Sybase数据仓库大鹏证券应用案例

数据库 数据仓库
每一家公司都有自己的数据。并且,许多公司在计算机系统中储存有大量的数据,记录着企业购买、销售、生产过程中的大量信息和客户的信息。通常这些数据都储存在许多不同的地方。使用数据仓库之后,企业将所有收集来的信息存放在一个唯一的地方——数据仓库。仓库中的数据按照一定的方式组织,从而使得信息容易存取并且有使用价值。数据仓库给组织带来了巨大的变化。数据仓库的建立给企业带来了一些新的工作流程,其他的流程也因此而改变。本文讲述了Sybase数据仓库在大鹏证券中应用的案例。

入世后的中国证券市场,受经济全球化及金融混业趋势的影响,在未来一段时期内将陷入“内外交困”的境地:一方面,依赖牌照经营的垄断格局正在被打破,银行、保险、甚至IT业都在窥 视证券市场这块蛋糕;另一方面,国外著名的投资银行纷纷与国内同行寻求合作,以分享中国资本市场高速成长的收益。在此背景下,证券公司仅仅通过单纯提供多样化的服务手段以方便用户已不能满足用户个性化的服务需求。如何创建产品线,组织更加有针对性的市场活动以保持客户忠诚度、吸引新的客户来维持足够盈利成为证券公司加强公司竞争力的关键所在。

证券业经过十几年的发展已经成为当今中国计算机应用高度密集的行业之一。高度的信息化使其积累了大量的数据,包括企业内部数据如企业财务状况、产品销售情况等,以及企业的外部数据,如企业产品的市场占有率、客户数量、客户的偏好等等。怎样利用这些数据,深层次地挖掘数据资源并进行分析,使公司的决策者能及时掌握公司的运行情况,并根据这些分析结果制定长远规划,从而提高公司的管理水平和竞争优势,成为证券公司技术部门目前的努力方向。

【项目背景】

正是基于以上发生的市场变化,很多知名的证券企业开始谋求通过技术创新来挖掘内部资源,全面提高企业竞争力。大鹏证券作为一家全国性综合类证券公司,是其中最早进行变革的公司之一。大鹏证券成立于1993年,随着该公司业务的不断发展,公司管理层逐步意识到:要提升经纪业务的核心竞争力,必须改变原有的"以证券交易为中心"的运作模式,引入客户关系管理理念,实施客户关系管理,建立“以客户为中心”的经纪业务运作模式。通过了解客户的行为轮廓、投资需求、投资倾向、风险承受能力,对客户进行有针对性的“一对一”的个性化理财服务,帮助客户实现资产的保值、增值,提高客户服务质量,提高客户的满意度和忠诚度,从而***化客户对公司的终身价值。大鹏证券期望通过先进的数据仓库技术对经纪业务、客户数据进行强有力的分析,从定量分析的角度认知、了解客户和业务状况,为客户关系管理的成功实施提供理性决策支持。

【数据仓库选型】

依据自身的需要并结合大鹏证券目前的现状,大鹏证券在数据仓库的选型方面进行了大量认真细致的工作。大鹏证券在平台选型时他们主要考虑了以下几点:

1.供应商的既往成功经验以及产品的成熟度

2.供应商的售后服务和技术支持能力

3.供应商的资源调配能力

4.衡量数据库性能的主要指标TPC-D。主要有3方面的数据需要考虑:

a.QppD:描述系统的查询处理能力。(数据越大越好)

b.QthD:即流量测试结果,描述系统在多个用户同时进行查询时的处理能力。换言之,它也充分代表了系统的并行处理能力。(数据越大越好)

c.QphD:即价格性能比。(数据越小越好)

5.系统的并行处理能力

6.系统管理的复杂度

7.系统的可用性和可靠性

8.系统的扩展性

在经过慎重的反复评测与比较后,大鹏证券最终选择了全球领先的数据管理及企业集成解决方案供应商Sybase公司。大鹏证券之所以选择Sybase,是因为Sybase在数据仓库领域具有很强的实力,尤其是其在国内外证券市场中广泛的企业知名度与众多成功的应用实施案例,并从多家第三方企业那里了解了比较详细的应用情况。可以说Sybase技术与服务能力是勿庸置疑的。在具体的沟通过程中,Sybase提供的方案满足了我们的应用要求。

