中国商业银行应实施数据仓库，本文主要内容关键词为：商业银行论文,中国论文,数据仓库论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、前言
根据Tower Group公司1998年10月的研究，1999 年全球金融机构将投资54亿美金实施数据仓库系统，其中欧美地区占80%的市场份额，其次为亚太地区，在美国实施数据仓库的单位以大型金融机构为主，项目启动的资金为5百万美金以上；1998年在全球500家大的银行中已经有将近90家的数据仓库数据量超过500GB，预测在1999年将有150家，2000年有260 家；数据仓库是金融机构实现顾客关系管理（Customerrelationship Management）的核心技术， 也是金融业竞争优势的来源，主要的应用业务部门为信用卡部、信贷部、市场部和零售业务部等，应用领域是以客户为中心的分销渠道管理、客户利润分析、客户关系优化和风险控管。
造成欧美地区金融机构采用数据仓库技术、提供以客户为中心的个性化服务（Oneto One Marketing ）的背景原因如下：首先是金融服务市场的开放竞争，如AT&T电话公司的电话卡可以透支打电话、福特汽车公司的购车信用分期付款、零售业的透支会员卡和贵宾卡、信用卡公司发行信用卡、EDS建立ATM网、GE公司的贷款服务、保险公司的储蓄型保单和保单贷款等，允许银行业的并购，影响银行的业务收入和利润；其次，上述的开放市场，业者会推出多样化的产品和服务，让顾客有更多的比较和选择的机会。造成顾客购买的因素，除了价格以外，还考虑方便性、可用性等，形成个性化服务的需求。银行需要更进一步了解客户，才能满足客户需求，进而留住客户，增加利润；再者，信息技术（如海量并行处理的技术）的突飞猛进，使得快速分析客户详细的历史交易记录成为可能，从而可以更好地了解、模拟和预测客户的消费行为、偏好等。另外移动通信技术的进步，让客户访问信息服务的方式不受时空的限制。这些技术让银行业务用户可以及时响应各种突发的、复杂的经营问题；最后，银行现有的管理制度和业务流程， 都是以帐号（Account—No）为中心来进行客户服务，不同的帐号信息分散在不同的计算机系统内，缺乏对客户统一全面的了解。现有的生产系统是银行营运和客户服务的基础设施，无法提供多用户对大量历史数据同时进行突发的复杂的决策分析，所以建立另外一套以客户为中心的数据仓库决策支持系统是实现个性化服务的必要手段。
采用数据仓库作为个性化服务的手段，在发达国家和地区金融业的实践已取得显著的成效，例如在1994年旧金山大地震，美洲银行利用邮编快速地找出受灾的客户名单，提供灾后重建的贷款，增强客户关系和增加收入；First American采用年利息、年费、信用额度和不同的保险类型，将客户细分成750个类型，提供个性化服务， 成为全美业务年成长率最快的银行；英国LLoyds TSB制定销售借记卡的活动， 响应率由8%提高到25 %， 以经济的成本找到低风险的客户增加收入；
英国Barclays银行是全球最早实施基于资产负债管理数据仓库的银行，对每一个事业部资金的分配以信用、市场、企业和经营风险为考虑因素，坏帐勾销从1992年25亿英镑，到1996年下降为7亿英镑。 台湾地区的中国信托商业银行利用数据仓库管理信用卡业务，采用基于活动的成本核算，了解每一位客户的利润贡献度，大量节省营销成本，成为台湾地区最大的发卡银行和信用卡业务获利最高的银行。因此，数据仓库已受到世界各国金融银行业者的广泛关注，尤其是金融市场开放、竞争激烈的国家和地区的银行业者，都投入了以客户为中心的数据仓库决策支持系统的实践。
二、中国商业银行实施数据仓库的意义
从现在和将来商业银行所面临的市场环境来看，实施以客户为中心的数据仓库决策支持系统，将对国内银行业现在和未来的发展产生深远的影响，且具有重大的战略意义。
首先，增强国内银行的竞争力，在激烈的市场竞争中持续获利。无论现在或是未来，银行将面临着一个激烈竞争的态势，必须对市场多变的需求作出及时响应，才能持续地生存和发展。根据国外商业银行的经验，在金融市场开放环境中，银行竞争优势的来源是对每一位客户提供个性化服务。然而银行有千百万的客户（One Million of Customers），如何将客户细分到一百万个单一市场（Million of One Customers）呢？也就是如何设计大量定制化（Mass Customerization）的产品或服务。银行只有通过以客户为中心（Customer Centric）的决策支持系统，才能使用科学的方法实现个性化服务。数据仓库系统存放每一位客户同银行往来的详细的历史交易明细数据，对客户有统一的规划，能帮助银行业务用户以科学的手段快速地分析、模拟和预测客户的个性化需求，进而设计符合客户需求的产品或服务。通过客户喜好的渠道完成交易，是增强商业银行竞争能力最有效的手段。
