摘要：随着我国商业银行改革、创新和国际化进程的不断深化，商业银行的公司治理必须同步改善，才能在激烈的竞争中谋求发展壮大。目前中国银行信息化的基础设施建设框架已经基本构成，各大商业银行基本完成物理和逻辑的数据集中工作和综合业务系统的推广，统一的业务应用平台已得到初步建立，部分商业银行的实现经营模式也由最初的业务为中心向客户为中心的转变。现阶段，我国银行业面临着新的挑战：大量的业务经营数据已经在数据库积累起来，如何对数据进行有效挖掘，使之为银行分析和决策所用；现代商业银行管理需从内外出发，对内则加强风险管理和绩效考核，对外则加强客户关系管理，又应如何完善这两方面的管理呢？
关键词：数据仓库 风险管理 绩效评估 经营分析 客户关系管理
传统的数据库系统主要面向以事务处理为主的应用，无法满足制定决策时的分析处理要求。因此，数据仓库就应运而生，数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合。从技术角度来讲，数据仓库毫无疑问是分析型应用和管理信息最有效的方式。银行通过逐步建立基于数据仓库技术的商业智能解决方案，可以有效的为金融企业进行风险管理、绩效评估、经营分析和客户关系管理等。
简单地说，数据仓库的任务分为4个阶段：收集数据―集成数据―存储信息―提供信息。它首先从银行业务系统的各个应用中收集数据，然后将这些应用集成到银行主体领域的逻辑模型中，再以决策者易于访问和理解的方式来存储信息，最后通过各种报表生成工具和查询工具向银行的所有决策者提供信息。
从实践的角度来看，数据仓库在商业银行中的应用应该包括以下几个方面：
一、风险管理
基于商业智能应用，利用计量方法进行信用风险、市场风险、操作风险等分析和管理，采用敏感度分析和压力测试方法，即在假设利率水平波动、增加设备、股票价格下跌、经济情况恶化等情况下，评估和分析这些因素对银行资本充足率、流动资金比率、盈利能力等方面的影响，从而采取适当的风险防范控制措施。
风险管理是一种主动的事前行为，而不是事后的补救。应通过大量运用数理统计模型分析现有的数据，识别、衡量和检测风险，利用大量历史数据建立数据仓库，依靠数据挖掘手段对数据仓库中数据信息进行深度加工和利用，挖掘出数据模型来预测和防范未来的风险，进行风险量化管理。银行调用与自己有业务往来的客户的历史和现实业务数据，通过利用数据仓库技术推断出客户信用情况，从资产优化的角度和全行的角度来实施综合管理，有效地控制风险，提高银行的资产质量和利润率。
二、绩效评估
关键绩效指标（KPI）是银行用来全面衡量各机构各部门业绩和效益的标准，能够给企业的高层管理部门提供企业运营的关键信息，从而了解运营情况，把握企业的发展方向。KPI是战略导向且层层分解量化的，能够帮助把握发展方向，准确衡量工作成果，是一种先进的绩效管理方法。
基于数据仓库的KPI设计常常是按照业务分析主题进行分类。比如在信贷管理部门，可以分为营销指标、风险指标、运营指标和财务指标等大类；风险指标可以细分为客户评级、贷款额度、逾期、催收、扣收、核销等子类。一般来讲，KPI分析的最终用户是银行的高层管理人员，他们没有时间像分析师那样直接使用数据仓库分析工具，通过查询和分析等方式逐渐挖掘隐藏在数据中的业务价值。他们需要简单快速地掌握影响企业绩效的关键指标，需要直接了解各分行、部门或员工的绩效情况。因此为了满足高层管理人员的需求，一般采用表格、图形、动画等方式来展示KPI。
三、经营分析
决策者对自身经营状况有一个全面的了解和认识是商业银行安全高效经营的前提和基础。数据仓库和数据挖掘技术帮助商业银行及时、准确、全面地掌握自己的资产数量及其分布、客户的信用情况、调度情况、信贷资产分布情况等，提供了必须的服务手段和有力的技术支撑。通过对不同银行产品的应理性分析和风险性分析，以及市场趋势预测，从而做出合理的未来战略决策。同事可实现对产品、部门、机构的利润和成本分析，通过对成本实现事前、事中和事后控制来增加效益，并且能够改变银行各级管理部门的管理、控制和协作的手段，是整个银行的经营管理更加高效、科学、规范，提高了银行的管理水平。
四、客户关系管理
随着客户关系管理（CRM）理念认同程度的扩大，CRM在银行领域的应用领域也被一些大型商业银行列入工作日程。多年来，虽然银行的数据库中积累了大量的客户信息，但是缺乏一套行之有效的数据管理与分析系统，银行的各种数据不能有效地结合，难以将各种客户信息统一起来，很难有效地提供决策帮助。建立CRM系统正是解决这些问题的有效途径。
基于数据仓库技术的CRM系统能帮助银行准确地发现目前为银行创造效益的客户和具有创效益潜力的客户，因此是银行成功进行市场营销的核心。帮助银行开发适应消费者需求的新产品，是银行留住客户提供有效的手段。建立基于数据仓库技术的客户关系管理系统，进行数据挖掘和分析，可以充分利用己有的数据资源，挖掘出信息的价值，发现潜在的客户群，抢占市场占有率，从而降低投资风险，提高投资效益。
参考文献：
[1]朱云，邱菀华：《基于数据仓库的银行信用评级模型的构建》[J]，企业经济，2006（10）
[2]张宇敬，郑艳娟：《数据仓库银行管理水平提高的技术保障》[J]，商业现代化，2005（11）
[3]W.H.Inmon：《Building the Data Warehouse》[M]，Wiley Computer Publishing，1996.3.27
[4]王彦龙：《企业级数据仓库（EDW）原理、设计与实践》[M]，电子工业出版社