1、2022-11-81数 据 仓 库 项 目 组2022-11-82日程安排n开发进度n最终应用展现n数据仓库架构2022-11-83二、开发进展2.1 个人客户关系管理（PCRM）2.2 业绩价值管理（PVMS）2.3 信贷台帐报表（CMIS-REPT）2.4 管理信息综合统计报表2022-11-842.1 开发进展个人客户关系管理（PCRM）需求分析 2001/10/11-2001/10/31总体方案 2002/11/01-2002/02/28原型开发 2001/11/15-2001/12/31原型评估 2001/12/24-2002/02/09银行卡设计开发 2002/01/04-2002
2、/04/30个人金融：存款类（综合帐户和个人理财等）设计开发 2002/02/01-2002/05/31个人金融：贷款类设计开发 2002/05/05-2002/07/31其他个人金融及住房信贷设计开发 2002/04/01-2002/08/31银行卡应用集成测试和试运行 2002/05/31-2002/06/302022-11-85日程安排n开发进度n最终应用展现n数据仓库架构2022-11-861.8 主要应用个人客户关系管理（PCRM）业绩价值管理（PVMS）信贷台帐报表（CMIS-REPT）管理信息综合统计报表法人客户关系管理（CCRM）开放式基金绩效分析2022-11-871.10
3、PCRM应用主题n银行卡应用：按照需求开发n个人金融应用n住房信贷应用n深层分析：原有需求之外的考虑2022-11-881.10 PCRM应用主题 银行卡应用 n银行卡应用：按照需求开发重点客户分析：基本信息查询、存款余额分析、用卡行为分析、贡献度分析、透支分析（透支余额、单笔透支余额、单次透支金额、还贷周期）。客户群分析：优质客户排名分析、卡业务存款分析、用卡行为分析、贡献度分析、卡申领情况分析、卡业务风险分析。2022-11-891.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果按照现有的贡献度指标体系，什么样的客户对银行卡的贡献度最高年龄在25-35，36-45的客户对银行卡
4、的贡献度最高，其中，36-45岁的客户的贡献度最高，因为这类人群中稳定、高收入或高积蓄者较多。2022-11-8101.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果按照现有的贡献度指标体系，什么样的客户对银行卡的贡献度最高年龄在25-35，36-45的客户对银行卡的贡献度最高，其中，36-45岁的客户的贡献度最高，因为这类人群中稳定、高收入或高积蓄者较多。贡献度 在 年龄段 上的分布2022-11-8111.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果贡献度指标的具体分布怎样年龄在36-45，46-55的客户的存款利润最高，其中，36-45岁的客户的存款利润最高，因
5、为这类人群中，理财风格保守，存款倾向性强者较多。2022-11-8121.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果贡献度指标的具体分布怎样年龄在36-45，46-55的客户的存款利润最高，其中，36-45岁的客户的存款利润最高，因为这类人群中，理财风格保守，存款倾向性强者较多。存款利润 在 年龄段 上的分布2022-11-8131.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果贡献度指标的具体分布怎样年龄在25-35的客户的透支利润和消费回佣最高，因为这类人群中，理财风格前卫，消费旺盛者居多。2022-11-8141.10 PCRM应用主题深层分析n银行卡客户贡献
6、度：初步结果贡献度指标的具体分布怎样年龄在25-35的客户的透支利润和消费回佣最高，因为这类人群中，理财风格前卫，消费旺盛者居多。透支利息 在 年龄段 上的分布2022-11-8151.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果贡献度指标的具体分布怎样年龄在25-35的客户的透支利润和消费回佣最高，因为这类人群中，理财风格前卫，消费旺盛者居多。消费回佣 在 年龄段 上的分布2022-11-8161.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果对于银行卡客户发展的辅助作用工行牡丹卡的客户中，25-55的年龄段为高贡献度主流年龄段，其中，如果关注当前直接贡献度，36-
7、45岁的客户是最好的人群，如果关注发展潜力以及对新产品、新消费渠道的接受程度，25-35岁的客户是重点人群。2022-11-8171.10 PCRM应用主题深层分析n银行卡客户贡献度：初步结果优质客户排名靠前的客户中，消费场所的分布怎样金融、证券等交易机构有较大金额占比，饭店、旅游业其次，零售、百货等居于中游。可以根据这个结果制定相应的消费场所促销策略2022-11-8181.10 PCRM应用主题深层分析n深层分析:原有需求之外的考虑 PCRM数据仓库应用对银行卡部的用户 有什么直接的帮助？利用数据挖掘自动筛选优质客户，针对优质客户提供个性化服务直邮用卡行为月报2022-11-8191.10
8、 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型 解决的问题对优质客户提供详细的行为分析，帮助客户更好掌握自己的用卡行为针对客户用卡的具体情形提供促销性建议，使优质客户感受到工商银行卡部的人性化关注工商银行卡部可以更便捷地跟踪优质客户的信息2022-11-8201.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型应用的竞争力利用数据挖掘进行优质客户自动筛选提高平均筛选精度，提高优质客户促销的投资建效率降低筛选成本，提高筛选速度，迎接他行的竞争（如交行的500元个人理财报告）2022-11-8211.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型应用的竞争
