金融信息增值服务系统.ppt

《金融信息增值服务系统.ppt》由会员分享，可在线阅读，更多相关《金融信息增值服务系统.ppt（19页珍藏版）》请在三一办公上搜索。

1、1,第十章 金融信息增值服务系统,第一节 金融信息增值服务系统概述第二节 金融信息增值服务系统的体系第三节 商业智能中的数据仓库技术和数据挖掘技术,2,关于金融信息增值服务系统的重要性；关于金融信息增值服务系统的基础-金融综合业务处理系统的特点、应用软件开发平台及其实例,第一节 金融信息增值服务系统概述,3,1、金融信息增值服务系统的重要性在于？2、金融信息增值服务系统的基础是什么？3、金融综合业务处理系统的特点是什么？4、金融综合业务处理系统应用软件开发平台？5、金融综合业务处理系统的实例,第一节 金融信息增值服务系统概述,4,5,关于客户信息与服务系统、信贷经营管理系统、金融企业内部管理信

2、息系统、企业理财的智能系统、金融监控与预警系统、智能化的银行决策支持系统等内容,第二节 金融信息增值服务系统的体系,6,金融信息增值服务系统的体系的内容？,第二节 金融信息增值服务系统的体系,7,金融信息增值服务系统的体系,客户信息与服务系统信贷经营管理系统金融企业内部管理信息系统企业理财的智能系统金融监控与预警系统智能化的银行决策支持系统,8,关于商业智能系统的功能和应用领域、对数据仓库的需求；关于数据仓库的含义、组成、建置方案、实施、解决方案实例、数据挖掘技术及其应用,第三节 商业智能中的数据仓库技术和数据挖掘技术,9,1、商业智能的功能？2、商业智能系统的主要应用领域有哪几个方面？3、商

3、业智能系统对数据仓库的需求原因？4、数据仓库的含义、基本特点？5、数据仓库的组成？6、数据仓库的实施过程？7、OLAP的特点？8、数据挖掘的含义？,第三节 商业智能中的数据仓库技术和数据挖掘技术,10,1、商业智能的功能？,商业智能系统具备如下两个主要功能：(1)像对待最宝贵的资源那样，能对来自电子支付系统和来自Internet中 的相关的综合数据，进行有效的管理。(2)能快速、准确地深入分析上述治如烟海的数据，从中找出有意义的信 息，再将信息转化为知识，将知识转化为竞争优势。就是说，要能对数据资源 进行及时的有效开发和利用，从而作出更好的商业决策。,11,2、商业智能系统的主要应用领域,（1

4、）市场营销关系,（2）可营利性分析,（3）降低成本,通过商业智能可分析：金融企业的利润来自何处，哪类产品对利润贡献最大，广告费用是否与销售成比例，何种产品或系列产品可淘汰等诸如此类的问题。,商业智能系统在这领域的应用，是使金融企业真正建立以客户为中心的体制，使企业的目标、员工、商务处理流程、基础设施等，全都集中丁实现如下要求：依据客户的需求，来制订企业的产品、服务，以及同客户进行实时交流。在客户划分、客户获得、赢回客户、交叉销售、客户保留等方面应用商业智能技术，可有效地赢得客户，增加金融企业的利润。,通过数据分析金融企业可确定，应从哪些对企业影响最小的领域降低成本，如何降低成本等问题。,12,

5、3商业智能系统对数据仓库的需求原因,商业智能系统不仅使用业务数据库，而且更需要数据仓库。主要原因有以下几方面：(1)业务数据库不保存许多历史数据，若从时间上分析问题，则需要用到许多历史数据。(2)业务数据库通常不存储小结性数据如每日、月、季、年的统汁数据等，而为了加快数据分析，数据仓库需要存储这些小结性数据。(3)数据分析要处理大量数据，性能速度)是关键，不能忍受从远程业务数据库中抽取数据。(4)数据分析中的查询，要动用大量的系统资源，系统的负担大。若把这样大的负载加到业务系统中去，会影响业务系统的正常反应时间。(5)数据分析不仅需要内部数据，还常常需要外部数据，而业务系统一般不装载这些外部数

6、据。(6)数据分析需要一致格式(如相同日期格式、相同货币单位等)的数据。,13,4、数据仓库的含义、基本特点？,20世纪80年代中Bill Inmon首次提出“数据仓库”（Data Warehouse)这一名词。数据仓库是面向主题的、与时间相关联的、一致的和集成的数据仓储，主要用来在整个企业范围内提供决策支持的手段和工具。数据仓库的起本特点有以下几方面：(1)是一致的集成的中央数据仓储。以保证各种应用所获得的数据的一致性。(2)能支持复杂的查询方式。数据仓库中采用的联机分析处理OLAP(Online Analytical Processing)技术的查询方式，比传统的联机事务处理OLTP技术要

7、复杂得多。OLAP中的查询都是复杂查询，要联合搜索很多表，查询的结果常常很大，如几千条记录，还要根据返回的信息作进一步的数据挖掘，以获得决策支持所需的信息。(3)有详尽的历史数据。这是决策支持所必须的。由于需要存储详细的历史数据，数据仓库的容量一般会增长很快。(4)系统的可扩展性。数据仓库的重要特点是，随着应用的增加，其数据量快速增大。因此，数据仓库对系统的可扩展性要求很高，包括硬件平台的可扩展性和软件平台的可扩展性。,14,5、数据仓库的组成,15,6、数据仓库的实施过程？,16,7、OLAP的特点？,联机数据分析处理(OLAP)技术，是以灵活、可用和及时的方式，构造、处理和表示综合数据的一

8、种技术。它是从商业角度来组织数据的，而不是按通常的行、列和表来组织数据。OLAP作为一种数据分析技术，具有快速性、可分析性、多维性、信息性等特点。快速性是指具有快速反应能力;可分析性是指它具备逻辑分析和统计分析能力：多维性是指它能将数据依不同条件群集起来，用户可自由捡索各维的数据，这是说可提供多维视图，包括对层次维和多重层次维的支持;信息性是指无论数据量有多大，也不管数据存于何处，它都能及时获得信息，并能对大量的信息进行管理。,17,7、OLAP的特点？,上述各种特性中，多维性是OLAP的关键属性，多维分析是分析企业数据的最有效方法，是OLAP的灵魂。因此OLAP也常被称为共享多维数据的快速分析。,18,8、数据挖掘的含义？,数据挖掘(Data Mining)就是从大量的、不完全的、有噪音的、模糊的、随机的数据中，提取隐含其中的、有价值的信息和知识的过程。数据仓库中的大量数据，就蕴藏着许多未被发现的销售机会，数据挖掘工具就是用来发掘这些机会的。从大量数据到知识发现，需要借助数据挖掘工具的信息提炼技术，去发掘关联数据，掘示关联数据之间助联系、模式与发展趋势，进而揭示预测模型。例如，挖掘工具可从数据仓库中帮助零售商发现，谁是最佳用户，他们可能买什么，在一天中的什么时间买，以什么组合方式买；进而，还能帮助企业优化库存、价格和销售规划，并引导顾客买更多的东西。,19,-完-,