉庫、知識與方法可等建設。要完成工作有：數據采集、數據清理、數據轉換、數據集成和數據加載。（2）數據倉庫面向主題的，不可能一次性建好一個銀行級數據倉庫，而應堅持“從全局考慮，從局部入手”的原則。（3）數據倉庫的建設是一個循環(huán)往復、螺旋式上升、不斷發(fā)展、不斷完善的過程。四、數據挖掘技術網絡時代，大量的信息在給人們帶來方便的同時也帶來一些問題：一是信息過量，難以消化；二是信息真假難辯；三是信息安全難保證；四是信息形式不一致，難一統(tǒng)一處理。人們考慮：“如何才能不被信息淹沒，而是從中及時發(fā)現有用的知識、提高信息利用率？”面對“數據豐富而有用信息貧乏”的現象，數據挖掘和知識發(fā)現技術應運而生。從商業(yè)角度看，數據挖掘是一種新的商業(yè)信息處理技術，是對商業(yè)數據庫中的大量業(yè)務數據進行各種處理，從中提取輔助商業(yè)決策的關鍵性數據。數據挖掘可描述為：按企業(yè)既定業(yè)務目標，對大量的業(yè)務數據進行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性，并進一步將其模型化的先進有效的方法。它們都使用下述分析方法：（1）決策樹方法（Decision Trees）。如給湖客戶的特征，可以用該方法判定這個客戶是能給企業(yè)帶來效益的客戶，或是帶來隱患的客戶。通過學習待分析數據中的模式來構造模型，圖像分析是神經網絡最成功的應用之一。（3）聚類檢測（Clustering Detection）。聚類的過程是以某一特定時間為依據，找出共享某些公共類別的群體。也稱關聯規(guī)則發(fā)現。用來從記錄交易內容的數據中采集有用的知識，即搜索數據倉庫中的條目和對象，尋找出現重復率很高的模式，它展示了數據間未知的依賴關系。（5）關聯分析算法（Link Analysis）。（6）遺傳算法（Genetic Analysis）。可起到產生優(yōu)良后代的作用。遺傳算法已在優(yōu)化計算方面發(fā)揮了顯著作用。數據倉庫與數據挖掘從不同的側面完成對決策過程的支持。建立數據倉庫的目的是能夠按主題存放海量數據，從大量數據中尋求有用的信息。數據倉庫與數據挖掘技術為電子商務環(huán)境下的金融機構提供了強大的信息處理工具，并協(xié)助他們發(fā)現存在的問題，且能準確地定位。工具不是重要的，隱藏在他們背后的觀念才是最重要的，只有觀念才能將相互不關聯、獨立使用、目標不相同的技術轉化為整體的信息系統(tǒng)。以銀行為例，建立銀行數據倉庫的目的，是把銀行的內部數據（主要來自面向交易的綜合業(yè)務系統(tǒng)和其他業(yè)務部門、管理部門自行維護的數據）和外部數據（如有關的國家宏觀經濟信息、互聯網的有關信息等）進行有效的集成和分析，為決策者和管理者提供有用的決策信息，從而提高整體管理水平，增加銀行的效益和利潤。在貸款定價方面，某些大客戶要求下浮利率，銀行單從一筆貸款看甚至要虧損，但又很難得到這個客戶的平均存款余額、本外幣結算量、各種中間業(yè)務的手續(xù)費收入等數據，因而難下決策，貽誤商機。而且，國內實施數據倉庫建設還要面對銀行交易零散、缺少數據結構說明等困
外語相關推薦
鄂ICP備17016276號-1