早在上世纪90年代初，国外一些银行就已开始建立自己的商业智能解决方案，典型代表有美洲银行、加拿大皇家银行、澳洲国民银行、英国巴克利银行等。其主要应用领域大都集中在客户信息/客户关系管理、利润贡献度分析、绩效考核/指标分析、信用风险管理、资产负债管理等方面，随着时间的推移，每一个项目的应用都在进一步深入和发展。
在分散式的BI体系架构中，对后面基础平台的性能要求不高，但从工程实施角度来看，主要有以下问题：
● 数据冗余比较严重，难以保证数据一致性；
● 从数据采集到用户访问的延时太长；
● 整个解决方案层次太多，过于复杂，不同层次之间的数据传递都需要进行ETL处理；
● 物理上分离的系统很多，设备投入和维护成本都比较高。
集中式的BI体系架构能提供一致的业务信息视图，业务的分析与应用都非常灵活、易于扩展，并且整体实施成本较低。但这种结构要求基础数据仓库平台具有非常强大的并行处理能力和线性扩展能力，否则极易失败。
商业智能在银行业的应用
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，可以对全行业务数据进行集中存储和统一管理，确保业务人员随时掌握银行的经营风险、运营情况和经营目标。在引入详细交易数据以后，可以通过各种数据的关联分析，衡量各类客户需求、满意度、赢利能力、潜在价值、信用度和风险度等指标，帮助银行识别不同的客户群体，确定目标市场，为实施差异化服务、产品合理定价策略提供技术支持。
客户信息/客户关系管理 客户信息是每家银行所拥有的巨大财富，如果能进行统一、及时、有效的管理和维护，并从中挖掘出有价值的信息，就能获得更多的利润。从技术实施上看，建立以客户为中心的数据平台集成客户信息，能有效保证客户信息的集中、统一和规范。“客户信息管理”应用则是提供某客户的“单一视图”，包括轮廓、账户以及交易等，帮助银行及时掌握动态，不断发现和预测需求和市场变化。“客户关系管理(CRM)”需要整合银行与客户接触的各种渠道，帮助银行在适当时间、通过适当渠道、为客户提供适当的产品和服务。
利润贡献度分析 目前银行大多采用财务数据衡量利润，着重于产品和机构的分析，谈到客户的利润贡献则只能进行简单的分摊，这样的结果往往使银行只能识别客户的模糊轮廓，能够分析的都是客户的平均情况。而基于数据仓库与商业智能技术的“利润贡献度分析”应用解决方案，将可以采用国际先进银行的利润考核方法，精确计算账户、客户、产品、机构的净利息收入、手续费、佣金以及各种服务渠道所耗费的成本，帮助银行准确了解利润构成情况，从而进行有效的资源配置和资金运用。
绩效考核/指标分析 “绩效考核”应用引进国际先进的平衡计分卡理念，将任务和决策转化成具体的指标，从财务、客户、内部业务流程、员工四个方面来衡量绩效。一个完整的绩效考核体系应适应不同的管理层次，既有关键绩效指标KPI，还应包括日常业务管理的基础指标。精确、科学地确定和量化银行经营的实际绩效，才能真正提高决策的及时性和科学性，使经营管理更加高效。
信用风险管理 如何减少不良资产是每家银行都很关注的问题，“信用风险管理”应用能借助客户单一视图，及时、有效地识别、量化和控制风险，对整个信贷流程有效监控和管理，缩短对异常情况的响应时间，为合理制定信贷政策和优化资本分配提供支持，有效降低不良资产比例，提高银行的资产质量和利润率。
资产负债管理 除信用风险外，市场风险、流动性风险也是各银行越来越关注的问题，“资产负债管理”应用的目的就是考核和管理这些风险，并建立实施内部资金转移计价政策，寻找建立在合理风险回报基础上的资本分配方法，帮助银行在满足国际银行标准和监管要求的同时，改善风险回报，提高防范能力。
国内银行商业智能应用现状分析
从2000年开始，四大国有商业银行和各股份制、民营金融机构也纷纷开始了商业智能的研究，其中个别银行已进入了实施阶段。不同银行的实施策略和重点各不相同，有的从客户关系管理入手，有的从信息整合切入，也有的刚完成整体规划并开始某个主题或某个业务的试点工作。
虽然目前个别银行已经基于数据仓库技术实施了商业智能解决方案，但应用的广度和深度还很不够，主要用途是以提供报表分析为主。从这个意义上来说，如何加强对业务人员的培训，特别是建立所谓的“商业智能部门”(Business Intelligent Unit，简称为BIU )在当前显得尤为重要。
所谓BIU，由精通业务同时又熟悉信息分析技术的高级分析人员组成，是沟通银行业务部门与技术部门的桥梁。这些分析人员可以凭借自己的行业知识和经验进行各种动态分析，及时快速地掌握业务发展动向，并为各级业务主管提供决策支持。根据国外银行的经验，BIU的主要职能包括：
● 在数据仓库的开发和管理过程中注意和IT部门保持联系和沟通；
● 使用各种统计分析手段帮助理解和观察业务；
● 提供业务人员所关心的各种业务分析；
● 与主要决策者协同工作，制定商业智能的短期、中期和长期开发计划；
● 评估商业智能带来的业务价值。
[上一篇] 2009年新媒体探路整合是关键
[下一篇] 基于CRM的商业智能是什么
