商業銀行數據分析系統的設計及運用范文

本站小編為你精心準備了商業銀行數據分析系統的設計及運用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：隨著商業銀行計算機與信息技術、客戶群體以及各類產品的不斷發展，商業銀行積累了海量的珍貴數據，這些數據所蘊藏的巨大價值也越來越被決策層重視起來。在深入分析商業銀行數據應用現狀及現有的信息管理系統中的基礎數據平臺系統存在問題的基礎上，提出了可靠和高效率的2種商業銀行數據分析系統模型，并對挖掘出來的數據如何進行使用及如何轉化成效益進行了詳細的研究，對商業銀行的發展具有重要的現實意義。

關鍵詞：數據分析；數據挖掘；大數據；云計算

0引言

商業銀行作為經營信用、貨幣的企業，面向的客戶是幾乎全方位的，同時銀行業的競爭也是異常殘酷的[1]。從網點、ATM、POS、網銀、手機銀行乃至其他網絡信息等各類渠道數據信息中，挖掘、分析出有效的數據，可以增加營銷效率、加快產品創新，快人一步擴大業務發展空間和市場份額[2]。大數據可以使商業銀行決策由經驗依賴到數據依賴的轉變，實時、深入地把握業務和市場動態，從而更加科學、有效地決策，讓商業銀行能夠穩健、可持續發展[3]。大數據的挖掘、分析可以有效地提高商業銀行精細化管理水平，在風險控制、成本核算、資本管理、績效考核等各個方面發揮出巨大作用，讓經營管理能力大幅提升，更理性、更高效、更精確[4]。

1大數據技術

1.1HadoopMapReduce技術

Hadoop是一種分布式系統的平臺，通過它可以很輕松地搭建一個高效、高質量的分布系統[5]。Hadoop的最核心的設計思想：MapReduce是Hadoop的核心組件之一，Hadoop主要包括2部分：一是分布式文件系統HDFS,HDFS為海量的數據提供了存儲；二是分布式計算框MapReduce，為海量的數據提供了計算。MapReduce是大規模數據計算的利器，Map和Reduce是它的主要思想，Map負責將數據打散，Reduce負責對數據進行聚集。Hadoop采用并行工作模式，同時維護多個工作數據副本，確保失敗的節點能夠重新分布處理，具有可靠、高效、可伸縮、低成本的優點。

1.2NOSQL數據庫技術

NOSQL(NotOnlySQL)數據庫是指非關系數據庫。這是相對于傳統關系數據庫提出的概念，隨著Web2.0網站的興起，數據量越來越大，傳統關系型數據在處理大數據、實時讀寫以及多表聯查已經越來越力不從心，而NOSQL以鍵值對存儲，機構不固定，每個元組可以根據需要增加、減少鍵值對，減少了時間和空間的開銷，同時NOSQL可以處理大數據，能夠良好地運行在廉價的PC服務器機器上，便于擴展[7]。

1.3內存分析技術

內存分析(In-memoryAnalytics)技術是在內存中直接獲取分析數據。隨著64位操作系統的普及，系統可用內存大幅度提升，同時由于工藝不斷成熟，內存容量不斷，價格不斷下降。由于內存容量暴增，人們開始直接將數據預讀到內存中，對內存中的數據進行分析加工，而不用如傳統的那樣將數據反復不斷地讀入內存、寫入磁盤，從而極大地提升了數據分析效率。

2商業銀行數據應用現狀

目前，商業銀行對于大數據的挖掘還處于起步階段，沒有一個在設計之初就目標明確的定位于大數據挖掘、分析的系統[8]。現有的幾個與數據挖掘相關的管理信息系統有PCRM系統（個人優質客戶系統）、RPTS系統（綜合報表系統）、GDP系統（基礎數據平臺系統）等，這些系統在設計之初就具有先天的局限性，它們僅僅是針對某個或者某幾個業務部門的應用開發的，遠遠還談不上大數據分析。同時這些系統由于沒有統一的規劃設計，物理架構大致相同，一些重要數據，如定期、活期主檔及明細表全部重復加工，造成人力、財力的浪費，效率較低[9]。在上面提到的幾個管理信息系統中，GDP系統是相對比較典型的應用，現在對GDP系統物理架構和邏輯架構進行分析。如圖1所示的GDP物理架構圖，采用成熟的3層B/S架構，2臺乃至多臺PC服務器部署WEB前置服務，做表示層；由1臺小型機部署應用服務程序，做邏輯層；1臺小型機上運行數據庫系統，做數據訪問層。數據庫由控制庫和日終庫組成，其中控制庫使用SYBASEASE庫，將不同的處理任務劃分成一個個的作業鏈，作業鏈中包含不同的作業，通過對作業和作業鏈調度次序進行控制；日終庫采用SYBASEIQ庫，對日終數據進行高效處理。控制庫與日終庫可在同一臺小型機上。2臺PC服務器使用IBMWebSphere部署高可用集群，提供WEB服務，包含作業調度服務和前臺展示。

3構建商業銀行數據分析

系統模型商業銀行作為傳統金融企業，與新興的互聯網企業不同之處在于：行內的數據中含有許多機密、隱私的信息，同時無論媒體還是客戶都關心銀行數據的安全性。在數據挖掘、分析包括使用的時候，效率與安全的選擇需要慎重考量。為了避免資源的浪費，本文在設計模型前，必須對現有數據進行詳盡分析，剔除重復、無效的數據，將有效數據進行分類。商業銀行數據應用中大致可以分為2種類型：一類是高可靠數據，以數據的準確性為主，需要提供給統計部門、核算部門及監管部門，對于這類數據我們必須在使用前進行數據清洗、篩選后，才能夠真正使用；另一類則不需要很精確，只需要一個大致數量級或者一個大的方向，主要供決策層、管理經營層及產品研發、營銷等部門使用，對于這類數據其實才是真正符合現今大數據的概念，無需對數據進行清洗，可以直接進行挖掘。針對側重于安全可靠和快速高效這2種不同的需求，以及結合商業銀行現有技術發展，本文設計出下面2種模型。

