商业数据库

商业数据库（共12篇）

商业数据库 篇1

一、引言

随着信息化社会和全球经济的迅猛发展，以及网络技术的广泛应用，信息处理和信息存储的需求量越来越大，网上信息的处理变得越来越重要，特别是目前电子商务活动的开展更是离不开网络和数据的应用。像S Q L Server 2000这样的关系数据库管理系统在实际电子商务中给出了最佳解决方案。

网络数据库能实现分布式的数据处理，在异地提交数据从公司总部汇总处理，再将处理结果通过互联网反馈到每一个客户端。这样的处理模式就是经典的分布式数据处理模式。在现代商业中很多大规模的集团公司都面临公司规模扩大、分布地域较广带来的通信管理不便的挑战。在拥有了网络数据库的支持后，这些困难就变得非常简单了。

二、网络数据库的商业实现

1. 网络数据库的概念

网络数据库 (Network Database) 的含义有三个： (1) 在网络上运行的数据库。 (2) 网络上包含其他用户地址的数据库。 (3) 信息管理中，数据记录可以以多种方式相互关联的一种数据库。网络数据库和分层数据库相似，因为其包含从一个记录到另一个记录的前进。与后者的区别在于其更不严格的结构：任何一个记录可指向多个记录，而多个记录也可以指向一个记录。实际上，网络数据库允许两个节点间的多个路径，而分层数据库只能有一个从父记录(高级记录)到子记录(低级目录)的路径。

因此，网络数据库是跨越电脑在网络上创建、运行的数据库。网络数据库中的数据之间的关系不是一一对应的，可能存在着一对多的关系，这种关系也不是只有一种路径的涵盖关系，而可能会有多种路径或从属的关系。

2. 网络数据库的管理模式和管理工具

网络数据库一般有操作系统集成验证管理模式和数据库系统用户管理模式两种。以SQL Server 2000为例，系统集成验证模式能管理整个数据库，获得数据库的超级管理员权限，对该数据库管理系统下的所有数据库有创建、删除、修改的权限。数据库系统用户管理模式下，只有“system administer”用户为超级用户，当使用者以“system administer”用户登录数据库管理系统时才能有效管理该数据库管理系统下的所有数据库。“s y s t em administer”用户可以创建子用户，并为创建的用户分配权限。这样就能实现在同一个数据库管理系统下不同的用户操作不同的数据库。这样就保证了数据的安全性和数据库管理系统的稳定性。

管理网络数据库一般都需要借助管理工具，以SQL Server 2000为例，SQL Server 2000比较常用的是服务管理器、企业管理器和查询分析器。

服务管理器是网络服务器的一个客户程序，能启动和停止多个服务器的进程。通过服务管理器来实现SQL Server2000数据库的启动和关闭，从而达到为网络上其他用户提供数据库服务的功能。服务管理器可对SQL Server执行四项任务：启动SQL Server实例;暂停SQL Server实例;继续运行暂停的SQL Server实例;停止SQL Server实例。主要完成如下步骤：除了具有“system administer”角色的用户除外，禁止其他所有用户;允许任何运行中的SQL事务或者存储过程继续执行直至结束，这对维护数据库的ACID特性很重要;对于每个数据库执行一个检查点，检查点对于恢复模型很重要;SQL服务停止执行。

企业管理器是用来管理SQL Server 2000的前端工具，通过该工具可以实现数据库的创建、删除、更新、维护等多重操作。企业管理器是SQL Server 2000数据库管理的主要途径。它提供了一个遵从MMC的用户界面，使用户可以完成：定义运行SQL Server的服务器组;将个别服务器注册到组中;为每个已注册的服务器配置所有SQL Server选项;在每个已注册的服务器中创建并管理所有SQL Server数据库、对象、登录、用户和权限;在每个已注册的服务器上定义并执行SQL Server管理任务;通过唤醒调用SQL查询分析器，交互地设计并测试SQL语句、批处理和脚本;唤醒调用为SQL Server定义的各种向导。

查询分析器是对数据库进行命令格式的操作窗口，通过T-S QL语言来实现对数据记录的查询和管理。程序员可以试着采用不同的方法更改查询，使查询使用的资源减少到最小，同时仍能返回正确的数据;使用索引优化向导分析T-SQL语句及它所引用的表，以了解通过添加其他索引是否可以提高查询的性能。

3. 网络数据库的商业应用

网络数据库在商业领域的应用前景是极为广泛的。网络数据的网络特性使得分布在不同地域的企业的沟通变得便利。网络数据库的使用使得数据的安全性得到了极大的提高，网络数据库在商业领域的应用使得企业更容易获得利润，商业活动更为便利。网络数据库对现代商业运营起到了支撑的作用。在分布式处理和匹配商业规则上网络数据库做得尤为突出。

(1) 分布式处理。分布式数据库管理系统(DDBMS)是一个集中式的应用程序，用来管理分布式的数据库，就像这个数据库存储在同一台电脑上一样。DDBMS阶段性的同步所有的数据，并在多个用户必须同时访问同一数据的时候进行同步，以此确保在同一地点的数据的更新和删除会自动映射到其他存储数据的地方。

分布式处理一般分为两种方法，一种是网络数据库管理系统的分布式处理，另一种是借助网络应用程序来实现数据库的异地访问。

(1) 网络数据库系统分布式的管理模式。在一个以TCP/I P为基础的互联网络中，假如把网络数据库的服务器架设到中国上海某地，在网络的其他地方安装了数据库的客户端，这样就能实现数据的异地传输与异地访问。在这种模式中，服务器端需要安装服务器和客户端工具;而在客户端只需安装客户端工具即可。客户端工具能连接到数据库服务器上，当使用指定用户登录时，就能在客户端管理该指定用户下所能管理的数据库了。

(2) 借助网络应用程序的分布式处理。在网络中当需要规则地采集用户信息，或者需要有限制地对数据进行操作时数据库系统的分布式管理就显得不足了。这时我们可以采用如B/S或C/S的网络应用程序，规则地按需采集处理数据。这种情况目前在商业领域应用是比较广泛的，如目前比较流行的BBS、电子商务网站、网上商店、财务管理软件等。

(2) 商业规则。有商业活动就会有商业规则，在商业规则中需要对数据分门别类地进行存储或处理。比如：一个电子图书的购物网站需要把图书的书刊编号、作者、摘要等这些图书的基本信息和该图书被浏览的次数和浏览人的留言分开存放的同时，又需要弄清楚图书和留言的对应关系，这个时候网络数据库就显得尤为重要了。在网络数据库中，我们完全可以通过对图书基本信息和图书的外延信息，诸如留言、评论等分开存放在不同的数据表中。在通过视图把这两张物理表逻辑地关联到一起，使得在外观上能直观地反映出每一本书所对应的该书的评论。这些工作都是网络数据库能够实现的。

在网络数据库的帮助下，商业规则得以维持。在现代商业活动中，有了网络数据库的支持，商业运作更加流畅灵活，网络数据库把人们从纷繁的商业规则中解脱出来，去创造更多价值。

(3) 商业数据的完整性。在商业活动中对数据完整性的要求是比较高的。我们想一想，假如A公司想要裁员50人，而这个数字在被上报公司董事会的时候由于传递的失误而变成了5000人，这样的错误我想是每一个公司都不愿见到的。如果使用了网络数据库，这样的问题就不会发生了。网络数据库中数据传输是简单的二进制传输非0即1，计算机的精确可靠为商业运作提供了可靠的保证。

假如在这种情况下对数据安全还不放心，那我们可以采用更为安全的方法——数据加密。因为假如有人打开了服务器的数据库，就有可能看到数据库中的信息，只要是有数据库常识的人就不难分析出数据库中隐藏的商业机密，从这个角度来看，这样的担心是正常的。那么我们采取了加密措施后，最后的这一点担心也被解决了。通过目前流行的加密算法，或者自己制定的一个加密算法，把用户需要保密的信息，通过加密存储到数据库中。这样当数据库打开后，看到的记录也只是加密后的一串没有任何实际意义的标识。除非有人盗取了解密函数，否则其他人永远也无法解密。

