3．银行数据的特性

目前，虽然各大商业银行基本上实现了数据集中，但是较多的仅停留在物理层面，数据的逻辑集中程度不高，更多的还是以功能为核心，如果要很好地支持未来银行信息化建设，必须要对支撑银行战略的数据需求及特性有一个全面的了解。

(1)银行数据的全局特性从数据涉及的范围来看，数据要服务于企业战略，必须具有全局性，即需要从企业级的视角理解数据需求，按照面向主题的管理需求对数据进行全局性的规划。银行数据主要来源于以下多个层面的系统：银行核心业务系统、独立于核心的专业交易系统、与业务相关度较高的后台管理系统（如信贷管理系统等）、渠道系统、其他信息系统（如同业信息、宏观经济数据等）。由此可见，数据范围基本覆盖了银行所有业务和管理系统，并不仅仅局限于核心业务系统。

(2)银行数据的多维特性  由于定位和目标的不同，因此作为管理需求的数据与业务系统的交易数据有很大的区别。前者是要求具有多维特性，而后者往往是单维度的。为了保障交易系统的效率，业务系统往往只提供最基础的交易流水和基本账务数据，可以说是最小化定制的信息。而管理数据往往要求提供更多的观察视角，以适应不同管理者的差异化需求，在账务数据的基础上，还整合了各个相关的外围系统的数据，相当于又加载了产品、客户等更多的标识，从而形成了多维属性。例如，对于一笔贷款业务，在管理数据中既可以按照不同的管理条线（如个人业务、国际业务等）进行展示，又可以按照所属的行业、期限、产品、客户、地区等其他视角进行展示。

(3)银行数据的关联特性业务系统一般不可能直接提供管理所需的多维度信息，往往需要通过特殊的数据加工平台和工具对相关数据进行关联、转换和加工。管理数据的组织以满足“管理主题”为特征，通常需要借助基础的数据平台（如数据仓库），经过复杂的数据映射、筛选、连接、聚合等加工，横跨多个处理系统（包括其他管理信息系统）的数据。

可以说，管理数据是经过整合、提炼、派生后的多维度信息。

数据的复杂性决定了需要从多方面进行数据的管理。在数据的组织上，要选用科学的方式，称为“数据模型”；在保证数据的正确性、有效性等方面，称为数据质量；在数据的部署方面，需要从数据分布和主数据管理着手；在如何保证数据能够提供高时效的服务方面，则需要考虑数据生命周期和数据交换。因此，可以看出，银行数据的复杂性决定了数据管理的复杂性和多面性。