论文目录 | |
摘要 | 第1-4
页 |
ABSTRACT | 第4-5
页 |
目录 | 第5-9
页 |
引言 | 第9-11
页 |
1 绪论 | 第11-23
页 |
1.1 信息技术与金融信息化 | 第11-14
页 |
1.1.1 信息技术在金融业经营管理中的作用 | 第11-12
页 |
1.1.2 国外金融信息化的发展历程及其启示 | 第12-13
页 |
1.1.3 国内金融信息化的发展历程及现状 | 第13-14
页 |
1.1.4 金融信息化与银行信息化 | 第14
页 |
1.2 国内商业银行信息化概述 | 第14-17
页 |
1.2.1 国内商业银行信息化的发展历程 | 第14-15
页 |
1.2.2 国内商业银行信息化的发展趋势 | 第15-16
页 |
1.2.3 商业银行信息化的基本框架 | 第16-17
页 |
1.3 现代商业银行信息化的重要内容—数据仓库技术利用 | 第17-21
页 |
1.3.1 数据仓库概述 | 第17-18
页 |
1.3.2 银行引入数据仓库的必要性 | 第18-20
页 |
1.3.3 数据仓库在银行整体系统架构中的地位与作用 | 第20-21
页 |
1.4 数据仓库及其在银行业务应用中的国内外研究现状 | 第21-23
页 |
2 数据仓库原理及其构建方法 | 第23-43
页 |
2.1 数据仓库的基本原理 | 第23-26
页 |
2.1.1 数据仓库的兴起 | 第23-24
页 |
2.1.2 数据仓库的概念及其特征 | 第24-25
页 |
2.1.3 数据仓库的拓扑结构 | 第25-26
页 |
2.2 数据仓库构建的方法论 | 第26-27
页 |
2.3 数据仓库的构建过程 | 第27-40
页 |
2.3.1 数据仓库的构建步骤 | 第27-28
页 |
2.3.2 立项与规划阶段 | 第28-30
页 |
2.3.3 概念模型设计阶段 | 第30-31
页 |
2.3.4 逻辑模型设计阶段 | 第31-37
页 |
2.3.4.1 细化主题并确定分析维度 | 第31
页 |
2.3.4.2 建立逻辑模型 | 第31-35
页 |
2.3.4.3 确定数据仓库的粒度 | 第35-36
页 |
2.3.4.4 确定数据分割策略 | 第36-37
页 |
2.3.5 物理模型设计阶段 | 第37-38
页 |
2.3.6 实施阶段 | 第38-40
页 |
2.4 典型的数据仓库解决方案 | 第40-43
页 |
2.4.1 SAS数据仓库解决方案 | 第40-41
页 |
2.4.2 ORACLE数据仓库解决方案 | 第41
页 |
2.4.3 NCR Teradata解决方案 | 第41-42
页 |
2.4.4 SQL Server2000的Analysis Services解决方案 | 第42-43
页 |
3 工商银行数据仓库项目及其在江苏省分行的应用现状 | 第43-62
页 |
3.1 工商银行基本情况及其核心业务体系 | 第43-45
页 |
3.1.1 工商银行简介 | 第43
页 |
3.1.2 工商银行数据仓库实施背景 | 第43-44
页 |
3.1.3 工商银行核心业务体系 | 第44-45
页 |
3.2 工商银行现有的业务分析方法及利用数据仓库辅助分析的必要性 | 第45-47
页 |
3.3 工商银行数据仓库项目实施现状 | 第47-54
页 |
3.3.1 工商银行信息化进程 | 第47-50
页 |
3.3.1.1 业务处理系统的演变 | 第47-49
页 |
3.3.1.2 数据大集中工程 | 第49-50
页 |
3.3.1.3 数据仓库项目 | 第50
页 |
3.3.2 工商银行数据仓库项目的总体规划 | 第50-51
页 |
3.3.3 工商银行数据仓库一期工程主要系统介绍 | 第51-52
页 |
3.3.4 工商银行数据仓库一期工程在江苏省分行的应用成效 | 第52-54
页 |
3.4 工行数据仓库项目在江苏省分行应用过程中存在的问题 | 第54-56
页 |
3.5 工行数据仓库项目建设的改进意见 | 第56-62
页 |
3.5.1 扩大宣传力度 | 第56
页 |
3.5.2 加强培训机制 | 第56-57
页 |
3.5.3 保证数据质量 | 第57
页 |
3.5.4 发掘业务需求 | 第57-62
页 |
4 面向银行个人贷款业务的数据仓库分析与设计 | 第62-84
页 |
4.1 个人贷款业务 | 第62-64
页 |
4.1.1 个人贷款业务—银行利润新增长点 | 第62-63
页 |
4.1.2 工商银行个人贷款业务概况 | 第63-64
页 |
4.2 构建个人贷款数据仓库前的分析工作 | 第64-74
页 |
4.2.1 个人贷款业务分析 | 第64-65
页 |
4.2.2 数据源分析 | 第65-71
页 |
4.2.3 客户信用分析业务指标和分析算法 | 第71-74
页 |
4.3 概念模型设计 | 第74-76
页 |
4.4 逻辑模型设计 | 第76-82
页 |
4.4.1 主题域的细化 | 第76-81
页 |
4.4.2 确定数据仓库的粒度 | 第81-82
页 |
4.4.3 数据分割策略的制定 | 第82
页 |
4.5 数据的采集与预处理 | 第82-84
页 |
4.5.1 采集策略的制定 | 第83
页 |
4.5.2 数据预处理 | 第83-84
页 |
5 基于 SQL Analysis Services的个人贷款业务数据仓库的实施 | 第84-106
页 |
5.1 预备知识 | 第84-87
页 |
5.1.1 SQL Analysis Services数据仓库中的基本概念 | 第84-85
页 |
5.1.2 数据仓库的三层架构及 SQL Analysis Services的体系结构 | 第85-86
页 |
5.1.3 个人贷款数据仓库构建思路 | 第86-87
页 |
5.2 服务器端的设置 | 第87-97
页 |
5.2.1 建立与源数据库的链接 | 第87-88
页 |
5.2.2 建立多维数据集 | 第88-96
页 |
5.2.2.1 构建事实表 | 第88-89
页 |
5.2.2.2 构建维度表 | 第89-93
页 |
5.2.2.3 利用数据表和维表,建立多维数据集 | 第93-95
页 |
5.2.2.4 优化存储设置 | 第95-96
页 |
5.2.2.5 浏览多维数据集中的数据 | 第96
页 |
5.2.3 构建完成的数据仓库 | 第96-97
页 |
5.3 客户端的开发 | 第97-106
页 |
5.3.1 数据透视表服务 | 第98
页 |
5.3.2 数据透视表服务与 Excel | 第98
页 |
5.3.3 个人贷款发放、收回情况的 OLAP查询分析 | 第98-102
页 |
5.3.4 新、老客户信用度评价及客户群分析 | 第102-106
页 |
结束语 | 第106-107
页 |
6 总结 | 第107-109
页 |
6.1 本论文的主要创新点 | 第107
页 |
6.2 本论文的不足之处 | 第107-108
页 |
6.3 展望 | 第108-109
页 |
致谢 | 第109-110
页 |
参考文献 | 第110-113
页 |