产品回报率 排名
经济资本指 标趋势
客户前十回 排名
存贷比仪表 盘
银行数据中心项目组
以统一数据架构，统一展现交互，统一需求管理三个统一为核心思想 构建统一的报表平台，提升数据报表的质量，用户体验和收益
整合系统 依托现有系统强大的数据加工能 力，将分散于系统中的报表统计 信息进行集中化 信息协同 分离报表的管理和加工运算过程 ，将报表的分类、定义、指标口 径等信息分离出来 ，形成面向业 务需求统一的报表管理中心 智慧决策 积累客户认识、市场分析等过程 中的智慧，在整合之后，辅以先 进的IT技术手段，向分析性报表 平台过度
业务分析
3. 声明数据应该遵循的规则
内容
质量
结构
银行数据中心项目组
借鉴标准数据模型落地的经验完成商业银行数据标准的模型化，数据 模型是数据标准落地的产物，是基于商业银行的数据的数据标准的体 现，要符合商业银行现有数据的标准体系和要求
全行统一数据标准
企业级数据模型
• • • •
1.数据标准实施方案建议 2.数据标准实施演进路线 3.数据标准数据质量检验 4.数据标准执行差异 5.数据标准日常问题收集


技术与方案成熟度
变革的管理难度
项目风险分析
项目之间的依赖关系
银行数据中心项目组
根据我们所理解的商业银行当前所面临的问题和业务部门的需求，我 们建议参考如下的数据中心应用平台实施规划
价值提升
中期：深化业务分析
深化报表平台 综合统计分析与KPI监控 客户价值分析 风险计量与监控 产品创新支撑
银行数据中心应用平台建设方案
银行数据中心项目组
议题
1.
项目背景与挑战 总体方案架构 方案建设要点
2.
3.
4.
项目实施计划
方案总结和案例分享
5.
6.
展示与讨论
银行数据中心项目组
商业银行在IT建设上成就卓著，但是近年来和其它城商行一样需要对IT尤其 是数据应用和管理进行优化以适应业务的快速发展和市场变化，我们认为需 从应用、系统、管理三大方面逐一突破，通过建设数据中心平台，并增强实 施数据治理来提升对经营管理分析的支撑
银行数据中心项目组
议题
1.
项目背景与挑战 总体方案架构 方案建设要点
2.
3.
4.
项目实施计划
方案总结和案例分享
5.
6.
展示与讨论
银行数据中心项目组
整体架构——概念模型
银行数据中心项目组
参考最佳实践和参考架构，制定商业银行数据平台的总体技术架构方 案，从应用架构、数据架构、ETL架构和管控架构等几个方面设计入 手，达到完整、全面、详细的要求，可全程直接指导项目的具体实施
项目利益分析
对业务战略及业务运营的支持 对管理改进的支持 对其它IT系统的影响 项目实施紧急程度
项目所需资源与能力
项目所需的资源，包括实施服务、 硬件和软件投资，IT与业务人员投 入等 项目实施所需的管理、业务和技术 能力

业务的准备度 项目实施难度
项目划分 及优先级
项目内部的关系，包括系统模块 间和实施业务单元间的依赖及主 从关系 项目之间的实施依赖关系
业务 风险
财务 客户
展示手段 时间、机构维度 历史趋势、机构排位 计划完成情况、预警
展示内容 全行的关键指标（KPIs)
银行数据中心项目组
采用价值树的KPI体系梳理方法，梳理出符合商业银行业务的关键指 标体系
银行数据中心项目组
管理驾驶舱专页示例——行长首页：将行长最关心的业务指标以非常 直观的方式在一个页面上进行集中展现，让行长能够快速、全面的掌 握银行的经营状况。并且这些页面我们可以在移动终端上进行脱机访 问 各分支行经营状况
灵活的架构 与集成方案 友好的用户 操作和体验
先进的软件 工具和平台 可落地的管 控实施办法
银行数据中心项目组
整体架构——组件模型概览
银行数据中心项目组
有价值的数据源分析过程是需要数据分析与业务分析相结合的过程
2. 试图解释和说明数据特征 1. 发现数据特征
数据分析
4. 利用数据对声明的数据 规则进行验证
战术目标
应对手段
构建数据中心平台，增强数据治理
突破方向
应用突破
系统突破
管理突破
需求多了
数据 不一致
时间短了
压力大了
面临挑战
资源紧张
数据孤岛
扩容难了
数据冗余
系统分散
应用讲效果
整合难了
投资要效益
银行数据中心项目组
数据中心应用平台不是一个单一项目，需要一系列项目按照规划渐进 上行，IBM从四个方面来进行项目的规划与路线图的定制，这样才能 保证项目投资的连续性和良好的投资回报率
应用级数据模型
•
银行数据中心项目组
数据标准模型化过程一般分为四个步骤，1）数据标准到概念模型，2 ）概念模型到逻辑模型，3）物理模型建立，4）ETL和应用的映射， 这期间逻辑模型是核心，即要从业务角度体现数据标准，又能满足数 据中心灵活可扩展的需求
逻辑数据模型（Logical Data Model） 是一种图形的展现方式，采用面向主 题的方法有效组织来源多样的各种业 务数据，同时能全面反映复杂的业务 规则，支持大量的分析应用。 为了能够更方便快捷地从 分析应用系统中抽取所需 要的信息进行全面、综合、 灵活多样的查询和分析， 支持决策分析，就需要重 新有效地组织原有业务系 统中的数据，满足以下要 求，这就是逻辑数据模型 的引入
远期：企业战略
全面风险管理 高端业务分析 提升决策支持
前期：平台建设
数据仓库平台建设 元数据管理平台 数据质量管理平台 分析型应用门户建立 基础业务报表 原有分析系统数据迁移
统一视图 平台建设 分析型门户建立
报表功能增强 KPI梳理与计量 经济资本计量 客户细分 风险计量
客户关系管理 Basel II数据管理 资产负债管理
逻辑数据模型使用统一的逻辑语 言描述业务，是数据管理的分析 工具和交流的有力手段；同时还 能够很好地保证数据的一致性， 是实现业务智能（Business Intelligence）的重要基础。 模型物理化是基于模型工具导出的物理模型。制定统一的命名规范，标准 字段、根据DB2/DPF 特性 指定表实体的存储空间、分区键、主键、索引
时间 8个月 8 – 11个月 1–2年 2–3年
银行数据中心项目组
本期建设的重点目标管理驾驶舱 —充分利用数据中心应用平台的建 设成果，建立全面、便捷、直观的关键经营指标展示平台，以压力表 盘、雷达图等多种方式直观的显示企业关键经营指标，为高层管理提 供’一站式’决策信息
关键经营指标Biblioteka 含服务对象 银行决策层