分析管理决策系统的IT应用—利用信息资源进行有效管理

   在信息时代一方面，每个金融企业都面对不断增长的信息，
而如果不能有效地管理这些数据，并将其转化为真正可供决策的
支持信息，则在某些意义上这种数据的增长与膨胀将给业务的进
一步开展带来负面影响。另一方面，信息的急剧膨胀和获取信息
的快捷与便利性.使客户的行为特点发生了极大的变化。客户越
来越易于获取包括竞争对手在内的更多信息，从而面临更多的选
择机会。因此金融企业必须有效地管理已有的俏息，并使用各种
新的技术和方法对信息进行加工.特别是对客户伯息进行有效加
工，以便进一步将经西摸式转变为客户主导型.特别是定制的服务
满足市场需求。
    传统金融电子化系统的数据主要是面向应用的和以单一数据
组织方式进行组织的数据库系统，它无法满足信息时代对数据进
行多层次处理的需求。因此，从20世纪90年代初开始.发达国家
金融企业纷纷采用数据仓库(Data Warehouse, DW)技术对数据进
行组织和管理。这些数据仓库是由银行内部数据和来自银行外部
的相关经济数据经过抽取和集成而建立起来的面向主题的、多维
的适合决策支持系统使用的一种新型数据组织形式，数据仓库中
的信息随着原始数据的更新而更新，具有可组装性和相对稳定性，
并且根据不同的应用层面采取不同综合度。
    如上介绍，金融企业信息资源的管理和运用系统主耍包括对
全行重要数据信息进行统一模式处理和管理的数据分析管理系
统，包括数据仓库、数据仓库管理和分析工其以及各种模型库和决
策者使用的管理决策支持系统，系统由以下部分组成:
    (1)企业战略管理支持系统
    该系统是使用IT技术实施企业战略管理所涉及的管理技术
工其。具体应用于对金融企业日常经营活动进行盈利分析—通
过资金转移定价软件管理内部资金流转;通过成本分析软件实现
对客户、产品和商业单位成本等因素的分析功能:风险分析—包
括资产负债管理中的缺口分析、现金流虽分析和市场风险分析中
的利率敏感性分析、信用风险分析等;战略分析—利用赢利分析
及风险分析的结果进行战略规划;对银行运作情况作真实监控，监
控结果通过业绩加权评分表反映;根据当时市场、业务量及其风险
特征.对各种资产组合的运作情况做模拟监控和管理决策;等等。
    (2)客户关系管理系统
    在大多数金融企业里，营销、客户服务和后台支持之间是分开
进行的，这使得企业内部各环节间很难以合作的姿态对待客户。
客户关系管理(CRM)的理念要求金触企业完整地认识客户整个
生命周期，提供与客户沟通的统一平台，提高员工与客户接触的效
率和客户反馈率。因而通过客户关系管理，企业就可以实现营销、
客户服务和后台支持环节的有机结合。
    (3)常规业务管理系统
    主要包括风险管理、稽审管理、产品管理、人力资旅管理、内部
财务管理、物业及固定资产管理等。它能提供非常详细的信息，如
管理费用可核算到具体部门、人、产品和工作过程等。
    在数据仓库之上建立起来的在线分析处理(OLAP)系统工具
和数据挖细工具既可以为日常管理和经营提供决策支持，也可以
为金融企业的中长期战略决策提供多方面的帮助，巳经成为激烈
竟争市场环境下金融企业经苍针理和决策不可缺少的支持手段。
    在线分析处理商务智能工具能够让用户分析信息，创造增值
信息和对信息更好地融会贯通。数据挖掘则是一种决策支持过
程.它主要基于Al ( Artificial Intelligence—人工智能)、机器学
习、统计学等技术，高度自动化地分析组织原有的数据，作出归纳
性的推理，从中挖掘出潜在的模式，预测客户行为，帮助组织的决
策者正确判断即将出现的机会，调整策略，减少风险，并作出正确
的决策。
    数据仓库在金融企业的应用非常普遍。大型金融企业，特别
是美国的企业都建立了自己的数据仓库系统，其中存储的客户信
息最可以用几百个Gigabyte(十亿)和Terabyte(万亿)来计算。数
据仓库和数据挖掘技术可以有效地帮助金融企业从这些海量数据
中淘炼出有用的客户信息，如找出现有客户潜在的消费需求、分析
客户使用信用卡的情况、客户信用卡犯罪的可能性、企业从特定客
户得到的盈利状况、不同客户的盈利现状、客户使用金融产品的频
率和偏好、不同客户群对金融产品的选择与偏好等，从而使金融企
业能够根据客户的具体情况开展有针对性的营销活动，为客户提
供个性化和定制的服务。