基于Teradata的银行数据仓库模型研究与优化

论文摘要

近年来,企业产生的关键业务数据和客户数据飞速增长,对于那些希望利用这些数据获得优势的企业,数据仓库无疑是最佳的解决手段。不过在实际情况中,许多企业在数据仓库建设中投入了大量的人力与物力,但却没有得到预期的回报。其中关键的一点就是数据仓库的模型建设不能与相关的领域很好的结合,而这也是如今各个数据仓库厂商的研究热点之一。另外依据所采用的数据仓库产品,进行针对性的模型改造也成为数据仓库模型研究的一个重要课题。在银行领域中,模型的客户化一直是数据仓库建设的一个重要研究方向。模型的客户化包括决定模型的总体架构的逻辑模型客户化和针对特定数据仓库平台的物理模型客户化,而这两方面的设计都是需要和银行领域的业务紧密结合,因此具有很好的指导意义。同时根据银行的业务特点进行模型优化,也是一个研究重点。针对以上问题,本文重点研究了基于Teradata的银行数据仓库的模型建立与优化。传统的研究都是采用了Microsoft SQL Server或者Oracle等产品,大部分的模型都只适用于某一方面的业务,不具有通用性。而本文研究的商业银行采用了业界领先的Teradata数据仓库,使用了成熟的:Teradata金融领域模型,因此有效的组织了来源多样的业务数据,并使用统一的逻辑语言描述银行业务,满足了不同部门的业务需求和不同的数据访问方式。同时还根据银行业务的特点,提出了逻辑模型到物理模型客户化的设计要点,并建立起了银行自己的数据仓库模型。最后,基于后期的空间容量、执行效率等方面的要求,在保证了结构层次一致性和针对具体运行环境的前提下,对现有的模型优化设计的进行了探索,并取得了初步效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究动机
• 1.3 研究目标与技术路线
• 1.4 论文组织结构
• 第二章 数据仓库概述与Teradata技术分析
• 2.1 数据仓库发展历史
• 2.2 数据仓库相关概念
• 2.2.1 OLAP和OLTP
• 2.2.2 数据仓库查询特点
• 2.2.3 数据仓库体系结构
• 2.3 数据仓库与数据集市
• 2.3.1 关系模型与星型模型
• 2.3.2 数据集市
• 2.4 Teradata方法论与技术特点
• 2.4.1 Teradata可扩展数据仓库方法论
• 2.4.2 Teradata可扩展数据仓库框架
• 2.4.3 Teradata技术特点
• 第三章 数据仓库与数据建模
• 3.1 Teradata概念模型
• 3.2 数据模型
• 3.2.1 数据模型的概念
• 3.2.2 数据模型的意义
• 3.2.3 数据模型的建立
• 第四章 基于Teradata的银行数据仓库模型
• 4.1 基于Teradata的LDM与PDM分析
• 4.1.1 LDM的概念
• 4.1.2 LDM的作用
• 4.1.3 LDM的设计
• 4.1.4 PDM与LDM
• 4.2 基于Teradata模型的客户化分析与设计
• 4.2.1 模型客户化设计原则
• 4.2.2 LDM客户化分析
• 4.2.3 PDM客户化分析
• 4.2.4 LDM客户化到PDM客户化的设计
• 4.3 建立银行领域的BANK-LDM模型
• 4.3.1 BANK-LDM概念层模型设计
• 4.3.2 BANK-LDM主题域模型设计
• 4.3.3 BANK-LDM模型详细设计
• 4.3.4 BANK-LDM成果与总结
• 第五章 基于Teradata的银行数据仓库模型优化
• 5.1 物理模型优化
• 5.1.1 物理模型优化设计原则
• 5.1.2 物理模型优化设计目标
• 5.1.3 物理模型优化详细设计
• 5.2 逻辑模型优化
• 5.3 模型优化统计模板设计
• 5.4 模型优化部分成果
• 第六章 总结与展望
• 参考文献
• 致谢