首先Sybase的方案具有优异的集成性,数据仓库是多种数据源数据集中后的数据集合,必须能够将来自多个数据源的数据的浏览和分析集成一体,Sybase的方案***的解决了这个问题。还有就是安全性。证券行业安全是***重要的事情,Sybase的方案给我们提供了完善的安全性控制。随着我们业务的发展,系统扩展将是不可避免的问题,Sybase的方案允许我们从简单易行的体系架构开始实施,并可以轻松地、平滑地扩展现有的体系架构以适应未来的需求。同时他们的方案还考虑到新建的数据仓库体系与我们信息框架总体规划的结合,这给我们未来的发展更是带来了极大的便利。此外Sybase的方案还具有良好的开放性,能够支持多种开放接口或标准的技术,并且还支持我们已有的异构数据源。当然,系统的高性能是不言而喻的,因为优异的数据加载和数据查询速度,是数据仓库成功与否的标志之一。通过以上全方位的考察,Sybase的方案给我们留下了深刻的印象,在与其他方案进行反复比较后,我们一致认为如果不选择Sybase,那将是一个失误。

#p#

【解决方案】

在赢得大鹏证券的投标后,Sybase开始了更进一步的设计。根据数据仓库的方法学,数据仓库体系架构可以分为五个层次。这五个层次反映了应用运行的基本逻辑结构和过程。每层都具有自己的技术实现方式及相应的评价准则。这五个应用层次是:

设计建模层:该层次是整个分析应用系统的起点,主要完成对现有业务系统数据源的分析,按照数据仓库建模理论完成数据仓库结构设计。

数据获取层:确定项目实施所需的数据清洗工具,定义出数据从原业务系统到数据仓库系统的ETL技术方案,最终完成数据清洗、转换、加载的工作

数据存储层:通过对数据仓库数据量的估计,和客户访问数的估计对数据仓库主平台所需的软件和硬件作出评估,确定主平台的系统配置情况。

数据展现层:主要根据客户需求选定前端数据展现的软件,同时根据客户需求决定数据展现方式,进行数据展现的开发。

元数据管理层:主要完成对整个数据仓库实施中的元数据进行管理的功能,包括:逻辑到物理模型的映射、数据访问的授权、用户安全控制等等。

根据这一设计思路的指导,Sybase设计的大鹏证券数据仓库系统的拓扑图如下:

通过精密的设计,目前,大鹏证券数据仓库系统实现了各个营业部与总部之间联网,能够保证各个网点物理上的通信畅通。数据仓库的数据将会由两种方式展现到前端,一种是传统的C/S方式,一种是B/S方式。对于IT人员,一般采取C/S方式,用于进行报表设计。对于其他业务用户(如:FC、FC经理、营业部业务人员、总部市场分析人员、经纪业务总部的领导),一般采用B/S方式,通过WEB浏览器访问数据,比较方便灵活、维护量也较少。下图展现了大鹏证券各个业务网点与总部的网络连接情况:

Sybase设计的大鹏证券数据仓库系统是集中式数据仓库,可以跨越各个分公司收集可操作数据,把它们集中在一个数据库中。这些数据将覆盖公司的许多不同领域,面向整个公司提供信息服务。选择集中式数据仓库设计的原因在于,集中式数据仓库具有以下三大优势:

1.数据的集中存放有利于实现较大强度的集中管理。系统可以依据企业管理需求,为各级部门和下属单位严格设置各种权限,管理人员可实时查询整个公司的营销管理信息;

2.数据的集中存放有利于信息共享。所有部门和营业部都使用同一个数据库,使整个公司的数据能在一个统一的视图下提供给各个不同的用户,保证各部门、各营业部之间数据的一致性。

3.数据的集中存放便于系统管理维护,降低管理费用。整个维护工作集中在总公司的数据库服务器,大大减少了系统维护费用。

同时,该体系架构还可以很好的控制大鹏在数据仓库初期的投资和降低系统维护难度。其集中式数据仓库结构图如下:

#p#

【实施效果】

在经过紧张的设计与实施工作后,大鹏证券数据仓库系统终于为大鹏证券公司带来了可喜的变化,其实施效果主要表现在以下几个方面:

1.大鹏证券数据仓库前端工具BRIO和ODS提供了很方便的开发环境,可以迅速的实现用户的各种新增需求。

2.由于大鹏证券数据仓库系统数据模型设计的合理、可扩展性很好,在系统更替的情况下基本实现了数据的无缝连接,没有出现数据间断的情况。

3.大鹏证券数据仓库系统能够很好地分析交易情况,及早防范金融风险。

4.大鹏证券数据仓库系统帮助大鹏证券公司确定保持客户忠诚度、吸引新的客户和维持足够赢利所需要的创新方法。

5.大鹏证券数据仓库系统使大鹏证券公司能够更深入地理解每个细分顾客群的需求,确定哪个细分的顾客群是目标客户群,根据每个目标细分顾客群开发适合的产品和服务,确定每个细分顾客群使用哪种服务手段最有效。

此外,大鹏证券数据仓库系统的统计功能还大大提高了大鹏证券业务人员的工作效率,减轻了他们的工作负担。其分析功能则囊括了包括资产、交易、贡献、流动等等各个业务部门关心的方面,使大鹏证券的业务部门可以从自然轮廓、行为轮廓、综合方面进行分析,从而为公司的领导层提供决策方面的依据、为客户服务部门提供资料、为市场部提供明确的客户分类、为市场销售工作提供依据和支持。

【客户评价】

经过一段时间的应用,大鹏证券公司对该系统的效果非常满意。大鹏证券的业务管理部门认为利用这一系统可以将所有的操作记录进行归类和整理,并结合行情走势、上市公司资料、宏观微观经济数据等,在掌握大量数据的情况下,对交易、盈亏情况、公司的利润分布等进行统计和分析,从而更好地为客户提供个性化的投资组合与理财建议,真正作到对客户的贴心服务。

大鹏证券表示,这套系统未来将在两个方向上推进和提高。一是在应用的深度上,将进一步增加客户服务功能,同时发现和评估客户偏好,通过客户细分、挖掘客户需求、推销适销对路的产品。二是在数据的广度上,我们将在交易类别上增加期货交易的数据,并且增加大鹏控股其他子公司的数据,包括投行、资产管理、固定收益等等部门的数据。

【编辑推荐】

  1. 嵌入式数据库的现状和未来
  2. ETL过程原理和数据仓库建设的优化
  3. 探求数据仓库关键环节ETL的本质
  4. OLTP与数据仓库之间的区别
  5. 基于ERP的数据仓库应用研究
  6. ETL和EAI之间的关系与区别
  7. 走近数据库前沿技术——集群
责任编辑:杨鹏飞 来源: 搜讯
相关推荐

2019-09-26 10:56:04

云计算数据中心公共云

2009-05-04 13:19:27

2011-03-31 13:21:14

SYBASE IQ企业级数据仓库

2021-09-01 10:03:44

数据仓库云数据仓库数据库

2009-01-19 13:54:58

ERP数据仓库应用研究

2011-03-04 09:59:05

SAPSYBASE

2015-04-02 15:50:47

数据仓库数据挖掘

2024-09-23 20:11:47

2019-05-24 11:51:18

BI数据仓库数据分析

2013-03-20 16:23:53

数据清洗

2018-07-24 09:28:18

存储数据仓库

2022-07-28 13:47:30

云计算数据仓库

2022-11-29 17:16:57

2020-01-03 09:40:13

大数据数据仓库分层

2009-01-18 15:14:00

数据仓库开发OLTP

2012-07-23 14:38:16

Exalytics

2017-08-17 15:52:38

企业数据仓库

2013-10-29 13:28:13

数据

2023-07-02 14:11:28

数据仓库大数据

2023-11-27 16:35:28

数据湖数据仓库
点赞
收藏

51CTO技术栈公众号