数据仓库技术及其在银行业的应用 ■ NCR Teradata 数据仓库事业部 王闯舟 利用先进的数据仓库技术建立集中的、包含详细交易数据的商业智能解决方案，已经成为各大银行对内加强经营管理和决策支持，对外更好地了解客户需求，开发新产品或服务，利用现有渠道对客户进行交叉销售，增加赢利能力，并在特定的业务领域提供差异化服务的重要手段。 与前几年不同的是，大家目前都在谈论企业级数据仓库(EDW，Enterprise Data Warehouse)，对于数据集市的定位也基本形成共识，那就是数据集市应该从属于企业级数据仓库。所谓EDW，基本的要求是整个企业能够共享统一的数据存储模型，为各级业务人员提供一致的信息视图。实施时可以先根据需求的轻重缓急选择部分业务主题，然后逐步扩展到涵盖全部业务。 两种数据仓库体系架构 集线器结构 之所以把这种结构称为“Hub and Spoke”，是因为中央数据库汇合了来自各业务处理系统的数据，同时也负责向各从属数据集市提供信息，看上去象一个 Hub （集线器）一样。而业务人员在进行数据分析与信息访问时将根据需要连接到不同的数据集市，这种交叉复杂的连接看上去就象 Spoke(车轮辐条)一样。由于这样的关系，著名评估机构 Gartner Group 把这种结构的数据仓库形象地称为“Hub and Spoke Data Warehouse”。 集线器结构的企业级数据仓库 “Hub and Spoke”结构解决了企业内统一数据存储模型的问题，但从实际使用的角度来看仍有比较严重的缺陷。主要体现在两方面：一是业务人员对信息的访问非常不方便，很难进行跨数据集市或跨部门的信息分析。数据集市的存储模型需要根据预先定义的分析需求进行规划和设计，业务人员根据分工到指定的数据集市上去访问相关信息。假如需求发生变化，就需要对数据集市重新规划。这显然不能满足日益变化的市场需求。中央数据库只是起统一数据存储和刷新数据集市的作用，一般不提供信息访问。另一个问题是每个数据集市都需要相应的软硬件投入，当数据集市增加时，系统整体投资迅速增加，同时管理的复杂性也随之增加。这些都意味着巨大的整体拥有成本。 为什么不直接访问中央数据仓库而非要设计一个数据集市层呢？主要原因在于当中央数据库保存越来越多的数据、并发用户越来越多时，一般的数据库引擎无法承担这样的负载，只好把它们分解到不同的数据集市。 集中式结构 与前面讨论的“Hub and Spoke”结构相比，集中式结构与之主要的差别在于：数据集市分成物理...
