BI在银行业的机遇与挑战

      IBM大中华区软件部：目前国内银行对BI产品的要求是定制化程度高，这一点与国外正好相反。

菲奈特软件：BI项目中，软件所占比例越来越大，软硬件比例已经达到了2：1。

和勤软件：用户“为做BI而做BI”是目前BI发展的一大症结，增加了培育用户的风险。

光大银行：BI应用更强调业务部门的重要性，并重于技术部门。

案 例

光大银行是较早完成数据大集中的一家银行，但问题也随之而来。业务如何才能很快开展起来且有国际竞争力？比如急需进行的国际结算业务。“数据大集中后，银行对自己的业务系统都有3~5年的规划，但问题是，如果真的3~5年后才开始使用，我们能否等得起？于是我们选择了BI（商业智能）系统。”光大银行科技部说。

光大银行的国际结算系统于2001年正式运行，业务品种主要包括进口开证、到单、付汇、进出口押汇、贴现、包买票据等，并实现了与SWIFT、会计系统的对接。

国际结算系统上线运行一段时间后，面临的问题是无法有效地利用数据进行分析，为决策提供强有力的支持。所以急需建立一套强大的报表和统计分析系统，提供给总行和各分支行的业务人员、管理人员进行深入分析。

2003年，光大银行选择了由广州菲奈特融通软件有限公司实施的BI系统。

菲奈特软件公司在IBM DB2平台上开发了BI解决方案，定制了光大银行国结统计分析系统。这是一个全行集中的分析系统，分支行无需配备该系统的维护人员，各级业务人员也可以自己定制各种报表和分析报告。

光大银行在对这套系统评价时认为，国结统计分析系统使业务人员和管理者可以准确、全面的发现业务中出现的异常情况，为国际业务部的决策管理工作提供了强大的查询、统计、分析、数据挖掘、报表定制功能，提高了工作效率和质量，达到了较高的投资回报率。

BI方案描述

BI的基本结构主要包括以下三个部分：

一、数据仓库：数据仓库不仅仅是个数据的储存仓库，更重要的是它提供了丰富的工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于使用。

二、多维分析模型：主要功能是根据用户常用的多种分析角度，事先计算好一些辅助结构，以便在查询时能尽快抽取到所要的记录，将不同角度的信息以数字、直方图、饼图、曲线等等方式展现出来。

三、前台分析工具：提供简单易用的图形化界面给管理人员，由他们自由选择要分析的数据、定义分析角度、显示分析结果。它往往与多维分析工具配合，作为多维分析服务器的前台界面。

数据挖掘要求有数据仓库做基础，并要求数据仓库里已经存有丰富的数据。因此，在实施商业智能方案时，一般分两步走：第一步实现数据仓库和多维分析模型，构造商业智能的基础，实现分析应用；第二步实现数据挖掘，发挥商业智能的特色。

BI的机会与挑战

IBM大中华区软件部工商企业及经销业务总经理蔡世民认为，银行业务模式正在发生改变，过去是以业务划分，现在是以客户划分，提供更加个性化的服务。随着国内银行与境外银行竞争的加剧，应用BI系统进行风险分析、业务决策将是国内银行提升国际竞争力的一个主流选择。

目前银行业的业务数据已经或正在实现“大集中”。数据大集中为提高BI系统的成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好的基础。

光大银行科技部认为，BI系统能够解决目前银行存在的几大问题，如统计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等，而这会是银行选择BI系统的重要原因。

此外，BI在金融业进入的门槛要低些，因为国外企业专注核心业务，BI反倒是一个竞争不太激烈的市场。

但是，菲奈特软件公司认为，大量数据的处理能力是进入BI领域的主要门槛，此外，还会有技术人才的培养、实施中的方法论等难点。做BI，用户很少没有硬件的，所以要注意与原有系统的匹配，还要保证数据的可移植与实施性。

光大银行科技部也认为，在他们接触了很多BI软件公司后，感觉对金融业务有足够了解的公司不多。他认为，这可能会使这些公司在金融业的发展遇到阻碍。

菲奈特软件公司认为，其实这个缺陷也可转化为商机。菲奈特是1999年将业务重点转移到BI的，原因是银行多只认国外产品，国内IT公司很难做到银行的核心业务系统。但是转型之后，他们并没有放弃原来的咨询队伍，而是利用多年在金融行业运做的经验，结合BI实施方法，给很多金融业的ISV和SI提供咨询合作。这已经成了菲奈特一个重要的利润来源。

和勤软件认为，用户“为做BI而做BI”是目前BI发展的一大症结，导致培育用户要冒相当大的风险。而BI系统的特点是必须寄生在其他大系统上。因此，他们主要通过合作伙伴带动用户，把BI套装进去。比如在金融业寻找一些应用合作伙伴。

目前，IBM也启动了业务智能伙伴计划，为150多家主要的BI软件和服务厂商提供支持。

BI的实施原则(IBM专家建议)

分阶段、循序渐进的原则

任何一个项目的实施都是一个发现问题，解决问题的过程。我们建议银行根据现有的资源以及今后发展的方向，分阶段、循序渐进地实施商业智能方案。

实用原则

在第一步实现数据仓库时，尽量针对当前银行最关心的主题，并进行细致分析，尽可能用简单、统一、易于使用的方式来实现，避免追求片面的复杂和完美。

知识原则

由于商业智能技术比较新，企业的信息技术人员的知识往往存在着不足或偏差，实际应用经验也很欠缺。因此，我们建议在实施过程中结合专家培训和服务，在商业智能系统的设计、开发、实施当中，逐步培养出企业自己的系统管理、维护和开发人员。