通过概率和数理统计也能算出，如果暴力破解的话，一个最常见的商业加密算法也要破解几十年或上百年，这样的付出可以说是没有任何回报的。

三、结论

在现行的商业运营中，网络数据库无疑起着不可或缺的作用。在网络数据库的大力支持下，数据的完整性、安全性得以保证。大量有序、安全的数据快捷地存储到了网络数据库中，很好地支持了商业活动的有序、健康进行。

网络数据库在将来也必将和商业活动越来越紧密地结合在一起，人们已经意识到了网络数据库在商业活动中的重要性。相信网络数据库会和商业运营合为一体，保证商业活动的高效、有序进行。

摘要：本文通过对网络数据库的功能和作用进行讲解, 并以SQLServer2000数据库的网络性能为例, 从作用上体现了网络数据库在市场上的不可或缺的地位。网络数据库能实现远程分布式数据的传递与整合, 符合跨地域或跨国公司的分布特点, 能满足这类公司的数据处理需求。另外网络数据库对数据的综合处理, 通过简单的过程控制语句能迅速地在上千万条记录中提取出用户需要的数据。网络数据库高速、快捷、准确地操作为商业事务的正常运行提供了极其有利的支持。网络数据库在商业领域的应用会更为广泛。

关键词：网络数据库,SQL Server 2000,过程控制,记录

参考文献

[1]张明新.网络数据库[M].重庆:重庆大学出版社, 2004:8.

[2]张丽娟.SQL Server2000网络数据库教程[M].北京:机械工业出版社, 2006:4.

商业数据库 篇2

（京银监办[2010]87号）

各政策性银行北京市分行及总行营业部、国家开发银行在京营业机构、各国有商业银行北京市分行、辖内各股份制商业银行、北京银行、北京农村商业银行、辖内各村镇银行、各城市商业银行北京分行、中国邮政储蓄银行北京分行、辖内各外资银行、各金融资产管理公司北京办事处、辖内各信托公司、辖内各企业集团财务公司、金融租赁公司、辖内各汽车金融公司、中国工商银行牡丹卡中心、中国银行银行卡中心、中国民生银行信用卡中心、中国工商银行票据营业部北京分部、中国工商银行私人银行部北京分部：

为加强商业银行数据中心风险控制和管理，现将《中国银监会办公厅关于印发＜商业银行数据中心监管指引＞的通知》（银监办发[2010]114号）转发给你们，请遵照执行。

中国银行业监督管理委员会北京监管局办公室

二0一0年四月二十七日

中国银行业监督管理委员会办公厅关于印发《商业银行数据中心监管指引》的通

知

（银监办发[2010]114号）

各银监局，各政策性银行、国有商业银行、股份制商业银行，邮政储蓄银行，各省级农村信用联社：

为加强商业银行数据中心风险管理，保障数据中心安全、可靠、稳定运行，加强灾难恢复管理，提高业务连续性水平，现将《商业银行数据中心监管指引》印发给你们，请遵照执行。

请各银监局将本通知转发至辖内相关银行业金融机构。

中国银行业监督管理委员会办公厅

二0一0年四月二十日

商业银行数据中心监管指引

第一章 总则

第一条 为加强商业银行数据中心风险管理，保障数据中心安全、可靠、稳定运行，提高商业银行业务连续性水平，根据《中华人民共和国银行业监督管理法》及《中华人民共和国商业银行法》制定本指引。第二条 在中华人民共和国境内设立的国有商业银行、股份制商业银行、邮政储蓄银行、城市商业银行、省级农村信用联合社、外商独资银行、中外合资银行适用本指引。中国银行业监督管理委员会（以下简称中国银监会）监管的其他金融机构参照本指引执行。

第三条 以下术语适用于本指引：

（一）本指引所称数据中心包括生产中心和灾难备份中心（以下简称灾备中心）。

（二）本指引所称生产中心是指商业银行对全行业务、客户和管理等重要信息进行集中存储、处理和维护，具备专用场所，为业务运营及管理提供信息科技支撑服务的组织。

（三）本指引所称灾备中心是指商业银行为保障其业务连续性，在生产中心故障、停顿或瘫疾后，能够接替生产中心运行，具备专用场所，进行数据处理和支持重要业务持续运行的组织。

（四）本指引所称灾备中心同城模式是指灾备中心与生产中心位于同一地理区域，一般距离数十公里，可防范火灾、建筑物破坏、电力或通信系统中断等事件。灾备中心异地模式是指灾备中心与生产中心处于不同地理区域，一般距离在数百公里以上，不会同时面临同类区域性灾难风险，如地震、台风和洪水等。

（五）本指引所称重要信息系统是指支撑重要业务，其信息安全和服务质量关系公民、法人和组织的权益，或关系社会秩序、公共利益乃至国家安全的信息系统。包括面向客户、涉及账务处理且时效性要求较高的业务处理类、渠道类和涉及客户风险管理等业务的管理类信息系统，以及支撑系统运行的机房和网络等基础设施。

第四条 《 信息安全技术信息系统灾难恢复规范》（GB/T20988－2007）

第二章 设立与变更 中的条款通过本指引的引用而成为本指引的条款。

第五条 商业银行应于取得金融许可证后两年内，设立生产中心；生产中心第六条 商业银行数据中心应配置满足业务运营与管理要求的场地、基础设第七条 总资产规模一千亿元人民币以上且跨省设立分支机构的法人商业银设立后两年内，设立灾备中心。

施、网络、信息系统和人员，并具备支持业务不间断服务的能力。

行，及省级农村信用联合社应设立异地模式灾备中心，重要信息系统灾难恢复能力应达到《 信息安全技术信息系统灾难恢复规范》 中定义的灾难恢复等级第5级（含）以上；其他法人商业银行应设立同城模式灾备中心并实现数据异地备份，重要信息系统灾难恢复能力应达到《信息安全技术信息系统灾难恢复规范》中定义的灾难恢复等级第4级（含）以上。第八条 商业银行应就数据中心设立，数据中心服务范围、服务职能和场所变更，以及其他对数据中心持续运行具有较大影响的重大变更事项向中国银监会或其派出机构报告。

第九条 商业银行应在数据中心规划筹建阶段，以及在数据中心正式运营前第十条 商业银行变更数据中心场所时应至少提前2个月，其他重大变更应

第三章 风险管理 至少20个工作日，向中国银监会或其派出机构报告。

至少提前10个工作日向中国银监会或其派出机构报告。

第十一条 商业银行信息科技风险管理部门应制定数据中心风险管理策略、风险识别和评估流程，定期开展风险评估工作，对风险进行分级管理，持续监督风险管理状况，及时预警，将风险控制在可接受水平。

第十二条 商业银行信息科技部门应指导、监督和协调数据中心明确信息系统运营维护管理策略，建立运营维护管理制度、标准和流程，落实信息科技风险管理措施。

第十三条 商业银行数据中心应建立健全各项管理与内控制度，从技术和管第十四条 商业银行数据中心应设立专门管理岗位，监督、检查数据中心各第十五条 商业银行应根据业务影响分析所识别出风险的可能性和损失程度，理等方面实施风险控制措施。

项规范、制度、标准和流程的执行情况以及风险管理状况。

决定是否购买商业保险以应对不同类型的灾难，并定期检查其保险策略及范围。投保资产清单应保存于安全场所，以便索赔时使用。

第十六条 商业银行内部审计部门应至少每三年进行一次数据中心内部审计。第十七条 商业银行在采取有效信息安全控制措施的前提下，可聘请合格的外部审计机构定期对数据中心进行审计。第十八条商业银行数据中心应根据内、外部审计意见，及时制定整改计划并实施整改。

第四章 运行环境管理

第十九条 商业银行进行数据中心选址时，应进行全面的风险评估，综合考虑地理位置、环境、设施等各种因素对数据中心安全运营的潜在影响，规避选址不当风险，避免数据中心选址过度集中。

第二十条 数据中心选址应满足但不限于以下要求：

（一）生产中心与灾备中心的场所应保持合理距离，避免同时遭受同类风险。

（二）应选址于电力供给可靠，交通、通信便捷地区；远离水灾和火灾隐患区域；远离易燃、易爆场所等危险区域；远离强振源和强噪声源，避开强电磁场干扰；应避免选址于地震、地质灾害高发区域。第二十一条 数据中心基础设施建设应以满足重要信息系统运行高可用性和高可靠性要求、保障业务连续性为目标，应满足但不限于以下要求：

