数据仓库技术及其在银行业的应用■NCRTeradata数据仓库事业部王闯舟利用先进的数据仓库技术建立集中的、包含详细交易数据的商业智能解决方案，已经成为各大银行对内加强经营管理和决策支持，对外更好地了解客户需求，开发新产品或服务，利用现有渠道对客户进行交叉销售，增加赢利能力，并在特定的业务领域提供差异化服务的重要手段。与前几年不同的是，大家目前都在谈论企业级数据仓库(EDW，EnterpriseDataWarehouse)，对于数据集市的定位也基本形成共识，那就是数据集市应该从属于企业级数据仓库。所谓EDW，基本的要求是整个企业能够共享统一的数据存储模型，为各级业务人员提供一致的信息视图。实施时可以先按照需求的轻重缓急选择部分业务主题，然后逐步扩展到涵盖全部业务。两种数据仓库体系架构集线器结构之所以把这种结构称为“HubandSpoke”，是因为中央数据库汇集了来自各业务处理系统的数据，同时也负责向各从属数据集市提供信息，看上去象一个Hub（集线器）一样。而业务人员在进行数据分析与信息访问时将根据需要连接到不同的数据集市，这种交叉复杂的连接看上去就象Spoke(车轮辐条)一样。由于这样的关系，著名评估机构GartnerGroup把这种结构的数据仓库形象地称为“HubandSpokeDataWarehouse”。集线器结构的企业级数据仓库“HubandSpoke”结构解决了企业内统一数据存储模型的问题，但从实际使用的角度来看仍有比较严重的缺陷。主要体现在两方面：一是业务人员对信息的访问非常不方便，很难进行跨数据集市或跨部门的信息分析。数据集市的存储模型需要根据预先定义的分析需求进行规划和设计，业务人员根据分工到指定的数据集市上去访问相关信息。如果需求发生变化，就需要对数据集市重新规划。这显然不能满足日益变化的市场需求。中央数据库只是起统一数据存储和刷新数据集市的作用，一般不提供信息访问。另一个问题是每个数据集市都需要相应的软硬件投入，当数据集市增加时，系统整体投资迅速增加，同时管理的复杂性也随之增加。这些都意味着巨大的整体拥有成本。为什么不直接访问中央数据仓库而非要设计一个数据集市层呢？主要原因在于当中央数据库保存越来越多的数据、并发用户越来越多时，一般的数据库引擎无法承担这样的负载，只好把它们分解到不同的数据集市。集中式结构与前面讨论的“HubandSpoke”结构相比，集中式结构与之主要的差别在于：数据集市分成物理与逻辑两种，物理数据集市设立在中央数据仓库之外，具有专门的软硬件设备。一般都使用OLAP服务器，按照特定需求组建多维立方体来提供多维信息分析。逻辑数据集市设立在中央数据仓库之内，由在基础数据之上形成的小结表或者逻辑视图组成。业务人员既可以访问多维立方体，也可以访问中央数据仓库内的小结表或者逻辑视图。这些分析主要针对预先定义的业务需求，并且粒度比较粗。基于OLAP服务器的数据集市比基于RDBMS的数据集市要容易维护得多，当然规模也相对较小。集中式结构的企业级数据仓库中央数据库采用符合数据库范式理论(一般为第三范式)的存储模型来保存基础数据，从而为整个企业提供一致的信息视图。上面说明的数据集市主要针对粒度较粗、预先定义的分析需求，对于动态的业务查询、粒度较细的或者针对基础数据的分析需求则由中央数据库提供。因此业务人员可以直接访问到最基础的详细数据，特别是高级业务分析师，将更频繁地基于详细数据进行分析，以便挖掘出内在的、隐含的业务规则，帮助企业主管更好地进行业务决策。在中央数据库中还设立了一个数据转换与缓冲区(DataStagingArea)，作为ETL（抽取转换装载机制）处理的一部分。由于在很多数据仓库的ETL处理流程中，需要对源数据作一些比较复杂的转换与清洗工作，如果仅借助于ETL工具实现这种转换与清洗，由于没有数据库的支撑(ETL工具均在数据库之外运行)，经常会产生比较严重的性能问题。于是在一些系统中增加一个ODS(OperationalDataStore)层来进行数据的整理，但这就像设立基于RDBMS的数据集市一样，将大大增加整体投资和管理复杂性。理想的方法是，在中央数据库中设置一部分存储空间来作为数据转换与缓冲区，借助数据仓库引擎强大的复杂查询处理能力，通过SQL实现数据的转换与清洗。这种实现方法简单、快速、并且不容易出错，当然对中央数据仓库引擎的处理能力就提出了更高的要求。选择这种数据仓库基础平台的基本要求第一是线性扩展能力。原始数据对任何一个数据仓库来说，都是最主要的负载之一。随着数据量的增长，系统性能会逐渐下降。为了维持合理的业务查询响应时间，要求数据仓库引擎和相应的数据库服务器具有优良的线性扩展能力。一些系统的扩展能力非常有限，当数据量增长到一定规模时（比如TB级以上）