应用数据仓库技术创建金融信息管理系统

数据仓库技术目前在各个方面都有着广泛的应用，尤其在金融方面的使用十分常见。为了能够使得金融机构可以更好的对金融信息进行管理和使用，本文主要对于将数据仓库技术应用在金融信息管理系统中的设计方案进行了介绍及分析，对于金融数据仓库的总体的结构、分析的主题以及金融数据模型的设计方案等进行了分析，希望能够给出一定的参考价值，可以通过数据仓库技术来提高金融机构在市场上的竞争能力。

【关键词】数据仓库技术 金融 信息管理系统

1 数据仓库技术应用重要性

随着科技的发展、社会的进步，我国的信息化建设方面得到了飞快的提升，而与此同时金融机构为了能够提高自己的竞争能力，对自身的经营情况有一个及时的掌控。并且能够根据现在的经营情况给出一个其未来的发展趋势，对于金融数据的监控管理逐渐的受到了越来越多的人的重视。目前来看，各个金融机构的下面的营业部有着各个时期的针对于各种的应用编制的专门的系统，这些系统具有很好地移植性，能够在不同的平台上使用，并且这些系统有着不同的数据结构。如果想要生成一个汇总的、能够跨越多个系统的综合的统计报表，往往需要很长的时间，甚至有些时候需要编写一个特别的软件才能够时间，而随着使用的历史数据的不断增多，这种现象会变得越来越明显，很多金融机构难以应对这种问题。而且由于一些金融机构对于自身的经营情况并不是十分的了解，这倒是服务质量难以从根本上得到提升。因此，数据仓库技术的应用得到了人们的青睐，能够解决人们的这些问题。数据仓库技术不但能够做到数据的集中式处理，而且能够进一步的提供出多种灵活的数据分析的方法，因此在金融机构中得到了很好地应用。因为数据的集中处理不但可以提高业务的处理效率，还可以更好的帮助金融有机构管理以及监控自身的经营情况。所以，将数据仓库技术应用到金融信息管理系统中，有助于金融系统在市场竞争中保持着更大的优势。

2 数据仓库技术

2.1 数据仓库定义

所谓数据仓库，指的是一个面向主题的、集成的、不是易失的，并且是由随着时间的变化数据集合构成的，可以将其用来支持管理人员的决策。数据仓库中，应该包含着一系列的分析需要的数据，并且与此同时还应该包含着处理数据所需要的相关程序。

2.2 数据仓库特点

数据仓库本身具有面向主题的特点，这种特点指的是仓库中的数据是由和一个组织或者企业的主题相关的数据组成的，而那些和企业的主题无关的数据则会被扔在数据仓库之外。

与此同时，数据仓库本身是集成的，并且内部的数据是非易失的，以及这些数据是随着时间的变化的，记录了不同时间的系统的相关数据。

3 金融数据仓库

使用数据仓库技术能够很快速有效地获取到有价值的金融数据，因此目前得到了较为广泛的应用，下面对其进行进一步的介绍。

3.1 总体结构

使用数据仓库技术能够很快的获取到那些比较有兼职的金融数据，金融信息管理系统的结构是由基础系统网络、数据采集和集成、数据仓库以及数据分析等多个部分组成的，且各个部分之间具有着一定的作用，彼此之间的相互作用构成了一个层次比较清晰地金融信息分析环境。

根据一般的金融机构内部对于金融信息的具体应用的相关需求，可以从功能的角度将整个系统设计分为数据获取、数据管理、分析处理以及信息服务等着几个层次，不同的层次具有不同的工作，如下：

3.1.1 数据获取层

这一个层次来说，其主要的作用是从源数据库中获取到交易的数据、客户的数据以及相关的财务数据还有市场数据等内容，在对其进行清理之后将其加到数据仓库的数据库中，然后数据获取层就能够通过对数据抽取机制进行设置的方式来对正在交易的数据或者财务系统中发生了改变的数据进行收集以及截取，同时利用制备的事物库来对数据仓库中的内容进行更新。

3.1.2 数据管理层

对于这一层来说，其主要的作用就是建立一个多维的数据模型，该模型主要是以客户、行情、财务等为主题构成的，同时设置一个刷新的机制，通过对数据进行及时的刷新来反应数据源的变化，同时还需要转储数据仓库中的数据。如果每个更新周期内都对数据仓库内部的数据进行更新，那么操作会十分的麻烦因此显得不是很现实，所以采取渐增的方式来对其内部的数据进行更新，并且将更新后的数据存储到数据仓库中，从而对已有的数据进行保护。

3.1.3 分析处理层

这一层主要是对客户进行分析，对销售的情况、市场的行情等情况进行分析。通过分析这些情况得出一个结论，通过分类的方式来给客户提供一个比较合适的服务以及投资的具体策略，从而使得金融系统更加的智能化。

