NCR Teradata银行业数据仓库解决方案

NCR Teradata银行业数据仓库解决方案

--------------------------------------------------------------------------------

随着金融自由化、资本市场国际化的步伐加快,国内金融企业面临着前所未有的竞争压力。除市场结构、业务范围和经营理念外,国内金融企业与国际先进金融企业的差距还在于没有一个强大的分析型应用系统,该系统对内能帮助金融企业加强风险管理和绩效考核,对外能加强客户关系管理,增加赢利能力。

NCR公司目前已为全球230余家包括投资银行和证券公司在内的金融企业成功实施 Teradata数据仓库,具有丰富的行业知识和实施经验。从软硬件平台、应用系统、方法论到专业服务,NCR可以提供一整套完整的行业解决方案。NCR期望也正在努力将国外先进的经验引入中国,帮助国内金融企业提高经营管理水平并加强核心竞争力。

Teradata数据仓库是金融企业数据仓库应用系统的基础设施。它由NCR WorldMark系列数据仓库服务器和存储设备、Teradata并行关系数据库系统以及相关的数据仓库工具组成。

Teradata数据仓库实现数据的自动采集、集中管理和自由存取,支持从10GB到1000TB的数据量,其优异的性能多年一直在业界保持领先地位。目前, NCR拥有全球300多个TB级Teradata数据仓库成功用户,在数据仓库高端市场傲视群雄。

直面国际竞争,国内商业银行应加强分析型应用系统的建设,帮助银行加强经营管理与决策分析,了解客户的需求与信用风险,开发新的产品和服务,利用现有渠道对客户进行交叉销售,增加赢利能力,并在业务领域上提供差异化服务。

Teradata银行业数据仓库解决方案,首先是建立一个可扩展的、集中的数据仓库基础设施,以便在整个银行建立一个统一的、准确的信息视图,达到全行信息共享的目的。这样的基础设施可以从一个或多个分行开始实施,然后逐步扩展到包含全行的详细历史数据。

在此数据仓库基础设施之上,NCR主要提供以下六个方面的应用产品:

● Teradata金融业逻辑数据模型 - 银行扩展(FS-LDM, Banking Extension);

● 平衡计分卡/经营指标管理模块;

● 资产负债管理模块(ALM);

● 信用风险管理模块(Credit Risk Management);

● 利润贡献度分析模块(Value Analyzer);

● 客户关系管理模块(CRM)。

考虑到各个银行的实际情况,NCR提供相应的专业技术服务,按照银行的实际需求,对上述各应用产品进行客户化。应用体系结构如图所示。

在上述应用体系中,每个模块都是针对银行管理和特定的业务需求而设计的,侧重点不尽相同。

● 平衡计分卡/经营指标管理:行领导、战略发展部及各业务部门决策分析人员等;

● 资产负债管理:资债办以及相关业务部门负责人等;

● 信用风险管理:信贷风险管理人员、相关业务经理等;

● 利润贡献度分析:财务部门与相关业务管理部门等;

● 客户关系管理:销售、市场和服务人员及客户经理等。

Teradata金融业逻辑数据

模型—银行扩展

NCR金融业逻辑数据模型(FS-LDM)是NCR多年来在全球实施近230家金融业数据仓库项目的经验结晶。在实施银行数据仓库系统时,除了基础的FS-LDM外,还提供一个专门针对银行的扩展集。整个逻辑数据模型把复杂的银行业务归纳成团体、产品、账户、事件、渠道、组织、地理区域和行销活动等八大主题。它蕴含了现代商业银行的分析决策和客户关系管理的各个方面。帮助银行在利润、风险、销售与市场,以及渠道管理等方面进行深层次的分析。

平衡记分卡/经营指标管理

本模块是运用平衡计分卡的基本原理,参照国际先进银行的具体经验,结合商业银行的实际,帮助银行建立平衡计分卡系统和经营管理指标体系。经营管理指标包括四个方面:

● 财务绩效指标:根据银行自身的财务状况和财务策略,去决定合适的财务衡量尺度和方法。这部分的指标包括财务管理和风险管理两大部分。

● 客户绩效指标:在客户绩效指标中,银行应先找出市场与客户细分,将客户层面的核心衡量方法与目标市场及客户相结合,帮助银行找出衡量客户层面的价值主题。

● 流程绩效指标:为满足所有者和目标客户的期望,银行必须确认其创造客户价值的流程,才能有效地运用银行资源。

● 员工绩效指标:通过员工能力的增强、工作环境的改善、激励机制的加强等三个主要原则,来构建员工绩效指标。

资产负债管理模块

本模块的目的使银行能在规模、期限、利率结构上合理搭配资产与负债;帮助银行在经营的流动性、安全性、盈利性上得以协调,在风险和回报之间取得一个最佳平衡点;帮助银行达到各种监管要求。主要的分析方法与模型包括:价值风险(VAR)/收益风险,缺口分析,纯收益模拟,情景分析(Scenario Analysis),市场价值,Option Adjusted Valuation,资金转移计价等。

信用风险管理

本模块能够帮助银行实现全面信用风险管理与分析,及时、有效地识别、量化和控制风险。系统提供全面的信贷分析、风险相关分析;能有效监控、管理和改善信贷流程;能计算风险调整收益,有效考核信贷人员绩效。主要的分析方法和模型包括:投资组合分析,评分/评级模型,违约概率模型(PD),关联分析,不良贷款分析、相关分析、担保信息分析、外部信息分析等。

利润贡献度分析

本模块的主要目的是帮助银行了解机构内部利润贡献度的构成因素及分布状况,以改善自身分析和规划的流程。具体目标包括:

● 帮助银行建立一套适合实际需求的资金转移计价、成本分配、风险准备和资本分配方法论。

● 从净利息收入 (NIR)、其他收入 (OR)、直接费用 (DE)、间接费用 (IE)、风险准备 (RP)等五个因子来计算利润贡献度。

● 帮助银行计算和分析账户、客户、产品、渠道和机构的利润贡献度。

客户关系管理

本模块能帮助银行建立客户的单一视图,对客户基本情况、持有产品、交易行为、客户分布等进行分析,通过沟通管理,为客户提供个性化服务,最终实现银行的经营管理方式从以产品为中心向以客户为中心的转变。帮助银行建立客户的忠诚度,获取新的客户,保留有价值的客户,并提高客户的利润贡献度。主要功能包括:

● 客户分析:分析客户群体、客户特征、客户行为、客户对产品的偏好、客户对促销方案的回应度等,客户细分以及如何锁定目标客户。

● 分析建模:利用数据挖掘技术,建立客户未来的倾向预测模型。

● 客户沟通:整合各种信息,来规划、发展和管理银行的各种渠道与各种产品,同不同的客户进行联系。

● 个性化定义:针对每位客户提供个性化产品服务。

● 最佳化管理:设计最佳的行销模式、联系方式和联系频度等。

● 接触管理:展开具体的市场活动并记录客户对促销活动的反应态度。

NCR Teradata银行业数据仓库解决方案

时间: 2024-11-05 15:54:39

NCR Teradata银行业数据仓库解决方案的相关文章

ORACLE针对金融行业的数据仓库解决方案

一. 金融行业面临的问题和挑战 今天,大多数银行都面临同样的问题,如何提高客户服务水平,如何控制金融风险,及如何提高银行的经营业绩,保证利润的持续增长.银行在不断的采用新技术,扩充新的业务品种,力争突出经营特色,吸引更多的客户,但这些业务系统中大部分是独立建设的,互相之间的联系很少,数据和信息的传递.共享必须依靠复杂的应用程序才能完成.如何建立有效的数据集成管理机制,如何充分利用银行积累的大量数据,为银行的科学化管理决策和发展新的业务服务,是目前银行急需解决的关键问题. 对于中国的银行业,同样迫

中国银行ORACLE数据仓库解决方案

中国的银行业在发展过程中,已逐步积累了大量的客户数据和经营数据.如何利用这些数据,发掘有价值的信息,为今天中国银行业所普遍关心.而解决问题的关键,是建立银行企业级的数据仓库,实现对银行所有经营信息和客户信息的有效存储,并针对银行不同部门的管理决策需要,进行多层次的数据加工处理,满足银行管理决策和客户分析的需要. Oracle公司作为世界上著名的数据库公司,一直致力于为企业提供能满足企业竞争需要的数据仓库解决方案.Oracle的数据仓库解决方案包含了数据库平台.开发工具和应用系统.Oracle数据