（一）建筑物结构，如层高、承重、抗震等，应满足专用机房建设要求。

（二）应根据使用要求划分功能区域，各功能区域原则上相对独立。

（三）应配备不间断电源、应急发电设施等以满足信息技术设备连续运行的要求。

（四）通信线路、供电、机房专用空调等基础设施应具备冗余能力，进行冗余配置，消除单点隐患。

（五）机房区域应采用气体消防和自动消防预警系统，内部通道设置、装饰材料等应满足消防要求，并通过消防验收。

（六）应采取防雷接地、防磁、防水、防盗、防鼠虫害等保护措施。

（七）应采用环保节能技术，降低能耗，提高效率。

第二十二条 数据中心安防与基础设施保障应满足但不限于以下要求：

（一）各功能区域应根据使用功能划分安全控制级别，不同级别区域采用独立的出入控制设备，并集中监控，各区域出入口及重要位置应采用视频监控，监控记录保存时间应满足亭件分析、监督审计的需要。

（二）应具备机房环境监控系统，对基础设施设备、机房环境状况、安防系统状况进行7x24小时实时监测，监测记录保存时间应满足故障诊断、事后审计的需要。

（三）每年至少开展一次针对基础设施的安全评估，对基础设施的可用性和可靠性、运维管理流程以及人员的安全意识等方面进行检查，及时发现安全隐患并落实整改。

第二十三条 数据中心应来用两家或多家通信运营商线路互为备份。互为备

第五章 运营维护管理 份的通信线路不得经过同一路由节点。

第二十四条 商业银行应建立满足业务发展要求的数据中心运营维护管理体系，根据业务需求定义运营维护服务内容，制定服务标准和评价方法，建立运营维护管理持续改进机制。

第二十五条 数据中心应建立满足信息科技服务要求的运营管理组织架构。设立生产调度、信．息安全、操作运行维护、质量合规管理等职能相关的部门或岗位，明确岗位和职责，配备专职人员，提供岗位专业技能培训，确保关键岗位职责分离，通过职责分工和岗位制约降低数据中心操作风险。

第二十六条 数据中心应建立信息科技运行维护服务管理流程，提高整体运行效率和服务水平，包括：

（一）应建立事件和问题管理机制。明确亭件管理流程，定义事件类别、事件分级响应要求和事件升级、上报规则，及时受理、响应、审批和交付服务请求，保障生产服务质量，尽可能降低对业务影响；建立服务台负责受理、跟踪、解答各类运营问题；建立问题根源分析及跟踪解决机制，查明运营事件产生的根本原因，避免事件再次发生。

（二）应建立变更管理流程，减少或防止变更对信息科技服务的影响。根据变更对业务影响大小进行变更分级，对变更影响、变更风险、资源需求和变更批准进行控制和管理；变更方案应包括应急及回退措施，并经过充分测试和验证；建立变更管理联动机制，当生产中心发生变更时，应同步分析灾备系统变更需求并进行相应的变更，评估灾备恢复的有效性；应尽量减少紧急变更。

（三）应建立配置管理流程，统一管理、及时更新数据中心基础设施和重要信息系统配置信息，支持变更风险评估、变更实施、故障事件排查、问题根源分析等服务管理流程。

（四）应对重要信息系统和通信网络的容量和性能需求进行前瞻性规划，分析、调整和优化容量和性能，满足业务发展要求。

（五）应统一调度各项运维任务，协调和解决各项运维任务冲突，妥善记录和保存运维任务调度过程。

（六）应制定验收交接标准及流程，规范重要信息系统投产验收管理。加强版本控制，防范因软件版本、操作文档等不一致产生的风险。

（七）应根据商业银行总体风险控制策略及应急管理要求，从基础设施、网络、信息系统等不同方面分别制定应急预案，并及时修订应急预案，定期进行演练，保证其有效性。

（八）应集中监控重要信息系统和通信网络运行状态。采用监控管理工具，实时监控重要信息系统和通信网络的运行状况，通过监测、采集、分析和调优，提升生产系统运行的可靠性、稳定性和可用性。监控记录应满足故障定位、诊断及事后审计等要求。

第二十七条 数据中心应建立信息安全管理规范，保证重要信息的机密性、完整性和可用性，包括：

（一）应设立专门的信息安全管理部门或岗位，制定安全管理制度和实施计划，定期对信息安全策略、制度和流程的执行情况进行检查和报告。

（二）应建立和落实人员安全管理制度，明确信息安全管理职责；通过安全教育与培训，提高人员的安全意识和技能；建立重要岗位人员备份制度和监督制约机制。

（三）应加强信息资产管理，识别信息资产并建立责任制，根据信息资产重要性实施分类控制和分级保护，防范信息资产生成、使用和处置过程中的风险。

（四）应建立和落实物理环境安全管理制度，明确安全区域、规范区域访问管理，减少未授权访问所造成的风险。

（五）应建立操作安全管理制度，制定操作规程文档，规范信息系统监控、日常维护和批处理操作等过程。

（六）应建立数据安全管理制度，规范数据的产生、获取、存储、传输、分发、备份、恢复和清理的管理，以及存储介质的台帐、转储、抽检、报废和销毁的管理，保证数据的保密、真实、完整和可用。

（七）应建立网络通信与访问安全策略，隔离不同网络功能区域，采取与其安全级别对应的预防、监测等控制措施，防范对网络的未授权访问，保证网络通信安全。

（八）应建立基础设施和重要信息的授权访问机制，制定访问控制流程，保留访问记录，防止未授权访问。

第六章 灾难恢复管理

第二十八条 商业银行应将灾难恢复管理纳入业务连续性管理框架，建立灾第二十九条 商业银行应统筹规划灾难恢复工作，定期进行风险评估和业务第三十条 商业银行灾难恢复预案应包括但不限于以下内容：灾难恢复指挥难恢复管理组织架构，明确灾难恢复管理机制和流程。

影响分析，确定灾难恢复目标和恢复等级，明确灾难恢复策略、预案并及时更新。

小组和工作小组人员组成及联系方式、汇报路线和沟通协调机制、灾难恢复资源分配、基础设施与信息系统的恢复优先次序、灾难恢复与回切流程及时效性要求、对外沟通机制、最终用户操作指导及第三方技术支持和应急响应服务等内容。

第三十一条 商业银行应为灾难恢复提供充分的资源保障，包括基础设施、第三十二条 商业银行应建立与服务提供商、电力部门、公安部门、当地政第三十三条 商业银行应建立灾难恢复有效性测试验证机制，测试验证应定第三十四条 商业银行应每年至少进行一次重要信息系统专项灾备切换演网络通信、运维及技术支持人力资源、技术培训等。

府和新闻媒体等单位的外部协作机制，保证灾难恢复时能及时获取外部支持。

期或在重大变更后进行，内容应包含业务功能的恢复验证。

练，每三年至少进行一次重要信息系统全面灾备切换演练，以真实业务接管为目标，验证灾备系统有效接管生产系统及安全回切的能力。

第三十五条 商业银行进行全面灾备切换和真实业务接管演练前应向中国第三十六条 商业银行因灾难亭件启动灾难恢复或将灾备中心回切至生产银监会或其派出机构报告，并在演练结束后报送演练总结。

中心后，应及时向中国银监会或其派出机构报告，报告内容包括但不限于：灾难亭件发生时间、影响范围和程度，亭件起因、应急处置措施、灾难恢复实施情况和结果、回切方案。

第七章 外包管理

第三十七条 商业银行董事会对外包负最终管理责任，应推动和完善外包风险管理体系建设，确保商业银行有效应对外包风险。第三十八条 商业银行应根据信息科技战略规划制定数据中心外包策略；应第三十九条 商业银行应确定外包服务所涉及的信息资产的关键性和敏感第四十条 商业银行应充分识别、分析、评估数据中心外包风险，包括信息制定数据中心服务外包管理制度、流程，建立全面的风险控制机制。

