风险管理:预先避免这些数据建模错误

　　许多供应商竭力交付一种数据仓库设计要在一个业务部门内提供多用户的服务，他们会推销一种广泛的、全面的逻辑数据模型。逻辑模型的角色和地位无疑是重要的, 但它能否真正作为一个项目的推进器，却远远被高估和热卖了。

　　金融服务业没有哪一个单一的应用程序可以在超出第三种范式的逻辑模型上运行。所有应用程序都需要一个物理化的模型。将逻辑模型物理化 —— 无论多么详细、广泛和全面，都不会是轻松简单的任务。

　　一个典型的数据中心项目的迭代周期是:

　　●获取业务需求

　　●用逻辑模型映射和间隔它们

　　●对逻辑模型创建一个语义模型

　　●与业务用户确认模型的正确

　　>●按照业务规范调整修改模型

　　●调整修改应用景观(以及因此的语义模型和逻辑模型的间隔),同时收集需求

　　●再次和业务用户确认规范

　　●调整个别业务用户的变化

　　●重新确认

　　●等等。。。

　　这个过程再乘以每一个业务、主要应用和关键利益相关者群体。想想预算是多高呢?

　　所以我们回头问,技术对业务的正真影响是什么? 如果你必须要得到数据，并将它放入数据集中运行你的报表，在最快的处理环境下对所有数据的好处是什么?

　　因此, 作为加速器来说, 最有价值的是构思巧妙、与业务相关的, 广泛的物理模型, 用来以业务用户通常操作的方式分析和报表。需求被锁定的更快，他们在第一时间更可能成功，并可能在发生重大变化之前就得以实施。用户将比其它任何替代产品更早、更有意义地看到价值。

　　现在正如我提到的, 在支持风险和金融需要上，不仅仅是关于数据模型和许多架构方面的讨论。

　　实际上, 在只有一个处理环境下使用这种你刚刚创建的像数据金矿一样的极好的存储器是否没有意义呢?我的意思是处理环境非常简单。考虑一个恰当的数据仓库，在大多数情况下银行将用它作为源，在不同的风险引擎中执行计算并从数据仓库中提取数据给特定的数据集。例如,FTP, 监管资本、信用经济资本和渠道性能等等,这些都是分析应用,利用数据进行业务决策。各自有效地进行自己的决定、计算和数据处理引擎。

　　从根本上讲,不管是创建一个成本分配的结果或监管资本的计算,你只是“处理”数据。有些处理有些是简单的和属性的说明，有些却非常复杂,包括如随机微积分(想想经济资本)这一类的。

　　既然每个引擎实质上是做自己的计算,为什么不进一步的协同，有一个独立的处理层,让所有的计算和转换可以在一个简单的、一致的方式下执行，只有一个定义的维度、安全和可审核性等。

【了解更多BI商业智能、大数据分析平台行业资讯，商业智能解决方案以及商业智能软件下载请访问速鸿官网http://www.suhongkeji.com/】