3.1.4 信息服务层

这一层次主要具有风险预警的功能，对于经营提出相关的建议，为个性化的服务以及信息的咨询等提供相关的功能。

3.2 分析主题

数据仓库技术是一种针对主题进行分析的技术，其主要是从最基本的主题开始，然后不断地发现新的主题，对于已经有的主题进行不断地完善，最终创造出一个面向主题的分析型的数据环境。在金融信息管理中，金融机构为了能够在客户服务、扩大经营以及防范风险等多个方面都做出最正确的决定，往往会根据数据仓库中的数据来对现在的经营状态、交易情况、市场行情等业界比较关系的主题进行分析，然后在此基础上在进行决策。其主要的分析方面包括下面的内容：

3.2.1 客户分析

在数据仓库中，其内部存储着很多的客戶相关的数据，其中包括者酷虎的相关资料以及客户在实际的操作的过程中留下的行为数据等，通过这些数据能够得到很多客户的信息，了解到客户的偏好以及基本情况等，然后将刻画的行为和市场上的各种因素联系起来进行分析和统计，就能够为每一位客户提出一种具体的、有着直接针对性的建议，这些建议是针对客户的行为得出来的因此十分的具有针对性，从而能够很好地实现个性化服务。对于客户提出的问题，可以通过借助数据仓库的方式对于客户的投资习惯以及资金的情况进行分析，然后提供出一个比较明确的答复，这个答复是针对于这个用户本身的，能够保证客户很好地接受投资建议，并且及时的修正自己的投资操作，保证获得更好的收益。

3.2.2 行情和交易数据的分析，也是十分重要的

数据仓库中存储着与此相关的内容，相关人员可以根据这些数据，结合市场上的情况对市场的行情走势进行分析，也可以根据用户的交易数据分析出交易的基本情况在金融业的大趋势的情况下的一个总体的变化规律，并且根据这些规律做出一个趋势分析。

3.2.3 资金数据分析

数据仓库中还存储着用户的资金数据的相关信息，但是这些信息数据敏感数据的范围，也是金融结构中比较敏感的一个部分，如何对金融机构的营业部的资金风险进行控制，对于金融机构来说显得尤为重要，而且这是一个长久并且十分重要的任务。通过对于资金数据的分析，能够得出相关的风险走势，从而对于营业的风险进行很好地控制，同时还可以改变公司总部的资金控制的模式，保证公司的盈利。通过对公司内部的各个营业部之间进行横向的比较，能够对公司内部的资金情况有一个更好的了解，这样对于风险的预警有着十分重要的作用。

3.2.4 对营业部的经营状况进行分析

将数据仓库技术应用到金融信息管理系统中，通过对下属营业部的交易以及资金情况的采集，能够及时的掌控营业部的经营情况，并且结合营业部的状态，及时的做好下一步的打算，为公司的经营获得最大的收益做出最好的打算，提出具有建设意义的经营意见。

3.3 金融数据模型设计

综上，使用数据仓库进行来创建一个金融信息管理系统，由于数据仓库技术本身是集中地、面向主题的，因此在设计金融数据模型时，需要设计3个层次的数据模型，高层模型是实体关系层，中层模型层主要是数据项集，而底层模型则是物理层。高层模型主要是由分析主题的关系确定的，高层模型和中层模型之间是一种逻辑上的数据组织形式，而底层的模型则是根据逻辑模型对应的物理表结构进行创建的。其中高层模型主要是将其分为上述几个子题，而其中客户分析是从不同的角度为管理人员提供客户群體以及重点的客户的相关信息，通过动态的反映刻画的情况来对客户进行评估，因此可以将可以客户分析进一步的分为客户分类分析、客户交易分析、客户账户分析、客户价值分析等几个子主题。

4 结论

数据仓库作为一种数据管理和分析的技术，在企业的管理中得到了广泛的应用，本文主要对其应用于创建金融信息管理系统的情况进行了介绍，希望能够起到一定的参考价值。

参考文献

[1]房道伟，周国义.应用数据仓库技术创建金融信息管理系统[J].河海大学常州分校学报，2007（03）：55-57.

[2]李慧，闻豪.基于数据仓库的OLAP技术的研究[J].电脑知识与技术，2005（02）：77-81.

[3]赵军.呼叫中心系统的开发与测试[D].吉林大学，2004.

[4]吕骅.基于数据仓库技术的决策支持系统研究与实现[D].河海大学，2003.

[5]周维.基于数据仓库的管理信息系统的研究[D].昆明理工大学，2002.

[6]向坚持.数据仓库技术及其应用研究[D].湖南大学，2001.

[7]李敏强，潘振江，寇纪淞.基于数据仓库技术的决策支持系统的研究与应用[J].系统工程理论与实践，1998（03）：15-20.

作者简介

宋佳镁（1995-），女，吉林省长春市。吉林财经大学管理科学与信息工程学院2018级本科毕业生，信息管理与信息系统专业。主要研究方向为金融信息化。

作者单位

吉林财经大学管理科学与信息工程学院 吉林省长春市 130046