程度，审慎确定数据中心外包服务范围。

安全风险、服务中断风险、系统失控风险以及声誉风险、战略风险等，形成风险评估报告并报董事会和高管层审核。

第四十一条 实施数据中心服务外包时，商业银行的管理责任不得外包。第四十二条 数据中心服务外包一般包括：

（一）基础设施类：外包服务商向商业银行提供数据中心机房、配套设施或运行设备的服务。

（二）运营维护类：外包服务商向商业银行提供数据中心信息系统或墓础设施的日常运行、维护等服务。

第四十三条 商业银行在选择数据中心外包服务商时，应充分审查、评估外包服务商的资质、专业能力和服务方案，对外包服务商进行风险评估，考查其服务能力是否足以承担相应的贵任。评估包括：外包服务商的企业信誉及财务德定性，外包服务商的信息安全和信息科技服务管理体系，银行业服务经验等。提供数据中心基础设施外包服务的服务商，其运行环境应符合商业银行要求，并具有完备的安全管理规范。

第四十四条 商业银行应与数据中心外包服务商签订书面合同，在合同中明确重要亭项，包括但不限于双方的权利和义务、外包服务水平、服务的可靠性、服务的可用性、信息安全控制、服务持续性计划、审计、合规性要求、违约赔偿等。

第四十五条 商业银行应要求外包服务商购买商业保险以保证其有足够的第四十六条 商业银行应加强对数据中心外包服务活动的安全管理，包括但赔偿能力，并告知保险覆盖范围。

不限于：

（一）商业银行应将数据中心外包服务安全管理纳入数据中心的整体安全策略，保障业务、管理和客户敏感数据信息安全。

（二）商业银行应按照“必需知道”和“最小授权”原则，严格控制外包服务商信息访问的权限，要求外包服务商不得对外泄露所接触的商业银行信息。

（三）商业银行应要求外包服务商保留操作痕迹、记录完整的日志，相关内容和保存期限应满足事件分析、安全取证、独立审计和监督检查需要。

（四）商业银行应要求外包服务商遵守商业银行有关信息科技风险管理制度和流程。

（五）商业银行应要求外包服务商每年至少开展一次信息安全风险评估并提交评估报告。

（六）商业银行应要求外包服务商聘请外部机构定期对其进行安全审计并提交审计报告，督促其及时整改发现的问题。

第四十七条 商业银行应禁止外包服务商转包并严格控制分包，保证外包服第四十八条 商业银行应制定数据中心外包服务应急计划，制订供应商替换务水平。

方案，以应对外包服务商破产、不可抗力或其它潜在问题导致服务中断或服务水平下降的情形，支持数据中心连续、可靠运行。

第四十九条 商业银行应建立外包服务考核、评价机制，定期对外包服务活第五十条 商业银行在实施数据中心整体服务外包以及涉及影响业务、管理第五十一条 商业银行应在外包服务协议条款中明确商业银行和监管机构动和外包服务商的服务能力进行审核和评估，确保获得持续、稳定的外包服务。

和客户敏感数据信息安全的外包前，应向中国银监会或其派出机构报告。

有权对协议范围内的服务活动进行监督检查，包括外包商的服务职能、责任、系统和设施等内容。

第八章 监督管理

第五十二条 中国银监会及其派出机构可依法对商业银行的数据中心实施第五十三条 针对商业银行数据中心设立、变更、运营过程存在的风险，中非现场监管及现场检查。现场检查原则上每三年一次。

国银监会或其派出机构可向商业银行提示风险并提出整改意见。商业银行应及时整改并反馈结果。

第九章 附则

第五十四条 本指引由中国银监会负责解释、修订。第五十五条 本指引自公布之日起执行。

附件：

《 商业银行数据中心监管指引》 报告材料目录和格式要求

一、数据中心规划报告材料目录

（一）数据中心建设规划报告，包括： ．立项报告和可行性分析报告，包括建设背景、建设目标、风险评估、效益分析、成本投入等。．基础设施规划方案，包括选址、建筑物结构、功能区域划分、监控、防雷接地及消防等配套设施、机房等级等。．信息系统建设规划方案，包括功能与技术方案规划、人员配置计划、系统服务的区域和业务范围等。灾备中心还需提供灾难恢复目标、灾难恢复等级、灾备技术方案规划及风险评估报告等。

（二）区域环境及基础设施风险评估说明，包括风险识别，风险分析和风险控制策略等。

（三）建设及运营模式说明，包括技术支持及运行维护体系等。如采用外包，需提供外包的服务内容和外包风险评估报告；

（四）组织架构规划。包括拟设立的部门与岗位职责、计划采用的人员数量等。

（五）建设及投入运营的时间进度计划和财务预算（基础设施建设和运维管理费用等）。

（六）中国银监会或其派出机构要求提供的其它文件和资料。

二、数据中心设立报告材料目录

（一）由商业银行法定代表人签署的数据中心投产审批文件，包括数据中心上线申请，数据中心上线审批报告等。

（二）基础设施情况，包括地址、建筑物结构、功能区域划分、监控、防雷接地及消防等配套设施验收报告、机房及附属设施验收报告等。

（三）信息系统情况，包括系统架构、系统名称、系统服务的区域和业务范围、数据备份方案、灾备技术方案等。

（四）运营模式说明，包括技术支持及运行维护体系等。如采用外包需说明主要外包管理情况，包括主要外包项目名称、外包内容（业务类型及范围等）、外包商基本情况、外包合同（包括安全保密条款、知识产权保护条款）、外包服务水平协议和外包风险评估报告等。

（五）组织架构，包括部门设置与岗位职责、人员配备、主要负责人名单等。

（六）管理制度和规范清单及相关说明，包括运行管理流程、安全管理制度、应急管理制度和规范（含应急恢复策略、信息系统备份和恢复方案、应急管理流程及预案、应急演练及培训计划等）、灾难恢复预案。

（七）中国银监会或其派出机构要求提供的其它文件和资料。

三、数据中心重大变更报告材料目录

（一）变更说明，包括变更原因、目的、内容、时间和影响范围等。

（二）变更方案，包括变更准备、变更计划和步骤、变更应急和回退措施。

（三）风险评估报告，包括风险分析，控制措施、变更有效性评估。

（四）中国银监会或其派出机构要求提供的其它文件和资料。

四、报告材料格式要求

数据中心规划、设立及重大变更报告材料应向中国银监会或其派出机构报送纸质材料和电子文档。

商业数据库 篇3

【关键词】报纸数据库;商业营销;商用空间

【作者单位】晁卫华，河南大学。

【基金项目】河南省教育厅人文社科项目《基于“互联网+”行动计划的图书馆服务营销发展新战略》的阶段性成果（编号：2016—zc—123 ）。

近年来，在新媒体颠覆性崛起所带来的迅猛冲击之下，整个媒体生态格局发生了巨大的变化。传统报纸媒体迅速萎缩，其赖以生存的广告收入呈现断崖式下滑。传统报纸进入了艰难的转型期，各种媒体融合和商业新模式的探索不断进行。随着数据时代的到来，报纸作为记录人类活动痕迹的媒体，登载着众多有价值的资讯。以报纸内容为基础构建的数据库记录着每一天发生的重要新闻信息和时代进程，具有多方面的重要价值。如何让报纸数据库更好地拓展商用空间，实现商业价值，一直是学界讨论和业界探索的方向。

一、报纸数据库的商用模式前瞻

在数据互联共享的大趋势下，跨库阅览必将成为时代潮流，报纸数据库的商业价值将逐渐凸显。

1.构建“付费阅读库”并非空谈

在传统媒体时代，报纸经营的模式就是将内容低价售卖给读者，再依赖广大的受众传播效应进行广告售卖从而获取盈利。随着新媒体的崛起，人们获取新闻资讯的渠道越来越丰富，消解了对传统报纸的阅读需求，传统报纸受众流失严重，报纸广告经营每况愈下。与此同时，为了顺应数字化需求和媒体融合发展的趋势，传统报纸开始建立报纸数据库，并构建网络版和电子版。在我国以免费为消费习惯的互联网格局下，报纸的网络版和电子版通常都提供免费阅读，转化成收费订阅模式十分困难。但是，欧美国家的情况却不尽相同，比如美国《纽约时报》数字订阅就取得了骄人成绩。2015年纽约时报向读者提供的3个数字版套餐，其中网页版加智能手机版价格为每周3.75美元，网页版加平板电脑版每周价格为5美元，全平台版每周价格为8.75美元。2015年8月7日，纽约时报宣布其订阅数字版的读者数已突破100万，这样的成绩无疑令人震惊和振奋。2015年10月，纽约时报推出了一个大胆的计划，该报向报纸买家提供网络版的访问密码，希望他们尽早转型为网络版（包括移动APP）的付费订户[1]。