搭建数据仓库:01数据仓库解决方案

整个数据仓库搭建起来的结构大体是这样子的,如下图某公司的数据仓库的总体架构图. 最底层是数据源,一般是在线的数据库或者是文件系统.对于在线数据库,一般是操作型数据库,比如mysql,oracle等,一般是存在主库和从库,从库用来做备份,主库出现问题时切换到从库,从而尽可能的避免影响线上的应用,从库的数据是从主库使用工具同步过来的,比如oracle的shareplex等,所以从库有一定的延迟.文件系统一般使用的格式是csv或者txt.不推荐excle格式的文件,容易出现格式问题. 数据仓库层包含O

TeraData金融数据模型

Teradata天睿公司(纽交所代码:TDC),是美国前十大上市软件公司之一.经过逾30 年的发展,Teradata天睿公司已经成为全球最大的专注于大数据分析.数据仓库和整合营销管理解决方案的供应商.其提出一种先进的FS-LDM模型(Financial Services Logcial Data Model) --企业级数据模型,包括金融机构业务数据,囊括了银行约80%的业务数据,并把预定义的业务模板连接到核心银行业务数据和数据仓库中. Teradata FS-LDM是一个成熟产品,在一个集成的

数据仓库详细分析和说明

数据仓库是企业统一的数据管理的方式,将不同的应用中的数据汇聚,然后对这些数据加工和多维度分析,并最终展现给用户.它帮助企业将纷繁浩杂的数据整合加工,并最终转换为关键流程上的KPI,从而为决策/管理等提供最准确的支持,并帮助预测发展趋势.因此,数据仓库是企业IT系统中非常核心的系统. 根据企业构建数据仓库的主要应用场景不同,我们可以将数据仓库分为以下四种类型,每一种类型的数据仓库系统都有不同的技术指标与要求. 传统数据仓库 图1:传统数据仓库的架构 企业会把数据分成内部数据和外部数据,内部数据通常

数据仓库之数据分析

1. 数据仓库基本介绍 英文名称为Data Warehouse,可简写为DW或DWH.数据仓库的目的是构建面向分析的集成化数据环境,为企业提供决策支持(Decision Support).它出于分析性报告和决策支持目的而创建. 数据仓库本身并不“生产”任何数据,同时自身也不需要“消费”任何的数据,数据来源于外部,并且开放给外部应用,这也是为什么叫“仓库”,而不叫“工厂”的原因. 2. 数据仓库的定义 数据仓库是面向主题的(Subject-Oriented ).集成的(Integrated).稳定

阿里云MaxCompute被Forrester评为全球云端数据仓库领导者

摘要: 参考消息网3月19日报道 日前,全球权威调研机构佛瑞斯特研究公司(Forrester)发布<2018年一季度云端数据仓库>报告.报告对大数据服务商的主要功能.区域表现.细分市场和典型客户等进行了全面评估,最终AWS.阿里云.谷歌.微软四大巨头杀入全球一线阵营. 参考消息网3月19日报道 日前,全球权威调研机构佛瑞斯特研究公司(Forrester)发布<2018年一季度云端数据仓库>报告.报告对大数据服务商的主要功能.区域表现.细分市场和典型客户等进行了全面评估,最终AWS.

SQL Server数据仓库的基础架构规划

问题 SQL Server数据仓库具有自己的特征和行为属性,有别去其他.从这个意义上说,数据仓库基础架构规划需要与标准SQL Server OLTP数据库系统的规划不同.在本文中,我们将介绍在计划数据仓库时应该考虑的一些事项. 解决 SQL Server 数据仓库系统参数 数据仓库本身有自己的参数,因此每个数据仓库系统都有自己独特的特性.在决定数据仓库系统的基础结构时,必须评估许多参数.在这些参数中,主要参数是数据量.报告复杂性.用户.系统可用性和ETL. 数据量 正如你可能知道的,数据量是大数

云上数据仓库选型指南

前言: 云数据仓库是构建在云上的新一代数据仓库解决方案,如何选择符合企业需求的云数据仓库,选择时应考虑哪些关键问题成为很多企业管理者关心的问题.本文参考TDWI以及Forrester的研究报告内容,对云数据仓库选型参考依据进行介绍,希望能对您在云数据仓库选型时有所帮助. 正文: 云数据仓库的解决方案改变了我们传统的数据平台构建方法.您可以在没有平台技术专家的指导下在几分钟内创建并开始使用数据仓库服务,让企业的数据分析师及其他非技术人员访问并处理大规模的数据以快速获得业务洞察.企业得以在更低的成本