论文部分内容阅读
银行属于数据密集型企业，每天产生海量的业务数据，蕴含有大量有用的信息。如何利用这些数据，让其发挥巨大作用，成为提高银行竞争力的重要内容。当前，随着银行转变经营理念、信息技术的飞速发展，银行信息化已经进入一个全新的发展时期，数据仓库技术等新兴技术已成为银行数据分析和决策必不可少的重要工具。但目前，很多数据仓库应用显得功能不够实用，效果也没有预想的明显。为此，结合业务来深入研究数据仓库的使用机理，挖掘分析功能成为银行当前迫在眉睫的任务。
本文首先通过分析银行现有的实际业务需求，着重对数据仓库技术在银行业中的应用现状进行了详细表述，并根据数据仓库和数据挖掘技术的深入研究，结合银行的具体业务特点，设计与实现了商业银行分布式数据仓库系统：同时对分布式数据仓库系统的构建机理和实施步骤进行了详细描述。利用构件方式重新设计和实现了数据仓库中的重要部分——ETL系统，并加入ETL服务器的线程池缓冲区机制，实现系统性能的优化。
本文在建立数据仓库系统的基础上，利用联机分析处理OLAP技术和改进数据挖掘K-means聚类算X-means算法，实现了银行数据仓库系统的客户管理分析功能，取得了很好的应用效果，从而为银行数据仓库系统开发应用提供了可借鉴的操作思路。