由于我国读者还没有养成付费阅读的习惯，报纸数据库作为付费阅读库实现盈利看似难以实现。但是通过我国相关政策的引导、媒体内容的优化和营销模式的创新，实现付费阅读并非天方夜谭。《纽约时报》的成功案例已经证明了报纸数据库作为付费阅读库的可行性。

2. 构建“学研信息库”的潜力巨大

近几年来，以高校图书馆为代表的电子文献资料购置费用呈现不断上升之势。根据2015年11月9日教育部高等学校图书情报工作指导委员会发布的《2014 年高校图书馆发展概况》显示[2]，2014年高校图书馆的馆均总经费投入明显高于2013年，馆均文献资源购置费、纸质资源购置费均有一定程度回升，而电子资源购置费继续大幅攀升。全国549所高校图书馆提交的有效电子资源采购费约为1.31亿元，平均值约为239万元，约占馆均文献资源购置费的49.7%，平均值逐年升高，延续2006年以来的持续走高趋势。

3. 构建“信息咨询库”的前景广阔

在我国新型智库建设的战略性部署中，新闻机构被列为试点单位，这显示了媒体内容信息地位的重要性。报纸数据库作为社会智慧的聚合场域之一，在信息咨询领域拥有广阔的利用空间，商用价值不可限量。报纸数据库信息体量巨大，涉猎面广，内容质量较高，可为社会经济发展、公共决策和科研开发等诸多领域提供信息支持和参考。

4.构建“新闻分享库”的升值可期

随着新媒体技术的发展，我国的媒体格局发生了巨大的变化。腾讯、搜狐、新浪、今日头条等商业性新闻网站及其APP客户端拥有巨大的受众群体。根据我国的相关政策，商业性新闻网站不拥有新闻采编权，因此需要通过与各大媒体合作才能转载最新的新闻信息。目前我国主要的商业性新闻网站都与各大报纸媒体建立了密切合作，这些商业性网站通过向媒体机构付费分享新闻内容。由于我国的版权管理还不完善，目前新闻作品的转载费率偏低，但是随着我国版权管理不断规范、版权产业不断发展，报纸数据库作为“新闻分享库”的商用价值肯定会不断提高。

二、报纸数据库的商业营销分析

1.以市场为导向，打造适应需求的数据产品

由于我国报纸数据库的商业化理念滞后，对数据库的商用探索不足，尚有很多报社未建立内容数据库;已建立数据库的报社通常将数据库当作单一的“信息查询库”来对待，数据库功能围绕着简单的信息查询来设计，通常存在结构混乱、分类不清、功能单一等诸多问题[3]。数据库如果要转向商用并实现商用价值，就必须以市场需求为导向，围绕不同的用户需求打造方便实用的特色数据产品。从基础的市场普适角度来看，目前的报纸数据库必须要重视以下三个方面的构建和优化。一是要重视分类检索的便捷性。在构建和优化数据库的时候，一定要重视用户使用体验，构建方便实用的分类检索系统，为用户提供更快捷的使用体验。二是要重视数据的充分性。从市场利用的角度来说，数据越充分，参考价值越高，尤其是一些连续性追踪报道的聚合和相关采访内容的补充。三是要重视数据的持续性更新。数据利用通常追求时效性和完整性，越完整的数据利用价值越高。因此，报纸数据库应该重视数据的持续更新，充实数据库内容。

2.以主要渠道客户为重点，开展精准性营销

在任何市场化产品的营销过程中，找准主要渠道客户无疑是营销的重点。报纸数据库的营销也是如此，尤其是在目前报纸数据库营销模式尚未成熟、营销体系尚不完备的背景下，抓住主要渠道客户无疑是重中之重。报纸数据库的主要渠道客户来自以下几个方面：一是科研机构。根据2015年发布的《2014年国民经济和社会发展统计公报》分析，2014年我国科研经费支出高达13312亿元，同比增长12. 4%。科研机构的数据需求巨大，无疑是报纸数据库查阅和利用的重要主体，也是数据利用的市场提供者。二是馆配资源。根据国家统计局的统计，我国现有公共图书馆3110个，每年的数据文献购置经费巨大。报纸数据库应该抓住馆配资源需求，积极成为各大图书馆的数据提供者。三是相关政府部门和企业。随着社会经济改革的进一步深化，相关政府部门对智库的依赖越来越高，各类企业对智力支持的需求越来越大。报纸数据库应该把握时代需求，进行多样化和特色化的数据库建设，开展准确性营销，打造适合各类政府部门和企业需求的数据产品，不断提供增值服务，开拓盈利新渠道。

3.采用灵活收费和多样促销，实现市场拓展和盈利

报纸数据库所面对的渠道客户差异性较大，因此针对不同的渠道客户要采用不同的收费策略。科研机构及图书馆拥有丰富的数据库支持，因此报纸数据库需要形成优势价格和长效机制，才能赢得它们的青睐;对各类企业用户为代表的定制化用户，由于报纸数据库提供的数据产品服务具有不可替代性，所以可以制订符合市场要求的收费标准。

在市场营销过程中，报纸数据库应该积极开展各种促销活动，以实现市场拓展：既可以开展广告宣传进行直接营销，又可以依靠科研会议进行间接营销;既可以直接开展优惠活动进行活动营销，又可以通过嫁接文献售卖和科技活动进行间接营销。通过不断的市场探索和拓展，我们相信报纸数据库的商用空间一定会不断扩大，商业价值一定会得以实现。

[1] 晨曦. 《纽约时报》转型：在报摊告诉读者别买报纸去上网[EB/OL]. 腾讯网， 2015-10-14.

[2] 王波，吴汉华，姚晓霞. 2014 年高校图书馆发展概况[EB/OL]. 2015-11-09. 教育部高等学校图书情报工作指导委员会官网http：//www.scal.edu.cn/ .

商业数据库 篇4

一、大数据的特点

大数据通常是指组织或公司创造大量非结构化和半结构化数据并对其进行处理的能力。近年来随着互联网的发展, 人们在网络中留下了大量的行为轨迹, 这些同人类行为相关的数据呈爆炸式增长, 从而使得我们进入了大数据的时代。大数据分为数据的生成、收集、储存、分析、应用。其中数据生成、收集是基础;数据分析是大数据的核心;数据应用是大数据的价值体现。大数据体现在商业上是消费者的消费行为习惯, 体现在教育上是学习者的学习行为习惯。

二、教育中大数据的用途

Cousera的创办人达芙妮曾谈及在开设一门MOOC课程时, 学生会自发的建立论坛, 在论坛中学生问一个问题所得到答案的平均速度为22分钟, 相比较传统教学方式会快很多, 传统授课中, 学生很有可能在第二天或者是下一次上课才能得到问题答案。而在《远程教育杂志》MOOC热的冷思考一文中, 在谈及这个问题的时候说道, 平均时间22分钟, 部分学生是不能接受的。这其实在两种思维角度的不同导致的结论不同。从大数据的角度来看, 我们可以搜集传统教育中平均得到答案的时间为多久, 以及有多大比重的学习者是不能接受22分钟的答案时长, 以及多长时间的答案取得是学生可以接受的。通过大数据的方式可以进行对比分析, 从而从客观上来评价这种学习方式。

大数据在促成着教育改革的发展, 以往一个班级两个人出错, 可能教师不会在意, 当在慕课中放大到2000个人出现同一错误的时候便会引起教师的注意和针对性的答疑。大数据同时还可以告诉我们我们在正常教学中观察、记录不到的东西, 比如:每个学生的学习习惯, 每个学生对于每个知识点的理解掌握速度等等。

三、大数据的生成收集比较

商业模式中有三个主要的大数据来源:企业内部的交易信息, 物联网中的商品物流信息, 互联网中的人群交互信息。教育大数据收集则主要依赖于商业模式中的第三种——互联网中的人群交互信息。随着MOOC慕课的发展, 大数据的出现将教学信息数字化、教学效果可视化。每一门MOOC慕课课程根据学生每一次点击得到庞大的数据储备。