其次，提高商业银行整体运作与管理水平。数据仓库决策支持系统是商业银行管理模式发展的结果。随着各个历史时期经济环境的变化，商业银行的经营管理模式在演变，最初强调资产管理，是因为资金来源比较狭窄，主要是活期存款，而工商企业的资金需求也较简单，采用会计记帐设备提高生产力；到了60年代，产生负债管理理论，强调要通过负债管理保持银行的流动性，主动从市场、银行同业来调剂资金余缺，开始引进会计系统计算机化；70年代末期，出现了资产负债综合管理理论，重点在资产负债风险管理、信贷风险管理、投资风险管理和外汇交易风险管理，MIS和分行自动化成为核心系统；90年代， 金融市场的开放，低利率和信用扩张刺激消费，零售业务成为银行的主要业务和收入，客户对金融产品和服务的要求越来越高，银行业务部门和管理层首要关心的问题在于如何降低风险和增加利润，以客户为中心的数据仓库决策支持系统可以快速地了解每一项交易、每一个帐号、每一个分销渠道、每一位客户的风险和利润，让银行作出正确的业务决策，及时响应每一位客户的现在和未来需要，提高整体运作和管理水平。
最后，增强商业银行的应变能力。订立金融市场开放时间表的目的，是让国内银行有充分的准备时间来提高自己的竞争实力，以应付外资银行在将来的竞争。人民银行会逐步放松管制政策和增加国内银行可以经营的业务范围，让国内银行熟悉市场经济的运作规则。因为国内银行已经完全掌握客户的行为和需求，了解各种金融产品的操作和管理，所以当外资银行可以在国内经营零售业务时，对国内银行的冲击就会比较小。问题在于，国内银行如何应变在这么短的时间内完成这么多的事情。如果没有足够的企业和客户信息，国内银行如何了解人民银行推出的新政策对银行的影响呢？又如何向人民银行建议新业务和服务呢？或是对付外资银行的竞争呢？企业级的数据仓库系统，存放银行各种业务主题，如客户、帐号、部门、金融产品、商业活动、位置、渠道和交易事件等，可以快速地分析、模拟和预测新业务和新政策对银行整体的影响，让银行的领导及时制定策略和战术，应变突发的、复杂的经营问题。
三、中国商业银行实施数据仓库已具备的条件
近年来，中国商业银行在管理上已逐步形成了一套快速适应市场变化、满足用户需求的内部运行机制。概括来讲，中国商业银行实施个性化服务数据仓库系统具备了以下条件：1.企业有一支较高素质的管理人才和技术队伍，具备参与信息建设的丰富经验，为项目实施提供了人才的保证；2.完善的信息技术基础设施，如ATM网络、电话银行、 传真服务、呼叫中心、网上服务、POS系统、信息亭、企业内部网、 人行的电子清算系统等，确保交易信息源能及时的获得，数据仓库建成后使用方便；3.企业已建设或正在建设的全行范围的业务系统，包括储蓄、定期、贷款、汇款、外汇、信用卡、支票、信用证、国际业务等，已积累了完整而且详细的客户交易记录，为数据仓库的启动提供了基本的数据来源；4.多数的企业有着实施先进管理制度和思想的经验，如成立市场部统筹银行的形象和市场定位的宣传与规划、经营效益与员工收入挂钩、服务时效的承诺、客户满意调查等，容易接纳新知识，对数据仓库的实施和推广应用起到积极的作用。
四、中国商业银行如何实施数据仓库
在说明如何实施之前，先对个性化服务进行定义，可以从客户和银行的观点来看。客户认为个性化服务是：银行知道我（Who ）在什么时间（When）、需要什么产品或服务（What ）、 以我可以接受的价格（How Much）、经由我喜好的分销渠道（Where），对我提供销售。 银行的定义是：以有竞争性的产品或服务（What）、在适当的时间（When）、通过适当的分销渠道（Where）、对信用好风险低的客户（Who）、以合理的价格（How Much）和利润（Profitable）完成销售。两者都是在精打细算的前提下，以达成各自的需求和目标。然而银行现有的信息系统已经存储大量的客户档案和交易明细在不同的计算机平台上，怎么样的实施进程才能达成上述客户和银行的要求呢？
首先，数据清理的工作，将现有业务系统中有关客户的帐号数据，加载到中央的市场客户信息库（Marketing
Customer
Information Foundation），建立以客户为中心的数据仓库基础环境。现有银行业务系统的设计都是以帐号为中心，客户与银行的往来业务不同，需要使用不同的帐号；另外银行的业务系统随着时间的演变，会增加新系统和修改旧系统，数据存放在不同的磁盘上；再者软件设计可能由不同的公司设计，使用不同的数据库系统在不同的硬件平台和操作系统上运行，造成字段的名称和格式代码都不一致，数据的冗余性很高。上述这些情况，是现有生产系统无法提供业务用户进行以客户为中心数据分析的主要原因。本阶段的工作时间约6个月，在市场客户信息库建立完成后， 银行的业务部门对客户有统一的视图（Single Version of Truth）， 以客户为单位分析银行的业务情况，知道客户的人数、客户与银行业务往来的情况、客户的基本分类、了解客户的基本需求，或其他和客户有关的复杂的查询与报表，如趋势分析、集群分析等。
