个人征信数据仓库系统设计的研究

《个人征信数据仓库系统设计的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、对外经济贸易大学硕十论文摘要建立、健全个人征信体系是我国金融信息化建设的重要内容。有效可靠的征信体系，有助于降低银行对个人资信的调查成本，推动个人信贷业务健康持续发展，降低信贷风险，稳定金融秩序。建立个人征信基础数据库是个人征信体系建设的重中之重。衡量一个人的信用程度，离不开信用数据。我国的个人征信基础数据库于2006年1月正式运行，有16家全国性商业银行，115家城市商业银行，129家城市和农村信用社已经顺利接入数据库，目前系统已经收集了4000万人的信息，囊括的个人贷款金额达到2．23万亿元人民币。下一目标就是要在现有数据库的基础上进行数据仓库的构建。在美国、英国、芬兰这些发达的征信国

2、家，都无一例外的建立了覆盖全国范围的征信数据仓库系统。数据仓库是数据库发展的必经之路，尤其是像需要存储上亿人口的信用数据的征信系统数据库，就更要升级为数据仓库，并利用数据挖掘、OLAP等技术，对数据深度分析，提供各种信用产品和增值服务。本文首先阐述了国内外个人征信发展的概况，介绍了我国个人征信基础数据库的建设情况以及存在的问题，如何充分利用存储的海量个人信用数据、建立数据仓库是征信数据库下一步建设的重点。随后介绍了数据仓库的基本理论知识，分析了个人征信基础数据库的现状，着重讨论个人征信的4部分业务处理：数据采集、异议处理、信用报告查询和运行管理的业务流程和特点，提出了个人征信数据仓库系统的

3、架构层次、对数据仓库进行存储分区：分析并进行数据模型的建立，以核心业务——信用报告查询为主题进行逻辑维度建模。关键字：个人征信、数据仓库、架构设计、维度建模对外经济贸易大学硕七论文AbstraetEstablishingandstrengtheningconsumercreditreportingsystemistheimportantpartoffinancialinformationizationofourconntry．Effecfiveandcrediblecreditreportingsystemhelpsreducethecostofinvestigatingconsumerc

4、reditofbanks，impulsethedevelopmentofconsqnllcrcreditbusinesshealthilyandpersistently,reducetheventureofcreditandstabilizetheorderoffinanceindustry．EstablishingtheCOnSLlfflercreditreportingdatabaseisthemostimportantcontentofconsumercreditreportingsystem’sconstruction．Estimatingpersonalcreditcannotb

5、eseparatedfromdataofcredit．InJanuary,2006，China’scol：lsunleArcreditreportingdatabaserunformally,16nationalcommercialbanks，115citycommercialbanks，129cityandcounu'ysidecreditcommunitieshadconnectedtothedatabase．Byfar,tlledatabasehascollected40millionpeople’screditdata,containingtheslnnofpersonalcred

6、it，2230billionRMB．ThenextstepoftheconstructionofconsuEaercreditreportingsystemistobuilddatawarehouse，onthefoundationofconsilrnercreditreportingdatabase．Thedevelopedcreditreportingcountries，suchasAmerica，BritainandFinland，allestablishedconsunlercreditreportingdatawarehouseoverthecountry．Datawarehou

7、seistheprocesswhichdatabasehastopassthrou曲，especiallyforthecreditreportingdatabasethatstoreshundredsofmillionscreditdata,itneedtoupgradetodatawarehouse,usingthetechnologyofdata-miningandOLAPtodeeplyanalyzethedata