四、大数据的分析应用比较——商业模式同教育模式对应分析

大数据的商业模式可大致分为以下五种, 其同教育模式相对照:

1.数据自营模式:数据自营是企业自身拥有海量数据, 并有数据分析能力, 从而通过数据分析改进产品并预测未来产品发展。该种商业模式对应了绝大多数现有慕课教育模式:教师发布课程, 得到海量数据, 尝试数据分析, 得到课程的不足并加以改进。自营模式下需要企业、教师具有高超的数据挖掘技术, 能够对数据进行提炼分析, 并进行准确评价。这种模式适合综合实力较强的企业、教师团队, 比如商业中的Facebook、亚马逊以及教育中的Courera、Udacity、ed X, 但对于个体教师来说, 很难具备足够的数据提取分析能力, 所以只能进行简单直观的判断, 相对准确性和效率较低。

2.数据租售模式:数据租售是企业拥有海量数据, 在对其进行简单加工整理之后销售给需求方, 产生新的盈利模式。对于教育来说, 这种模式同样并不适用于绝大多数教师团队, 相对适用于专业的调研公司, 以调研报告的形式盈利。

3.数据平台模式:数据平台模式分为三种, 第一种为数据分享平台, 该平台通过自身拥有的数据帮助企业进行数据分析, 在教育界这种平台分享模式也有发展, 如高考分析平台, 可以将考生数据录入, 通过分析历年高考数据得到适合考生报考的学校专业。第二种数据平台模式是数据分析平台, 是指第三方平台供应商通过提供数据分析工具, 数据拥有者上传数据到平台, 并得到结果。这种方式也同样适用于个体教师, 现在国内出现了大量慕课平台, 如泛雅慕课、超星慕课等。这些慕课平台在教师授课过程中能够自动的帮助教师收集处理数据形成统计报告, 相对方便但是所有统计报告缺乏对特定课程的针对性。第三种为数据交易平台, 主要是为数据的拥有着和需求者提供交易平台, 因为课程的独立性, 该种模式在教育界相对没有发展。

4.数据仓库模式:数据仓库是指专业的数据分析决策公司辅助企业通过分析数据得到战略方向。在教育中使用度较低, 因为教育界相对盈利模式没有企业的发达, 所以这种商业模式暂时并不适用。

5.数据众包模式:数据众包是通过将产品设计转向用户, 收集海量用户设计, 再由数据测评找出优势产品设计投入生产。相对于教育便是将课程设计主体由教师转向学生, 这种商业模式在教育中相对不容易实现, 但是可以由学生决定相对辅助性的课程设计。

如何让大数据成为教育改革的动力来源, 通过对商业模式的比较可以发现教育大数据相对具有其独特性, 但是依旧可以通过商业的模式来进行教育大数据的趋势分析, 而其中数据平台模式相对适合教育大数据的发展趋势, 随着平台技术的进步, 其对学习者行为分析将愈加精确和具有前瞻性。

参考文献

[1]西凤茹.基于大数据产业链的新型商业模式研究[J].商业时代, 2014, (21) .

商业银行不良贷款数据统计 篇5

内容提示：资本充足指标中，一季度商业银行核心资本为55980亿元，附属资本14819亿元，资本扣减项3834项，表内加权风险资产449785亿元，表外加权风险资产71843亿元，资本充足率12.7%，核心资本充足率10.3%。市场风险指标中，累计外汇敞口头寸比例4.2%。

根据统计数据显示，截至＃＃年3月末我国境内商业银行不良贷款余额4382亿元，比＃＃年末增加103亿元；不良贷款率0.9%，比＃＃年末下沉0.1个百分点。其中：次级类贷款1801亿元，可疑类贷款1909亿元，损失类贷款672亿元。一季度不良贷款率0.9%，较＃＃年一季度的1.1%下降0.2%。在不良贷款率中，次级类贷款率0.4%，可疑类贷款率0.4%，损失类贷款率0.1%。

分机构类型看，＃＃年一季度商业银行不良贷款分机构指标中，大型商业银行不良贷款余额2994亿元，不良贷款率1%；股份制商业银行不良贷款余额608亿元，不良贷款率0.6%；城市商业银行不良贷款余额359亿元，不良贷款率0.8%；农村商业银行不良贷款余额374亿元，不良贷款率1.5%，外资银行不良贷款余额48亿元，不良贷款率0.5%。

＃＃年一季度商业银行贷款损失准备为12594亿元，较＃＃年一季度的亿元增加2621亿元，拨备覆盖率为287.4%。一季度商业银行流动性比例为45.7%，而＃＃年一季度商业银行的流动性比例为41.3%。一季度商业银行存贷比为64.5%，人民币超额备付金率为3%。一季度商业银行净利润为3260亿元，资产利润率1.4%，资本利润率22.3%，净息差2.8%，非利息收入占比20.6%，成本收入比29.5%。

资本充足指标中，一季度商业银行核心资本为55980亿元，附属资本14819亿元，资本扣减项3834项，表内加权风险资产449785亿元，表外加权风险资产71843亿元，资本充足率12.7%，核心资本充足率10.3%。市场风险指标中，累计外汇敞口头寸比例4.2%。

与商业银行相关的报告《 ＃＃-2016年中国商业银行动产质押业务行业市场调查及前景研究报告》 动产质押业务，是指企业将动产(包括商品、原材料等)存放在银行指定或认可的仓库作为质押物，质押物在银行监控下流动，据此向银行申请贷款(或办理银行承兑汇票)的融资方式。

中国产业信息网发布的《＃＃-2016年中国商业银行动产质押业务行业市场调查及前景研究报告》共十一章。首先介绍了中国商业银行动产质押业务行业的概念，接着分析了中国商业银行动产质押业务行业发展环境，然后对中国商业银行动产质押业务行业市场运行态势进行了

分析，最后分析了中国商业银行动产质押业务行业面临的机遇及发展前景。您若想对中国商业银行动产质押业务行业有个系统的了解或者想投资该行业，本报告将是您不可或缺的重要工具。