其次，建立分销渠道的分析和管理（Behavior Explorer）。 将客户与银行分销渠道的所有历史交易明细数据，包括柜台、ATM、 信用卡、汇款、转帐等，再加载到中央的市场客户信息库，工作时间约3 个月。此时，银行的业务用户可以分析客户使用分销渠道的情况和分销渠道的容量，如客户类型与位置和渠道的关系、什么地区的渠道最受什么类型的客户喜好、银行分销渠道与产品和服务的关系、分销渠道的容量和生产力比较、促销对客户和渠道的影响、时间段分析和比较等。本阶段完成后，银行已经知道客户、渠道、产品或服务三者之间的关系，了解客户的购买行为、客户和渠道对业务收入的贡献、那些客户比较喜好经由什么渠道在何时和银行打交道，目前的分销渠道的服务能力如何，需要增加那些分销渠道才能达到预期的服务水平。
在客户、渠道、产品或服务的业务收入弄清楚之后，需要建立所有客户的每一个帐号的利润评测模型（ ProfitabilityMeasurement Foundation），以便了解每一位客户对银行的总利润贡献度。要建立利润评测模型，需要收入和成本的确实金额，因此需要加载会计系统的财务数据到中央数据仓库。在收入方面有两类，主要是与贷款和存款有关的净利息收入，以及和手续费年费等有关的其他收入；在费用方面分成三部分，
直接成本可以是基于活动的成本核算（Activitiy
Based Costing）或分摊的方式，间接成本如银行日常运行的生产成本， 和风险成本如坏帐准备金的提拔等。此阶段，因为牵涉到全行对收入和成本计算的共识，需要6个月的时间。当利润评测模型建立完成后， 银行可以依照组织、客户和产品三种维度分析利润贡献度。根据统计，银行渠道成本的高低排列是分行最贵、呼叫中心席位次之、ATM、互联网、 电话语言服务最低。银行可以依客户的利润贡献度，安排合适的分销渠道提供服务和销售，知道那些有利润的客户需要留住，采用什么方法留住客户，交叉销售改善客户的利润贡献度，那些客户应该争取，完成本阶段已经达成80%个性化服务的水平。另外，银行可以模拟和预测，新产品对银行的利润贡献度，或是新政策对银行将产生什么样的财务影响，还是客户流失或留住对银行的整体利润影响。
接下来就是银行在什么时间（When）主动地与客户建立更好的关系，俗称客户关系优化（Relationship Optimizer）。客户在每一此交易中都主动地告诉银行需要什么产品或服务，例如定存是希望退休养老使用、申请信用卡需要现金消费、询问放款利息需要住房贷款等，这些都是银行提供产品或服务最好的时机。依照国外银行的经验，客户行为的改变都是增加客户满意和银行收入的最佳时机，这些行为包括生活的改变如结婚、生小孩、搬家或继承，职业的变动如工作单位、晋升、降职、离职、调职，财政和社会保障如退休金制度、所得税规定，经济因素如利息、景气循环、通货紧缩或膨胀，产品条款的改变如年费、手续费，帐号变化如余额增加或减少、开关帐号、定存到期，交易次数或金额的变化，信用透支等，银行如果在24到48小时内没有采取行动，就失去了宝贵的商机。银行需要将帐号每天发生的交易明细，以实时或定时方式加载到中央数据仓库系统，核对客户行为的变化。当有上述变化时，马上生成事件，银行业务部门然后利用客户购买倾向模型、渠道喜好模型、利润贡献度模型、信用和风险评分模型等，主动地对客户沟通并进行交叉销售，达成留住客户和增加利润的目标。完成本阶段工作，需要6个月的时间。
前面四项工作，已经完成95%个性化服务的要求。另外5 %是什么呢？那就是风险评估和管理，是实施数据仓库最困难的工作。本阶段，因为牵涉更多管理制度和系统的建立，所以需要一年的时间，主要利用各种数学模型进行分析，模拟风险和利润间的关系。银行主要业务是对资产和负债经由风险管理（经营成本），增加股东的价值。负债包括自有资本、存款和短期借入款，资产包括票据、放款、证券和承兑四种。与资产和负债有关的风险，依外部环境因素、内部因素和业务范围因素，可以有数十种之多，但最基本的风险衡量是由利率风险和信用风险两种。与资产和负债有关的业务系统的交易数据要加载到中央数据仓库。然后，依照不同的期间，以数学模型分析模拟计算利率敏感性资产和负债之间的缺口（Gap），知道银行在不同期间资本比率、 资产负债结构、资金情况和净利息收入的变化。在计算风险收益时，可以使用信孚银行的风险调节资本收益方法，或JP摩根的风险和信用矩阵等，计算信贷、放款客户对银行的风险和收益以估计银行的损失和利润。当本阶段完成后，则银行已经完全实现以客户为中心的个性化服务数据仓库决策支持系统，可以在满足高利润低风险客户需求的前提下，达成银行收益的极大化。
标签：数据仓库论文; 银行论文; 个性化服务论文; 银行风险论文; 交易银行论文; 交易风险论文; 银行系统论文; 客户分析论文; 金融论文; 客户管理论文; 商业银行论文;