3.1高可靠模型

基于商業銀行對數據的精度要求較高，在設計模型時首先考慮的是數據的完整性和安全性，其次才考慮效率等其他的問題。因此，本文對現有成熟和完備的商業銀行GDP系統3層架構和業務定位深入分析的基礎上，進行了一些改進，克服現有GDP系統3層結構的不足。

3.2高效率模型

對于商業銀行精度要求不高，但是非常具有時效性和海量的數據，不需要考慮數據的完整性、安全性。為此，本文使用一些互聯網的新技術以及開源的軟件，拋棄原有3層架構，引入大數據挖掘新技術，實現大數據的挖掘需求。

4數據分析

當將海量的數據挖掘出來后，怎樣使用這些數據？投入這么多人力、物力當然是希望它能帶來更多的收益，怎樣將數據變成收益？這就需要對數據進行分析，結合自身以及行業的現狀進行分析。在傳統的數據中，以少量的數據為依據，以數據的準確性為目標進行的統計工作，其實這樣的統計是有偏差和片面的。而大數據則以海量數據為依托，強調數據的完整性、綜合性和復雜性，通過答題輪廓，捕捉發展脈絡，確定未來發展方向。從決策層出發，大數據可以為我們更快地找出未來銀行的發展方向，最大限度地避免在決策方向上出現偏差。一直以來商業銀行的決策是由個人或小團隊進行的，但是在這些決策中往往有很多依靠過往的經驗、主管判斷的，這就帶來決策缺少扎實的依據，很多決策適合一些地方，但在另外一些地方卻未必很適合。特別是現在科技發展日新月異，對傳統銀行業帶來了巨大的沖擊，原來的很多經驗不但不能帶來幫助，甚至會制約決策層的思維，決策遠遠滿足不了前瞻性、有效性和針對性的要求。

而大數據的分析則可以更準確、更快捷地幫助決策層把握脈絡，從而做出具有前瞻性、及時的、精準的決策。從管理執行層來看，通過大數據的分析可以更快捷地推出精品產品，更有效地營銷客戶，更高效的使用行內各種資源，提高管理能力，創造更多利潤。通過大數據的分析，管理層能夠分析出哪些產品受哪些客戶的喜好，分析各類客戶都有什么需求，可以根據這些有針對性地開發一些受客戶歡迎的產品。可以對一些高質量的VIP客戶進行分析，對他們的資金利用進行跟蹤，盡量將資金鏈鎖定在行內，利用資金空閑時段進行中間業務的營銷，可以對這些客戶在貸款的利率上進行一定幅度的優惠等等。可以對基層行、網點人員效率進行分析、優化，對行內的電子設備，如ATM、POS機等進行分析，在使用量龐大的地方可以加大投放，收回一些效率低下的設備等等。從監管層來看，通過大數據的分析可以更加直觀、有效地對商業銀行的合規經營做出監管。可以從大數據中對各地的經營、營銷費用、采購招標等需要進行監管的地方進行分析，一旦發現某個地方有異常情況，就可以進行重點關注、重點監管，而不是像以前那樣無差別的監管，或者靠經驗去進行監管，從而能夠更快、更有效地進行監管，提前去發現問題，制止問題事件的擴大，為商業銀行減少損失，更有效保障商業銀行的利益。

5結語

大數據在商業銀行決策、生產運行和經營管理中越來越重要，構建商業銀行自身的大數據挖掘、分析系統已經迫在眉睫了，如何構建大數據分析系統、利用分析系統實現數據到價值、利潤的轉化，這需要不斷的研究。本文通過深入分析商業銀行的數據分析現狀，總結其數據分析的優、缺點。并針對側重于安全可靠和快速高效2種不同需求，以及結合商業銀行現有技術發展，設計了商業銀行數據分析系統，使商業銀行從珍貴數據中分析、挖掘對其戰略發展和業務經營有巨大推動作用的信息。

參考文獻：

[1]薛良飛.云計算在新型信息化系統中的綜合研究[D].濟南:山東大學,2013.

[2]李斌,黃治國,彭星.利率市場化會降低城市商業銀行投融資水平嗎？——基于中國24家城市商業銀行數據的實證研究[J].中南財經政法大學學報,2015(1):40-47.

[3]方先明,蘇曉珺,孫利.我國商業銀行競爭力水平研究——基于2010—2012年16家上市商業銀行數據的分析[J].中央財經大學學報,2014(3):31-38.

[4]劉曉茜.云計算數據中心結構及其調度機制研究[D].北京:中國科學技術大學,2011.[5]陸嘉恒.Hadoop實戰[M].北京:機械工業出版社,2012.

[6]張世明,徐和祥,錢冬明,等.云架構模式下“網絡學習空間人人通”體系探析[J].華東師范大學學報(自然科學版),2014(2):30-39.

[7]江務學,張璟,王志明.云計算及其架構模式[J].遼寧工程技術大學學報(自然科學版),2011(4):575-579.

[8]韓浩.大數據技術在商業銀行中的運用探討[M].蘇州:蘇州大學,2014.

[9]廖湘科,譚郁松,盧宇彤,等.面向大數據應用挑戰的超級計算機設計[J].上海大學學報(自然科學版),2016,22(1):3-16.

作者：邱慧麗 單位：宿州學院智能信息處理實驗室