本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。第一章 动产质押贷款业务简介

第一节 动产质押的定义及方式特点

一、动产质押贷款定义

二、动产质押贷款主要业务模式

三、物流金融视角下的业务分类

第二节 动产质押相关阐述

一、质物

二、动产质押合同

三、动产质权特征

四、质押担保的范围

五、动产质押融资设定

六、与权力质押

第二章 ＃＃-＃＃年中国商业银行动产质押业务发展环境解析 第一节 ＃＃-＃＃年中国商业银行动产质押业务经济环境分析

一、中国宏观经济指标运行

二、金融市场运行

三、银行业发展变化情况

第二节 ＃＃-＃＃年中国商业银行动产质押业务政策环境分析

一、财政政策

二、货币政策

三、汇率情况

四、刺激内需的政策

第三节 ＃＃-＃＃年商业银行动产质押业务市场环境分析

一、国家重拳出击支持房地产市场回暖

二、汽车行业呈现了快速复苏的态势

第三章 ＃＃-＃＃年国工商争行业动产质押业务现状综述 第一节 ＃＃-＃＃年中国商业银行开展动产质押业务阐述

一、工商银行推进动产质押业务快速发展

二、商业银行发展动产质押业务受三大条件限制

三、动产质押——工商银行又推新业务

四、我国动产担保贷款额占担保贷款总额比重

第二节 ＃＃-＃＃年中国商业银行力保动产质押业务健康发展措施

一、工行开展动产质押业务检查 确保信贷资金安全

二、工商银行拓宽动产质押贷款业务监管渠道

三、工行与资产监管公司合作拓展动产质押贷款业务 第四章 动产质押授信业务风险分析

第一节 动产质押贷款基于质押物的风险

一、权属风险

二、价值风险

三、保管风险

四、意外风险

六、处置风险

六、重复质押风险

第二节 银行动产质押授信业务主要法律风险

第三节 银行动产质押授信业务主要操作风险

一、质物交付失当而致使质押未生效

二、监管失灵致使质物流失的风险 第五章 动产质押授信业务风险防控

第一节 动产质押贷款操作流程的分析及优化

一、动产质押贷款业务模式

二、动产质押业务宏观流程及风险初步防控

第二节 动产质押贷款的贷前风险防控

一、质押物的初步选取

二、质押物选择评价指标体系的建立

三、企业资质的严格审核

第三节 动产质押贷款的贷中风险防控

一、审慎选择质押率，找准贷款安全边际

二、质押物交付过程中风险防范

三、动产抵押贷款审查中的风险防范

四、动产质押模式的优先选择

第四节 动产质押贷款的贷后风险防控

一、贷后质物的第三方监管风险防控

二、贷后动产质押贷款质权的行使

第五节 我国动产质押担保贷款物流金融服务实例简介

一、深圳发展银行“现货动态质押”业务

二、中国工商银行娄底市分行“动态商品质押贷款”模式

三、张店农合行质押贷款业务风险评估指标 节 积极发展基于物联网的动产质押的监管

章 基于供应链的新型动产质押融资模式风控探讨

第一节 供应链融资理论概述

第二节 基于供应链的动产质押融资模式作用机制及法律关系辨析

第三节 商业银行基于供应链的动产质押融资操作障碍分析

一、银行与物流企业之间的委托代理问题

二、现行法制环境不利于银行质权保护

第四节 现阶段基于供应链的动产质押融资风险化解策略

一、与征信机构保持紧密联系

二、与核心企业建立

合作关系

三、增加核心企业的物流监管责任

四、建立供应链融资创新与服务支持系统

第五节 供应链动产融资业务案例分析

第七章 ＃＃-＃＃年中国主体商业银业动态产质押业务同比分析 第一节 四大国有商业银行分析

一、中国工商银行

二、中国银行

三、中国农业银行

四、中国建设银行

第二节 股份制商业银行分析

一、招商银行

二、深圳发展银行

三、上海浦东发展银行

四、民生银行

五、光大银行

六、交通银行

七、中信实业银行

八、兴业银行

九、广东发展银行

十、华夏银行

第三节 城市商业银行分析

一、上海银行

二、北京银行

三、宁波市商业银行

四、南京市商业银行

五、其他城市商业银行

章＃＃-＃＃年中国商业银行个人信贷业务整体运行态势分析 第一节 ＃＃-＃＃年中国商业银行运行总况

一、从六家银行年报看商业银行经营模式现状

二、银行负债业务发展情况分析

三、2010年商业银行资产业务发展情况分析

第二节 ＃＃-＃＃年中国商业银行个人信贷市场运行动态分析

一、商业银行个人信贷余额大幅增长

二、商业银行个人贷款余额在该行总贷款中所占比重不断提升

三、个人信贷业务产品种类日趋丰富

四、个人信贷业务参与主体呈现多元化。

第三节＃＃-＃＃年商业银行个人信贷业务规模分析

一、个人房贷的迅速崛起成为新增贷款的重要部分

二、汽车贷款业务增速情况

第四节 ＃＃-＃＃年中国商业银行个人信贷业务面临机遇和挑战

章 ＃＃-＃＃年中国商业银行个人信贷产品深度剖析 第一节 ＃＃-＃＃年商业银行个人住房贷款产品同业分析

一、种类多样化

二、市场细分化

三、产品创新化

四、服务层次化

第二节 ＃＃-＃＃年商业银行个人汽车贷款产品同业分析

一、创新经营模式

二、变换营销策略

三、拓展业务范围

四、加强合作力度

第三节 ＃＃-＃＃年商业银行个人经营性贷款产品同业分析

一、贷款对象基本条件对比

二、贷款金额与贷款利率对比

三、贷款期限和还款方式对比

第四节 ＃＃-＃＃年商业银行个人信用贷款产品同业分析

一、贷款门槛对比

二、贷款额度对比

三、贷款费用对比

四、贷款对象对比

第十章 ＃＃-＃＃年商业银行个人信贷业务创新研究 第一节 ＃＃-＃＃年商业银行个人住房贷款业务创新分析

一、产品创新：农业银行推出房贷组合拳

二、利率创新：深发展“点按揭”

三、模式创新：中信银行“二手房直通车”

四、方式创新：兴业银行“随薪供”

五、方式创新：渣打银行（中国）“活利贷”

第二节 ＃＃-＃＃年商业银行个人汽车贷款业务创新分析

一、模式创新：招商银行车贷新方案

二、产品创新：银行“车库车位”贷款业务

三、商业银行个人经营性贷款创新分析 第三节 工商银行“百荣模式”个人经营贷款

一、模式创新：中国银行“信贷工厂”

二、产品创新：招商银行个人“生意贷”

三、业务创新：民生银行“商贷通”业务

第四节＃＃-＃＃年中国商业银行其他个人信贷业务创新分析

一、担保方式的创新

二、网络贷款模式

第十一章 ＃＃-2016年中国商业银行动产质押业务发展前景预测 第一节 ＃＃-2016年中国商业银行发展前景预测 第二节 ＃＃-2016年中国商业银行动产质押业务前瞻

一、谈我国动产质押融资功能的缺失与前景

二、县域中小企业动产质押融资业务前景预测

三、动产质押业务健康发展图表目录：（部分）

图表：2005-＃＃年中国GDP总量及增长趋势图 图表：2010.09-＃＃.09中国月度CPI、PPI指数走势图 图表：2005-＃＃年中国城镇居民可支配收入增长趋势图 图表：2005-＃＃年中国农村居民人均纯收入增长趋势图 图表：1978-2010中国城乡居民恩格尔系数走势图 图表：2010.9-＃＃.9年中国工业增加值增速统计 图表：2005-＃＃年中国全社会固定投资额走势图 图表：2005-＃＃年中国财政收入支出走势图 单位：亿元 图表：近期人民币汇率中间价（对美元）

图表：2010.9-＃＃.9中国货币供应量月度数据统计 图表：2005-＃＃年9月中国外汇储备走势图 图表：1990-＃＃年央行存款利率调整统计表 图表：1990-＃＃年央行贷款利率调整统计表 图表：中国历年存款准备金率调整情况统计表

图表：2005-＃＃年中国社会消费品零售总额增长趋势图 图表：2005-＃＃年中国货物进出口总额走势图 图表：2005-＃＃年中国货物进口总额和出口总额走势图

图表：1978-2009年中国人口出生率、死亡率及自然增长率走势图 图表：1978-2009年中国总人口数量增长趋势图 图表：2009年人口数量及其构成

图表：2005-2010年中国普通高等教育、中等职业教育及普通高中招生人数走势图

研究

图表：2001-2010年中国广播和电视节目综合人口覆盖率走势图 图表：1990-2010年中国城镇化率走势图

大数据商业应用的未来 篇6

大卫·芬雷布（David Feinleib）是“铁人三项”运动爱好者，在刚刚过去的秋天，他又一次地完成了自己的太浩湖（Thaoe）铁人三项赛，这是号称世界之巅的顶级赛事。为了提高自己的成绩，他一直将自己爬过的每座山，跑过的每段路，以及在冰冷的水中游过的所有里程全部记录下来，并将这些信息全部上传到网络，进行处理及分析。就这样，他发现自己走进了大数据时代。

从微软公司离开之后，连续创业的大卫·芬雷布凭借对数据的敏锐观察，以及对下一波科技浪潮的关注创建了the Big Data Group，包括Big Data Landscape（大数据全景）、Big Data Trends （大数据趋势）和Big Data TV（大数据电视）三家公司，为企业提供数据咨询服务。它们制作的“大数据产业生态地图”在SlideShare上被浏览超过3万次。

2013年，大卫·芬雷布出版了自己的新书《解密大数据》（Big Data Demystified：How Big Data is Changing The Way We Live，Love and Learn），此前他著有《创业公司为何失败》等书。现在，我们请他为我们解读大数据商业应用的未来。

大数据时代的产业变革

记者：在您看来，大数据将如何改变工业时代的产业结构？

大卫·芬雷布：我们已经生活在一个云大数据的时代，很多大数据相关的技术已经渗透在人们的生活中。例如，现在很多美国人和出租车司机都在使用Uber，这款手机App就是建立在大数据基础上的。当使用者打开应用，它就会会自动定位到你当前的位置。然后我们输入目的地，选择不同的车型，就可以看见附近的车，预估的到达时间、价格等。

此外，大数据在电子商务、健康管理等领域都有很多成功的应用，例如根据你过往的购买记录生成精准的推荐、基于对健康数据的监控帮助医疗等，这些应用都会给消费者带来性价比更高的服务体验。