9、力利用web展现工具输出报告，可以进行网上直邮2022-11-8221.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型体现的概念工商银行卡部在客户关系管理方案上领先业界的尝试工商银行卡用户体验到自动的个性化分析服务IT部门开发产生直接的市场效益：有先进的客户关系管理系统支持的牡丹卡2022-11-8231.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型实现的方式CB2000数据每日加载PCRM数据仓库银行卡数据集市数据挖掘筛选优质客户Web展现工具用卡行为月报银行卡部直邮优质客户2022-11-8241.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报
10、原型实现的方式CB2000数据每日加载PCRM数据仓库银行卡数据集市数据挖掘筛选优质客户Web展现工具用卡行为月报银行卡部直邮优质客户2022-11-8251.10 PCRM应用主题深层分析n深层分析:直邮用卡行为月报原型实现的方式CB2000数据每日加载PCRM数据仓库银行卡数据集市数据挖掘筛选优质客户Web展现工具用卡行为月报银行卡部直邮优质客户2022-11-8261.10 PCRM应用主题深层分析ICBC PCRM 数据仓库管理界面2022-11-8271.10 PCRM应用主题深层分析数据仓库处理过程管理2022-11-8281.10 PCRM应用主题深层分析优质客户筛选：数据挖掘2
11、022-11-8291.10 PCRM应用主题深层分析数据挖掘：模型评估2022-11-8301.10 PCRM应用主题深层分析抽样分析：SAS EG2022-11-8311.10 PCRM应用主题深层分析分布分析：SAS EG2022-11-8321.10 PCRM应用主题深层分析图形展示：SAS EG2022-11-8331.10 PCRM应用主题深层分析图形展示：SAS EG2022-11-8341.10 PCRM应用主题深层分析图形分析：SAS EG2022-11-8351.10 PCRM应用主题 银行卡应用 n银行卡应用：数据以CB2000系统为主每天下载的业务数据，第二天可以在数据
12、仓库中得到反映2022-11-8361.10 PCRM应用主题 银行卡应用 n银行卡应用：性能存量加载 测试机：Sun3800 总时间：6小时增量加载 测试机：Sun3800 总时间：40-50分钟2022-11-837日程安排n开发进度n最终应用展现n数据仓库架构2022-11-8381.4 逻辑结构操作数据层缓冲区数据仓库基本数据层数据集市层应用层数据仓库层应用层 面向用户实现各类应用。如：个人客户关系管理子系统、业绩价值管理 子系统等。数据仓库层数据集市层 面向主题应用，按特定数据模型存贮的数据集合；模型：星型结构；存储：多维数据库。数据来源取自数据仓库基本数据层。数据仓库基本数据层 以
13、关系模型存储各类业务数据，实现海量数据 的集中、历史、稳定、有序存贮。缓冲层 按一定的时间周期缓存各类经规范处理的业务数据。操作数据层对各类业务或管理数据实行规范处理。2022-11-8391.5 数据流程展现端 ETL DW模型设计 DM模型设计 应用展现数据端抽取转换加载CB2000CMIS 计财数据 外部数据 应用系统数据处理采 集关系型数据库、多维数据存贮数据挖掘分类 统计 分析 企业级数据存贮 数据集市 加 工展 现信息展现 多维分析 图示展现 预处理 批处理译码数据转送备份与老化处理 缓存整合校验批处理数据转送报表制作 报告生成抽取转换加载2022-11-8401.6 物理结构20
14、22-11-8411.9 主要分析指标PCRM主要分析指标存款分析贷款分析贡献度分析优质客户排名分析用卡行为分析透支分析卡业务存款分析卡申领情况分析卡业务风险分析个人理财分析中间业务分析客户经理分析收益与风险分析风险预警分析PVMS主要分析指标关键业绩指标分析成本分摊分析内部转移价格分析贷款实际损失分析2022-11-842三、人力资源n总行各部门 7人 包括：信息科技部、管理信息部、银行卡部、个人金融部、住房信贷部。n总行软件开发中心 3人n深圳项目组 8人n上海研发部 60人 包括：上海分行抽调科技人员、省行抽调科技人员。n上海业务部门 5人包括：管理信息部、银行卡部、个人金融部、住房信贷
15、部、nSAS公司 13人2022-11-843项目的目标定位是实现阶段目标的关键数据仓库项目的实施，可以为企业的经营和管理提供决策依据。但是，数据仓库项目的实施，需要有一个长期的经验和数据积累的过程，无论是技术还是业务都需要在实践中不断地学习和创新。因此，应从战略角度确定我们的总体目标和阶段目标。建议：阶段目标业务：为经营决策和内部管理提供分析依据。技术：构建面向主题应用的数据仓库应用平台。总体目标业务：为业务营销、经营决策和内部管理提供技术支撑体系。技术：构建业务互动型技术平台和基于规范模型的企业级 数据仓库存储平台。四、战略思考2022-11-844人力、技术、资源的配套投入人力、技术和各
16、类资源的投入，应根据项目的总体目标和阶段目标进行分阶段有重点的投入。在项目的开发初期应充分重视项目开发的基础建设，在总体规划、系统设计、模型设计、技术实施以及人才培养等方面重点投入。建议：开发与研究并重。开发与研究并重。在开发部分应用主题的同时，建立研究队伍配合第三代业务系统建设等，为我行未来三年内的数据仓库项目建设提出规划蓝图和技术方案。可以引进有银行数据仓库开发经验的战略合作伙伴和高层次技术人才参与项目的规划设计。加快应用人才培养。加快应用人才培养。数据仓库项目的应用需要有一大批专业人才队伍。应加快数据分析、数据挖掘人才的培养和队伍建设。规范数据仓库运行、维护和管理体制。规范数据仓库运行、维护和管理体制。落实各相关部门的分工职责，保证系统安全、高效、稳定运行。四、战略思考（续）2022-11-845