而数据更大的改变在企业行为上，产业研究公司Forrester估计，企业数据的总量在以每年 94% 的增长率飙升。这时，每个企业都需要一个大数据路线图。至少，企业应制订获取数据的战略，获取范围应从内部电脑系统的常规机器日志，到线上的用户交互记录。即使企业当时并不知道这些数据有什么用也要这样做，这些数据的用处随后或许会突然被发现。

企业还需要一个计划以应对数据的指数型增长。照片、即时信息以及电子邮件的数量非常庞大，由手机、GPS 及其他设备构成的“感应器”释放出的数据量更大。数据所具有的价值往往远远高于你最初的期待。

记者：在这一轮大数据引致的产业结构性变化中，风险投资会扮演什么机会？

大卫·芬雷布：现在已经有一些专注大数据方面的投资基金。2012年，有几家代表性的应用数据公司上市，Facebook 在纳斯达克上市，LinkedIn 在纽约证券交易所上市。这两家企业和谷歌一样，其本质是大数据公司。此外，Splunk 也在 2012 年上市，它是一家帮助大中型企业提供运营智能的大数据企业。

其次，一些基于大数据的创业公司也表现出众。比如致力于Hadoop便捷商业化的Cloudera公司以及数字广告在线分析平台MetaMarkets。前者主打的商用Hadoop允许横跨多台电脑，对庞大的数据集合进行分布式处理，但因为应用难一直被视为只有计算机博士才能掌握的技术，Cloudera将其变得简单易用。后者总部位于美国旧金山，主要业务是帮助在线媒体公司分析高流量的流媒体数据，如在线广告、在线游戏和社交媒体的数据。MetaMarkets公司对tweet、支付、签到和一些与互联网相关的问题进行了分析，为客户关系管理提供了比软件更有效的数据分析支持。这两家公司都得到了多轮风险投资。

一年前我们在绘制大数据产业地图时，只有25家大数据公司。一年过去了，现在已经有100多家大数据公司，现在每周都会出现5、6家涌现出来。这样的趋势表明，大数据将引发下一波创业大潮。

记者：中小公司的机会在哪里？他们将如何与手握众多资源的大公司竞争？

大卫·芬雷布：要知道，互联网行业里的大公司都曾经是小公司，而且它们成长到大公司的时间都不长。而且大数据技术可以帮助小公司迅速成长为大公司。大数据带来的颠覆，不仅是与以往相比可以获取和分析更多数据的能力，更重要的是获取和分析等量数据的价格也正在显著下降，而根据经济学里的“杰文斯悖论”（Jevons Paradox）：资源利用率的提高导致价格降低， 最终会增加资源的使用量。科技进步使储存和分析数据的方式变得更有效率，公司将做更多的数据分析，因此并没有减少工作。简而言之，这就是大数据带来的颠覆。

从亚马逊到谷歌，从IBM到惠普和微软，大量的大型技术公司纷纷投身大数据。同时，基于大数据解决方案，更多初创型企业纷纷涌现，实现开放源和共享云。大公司致力于横向的解决方案，小公司则专注于为重要的垂直领域提供产品和服务。例如有些产品帮助优化销售效率，有些产品通过将不同渠道的营销业绩与实际的产品使用数据相关联，为未来营销活动提供建议。现在，小公司不必在内部开发或配备所有大数据技术；在很多情况下，它们可以利用基于云端的服务来满足数据分析方面的需求。

过去的二十年是信息技术的时代，接下来二十年的主题仍会是信息技术。企业将能够更快地处理数据，而公共数据资源和内部数据资源一体化将带来独特的洞见，帮助企业提升竞争力。总之，企业分析数据的效率越高，获得的预测价值就越大。企业正在渐渐远离批量处理（先存储数据，之后再进行处理分析），转向实时分析来获取竞争优势。

大数据时代的企业

记者：您心目中设想的未来的“高度数字化企业”是什么样子？

nlc202309021213

大卫·芬雷布：在我看来，亚马逊正是这样的一家公司，数据已经成为它的DNA。有分析预测，亚马逊2015年营收将超过1000亿美元，将赶超沃尔玛成为世界最大的零售商。亚马逊处理数据带有更强的电商倾向。消费者们在亚马逊的网站上对想看的电视节目或是想买的产品所进行的每一次搜索，都会让亚马逊对该消费者的了解有所增加。基于搜索和产品购买行为，亚马逊就可以知道接下来应该推荐什么产品。而亚马逊的聪明之处还不止于此，它还会在网站上持续不断地测试新的设计方案，从而找出转化率最高的方案。亚马逊整个网站的布局、字体大小、颜色、按钮以及其他所有的设计，其实都是在多次审慎测试后的最优结果。

以数据为导向的方法并不仅限于以上领域，按一位前员工的说法，亚马逊的企业文化就是冷冰冰的数据导向型文化。数据显示出什么是有效的、什么是无效的，新的商业投资项目必须要有数据的支撑。对数据的长期专注让亚马逊能够以更低的售价提供更好的服务。消费者常常会完全跳过谷歌之类的搜索引擎，直接去亚马逊网站搜索商品、并进行购买。

在我们看来，争夺消费者控制权的战争硝烟还在弥漫扩散，苹果、亚马逊、谷歌以及微软，这四家公认的巨头如今不仅在互联网上厮杀，在移动领域同样打得难解难分。鉴于消费者们把越来越多的时间花在手机和平板电脑等移动设备上，坐在电脑前的时间越来越少，因此，那些能进入消费者掌中移动设备的企业，将在销售和获取消费者行为信息方面更具有优势。企业掌握的消费者群体和个体信息越多，它就越能够更好地制定内容、广告和产品。

从支撑新兴技术企业的基础设施到消费内容的移动设备，亚马逊的触角已触及到更为广阔的领域。亚马逊在几年前就预见了将服务器和存储基础设施开放给其他人的价值，推出了AWS（Amazon Web Services）公有云服务。AWS每年的销售额超过15亿美元，而这又成为孕育更多创业公司的源泉。

记者：根据您的研究和思考，大数据时代的到来如何影响企业的策略？

大卫·芬雷布：我发现亚马逊、Facebook、LinkedIn的活跃用户们，开始期待自己在工作中也能获得畅通无阻地使用大数据的体验。既然互联网零售商亚马逊可以精准地推荐阅读书目、推荐电影、推荐可供购买的产品，为什么他们所在的企业却做不到类似的事情？

比如，既然汽车租赁公司拥有客户过去租车的信息和现有可用车辆库存的信息，这些公司为何就不能在向不同的租车人提供合适的车辆方面做得更智能一点？公司还可以通过新的技术，将公开信息利用起来——比如某个特定市场的状况，会议活动信息，以及其他可能会影响市场需求和供给的事件。通过将内部供应链数据和外部市场数据结合在一起，公司就可以更加精确地预测什么车辆可用，以及可用的时间。

与此类似，零售商应当可以将来自外部的公开数据和内部数据结合在一起，利用这种混合的数据进行产品定价和市场布局。同时还可以同时考虑影响现货供应能力的多种因素以及消费者购物习惯，包括哪两种产品相搭配会卖得更好，这样零售商就可以提升消费者的平均购买量，从而获得更高的利润。

记者：以往我们说，企业管理者的决策基于科学、艺术、经验，大数据时代到来如何影响管理者决策的机制？

大卫·芬雷布：对于高管们而言，好消息是：来自于大数据的信息优势不再只属于谷歌、亚马逊之类的大科技企业。Hadoop之类的开源技术让其他企业同样可以拥有类似的优势。老牌财富500强企业和新兴初创公司，都能够以合理的价格，利用大数据来获得竞争优势。

现在的企业管理者需要学会运用一些工具去监测外部环境的变化，比如New Relic为企业提供基于SaaS的管理平台，无论是云端、网络端还是移动端的应用，它都能对其进行监测。这可以说是一款all-in-one监测管理工具，它能让开发者以终端用户、服务器端甚至应用代码端的视角来监控自己的应用。

理想的情况下，企业应该具备一种能够让数据分析贯穿于整个组织的视野，分析应该尽可能地接近实时。通过观察谷歌、亚马逊、Facebook和其他科技领袖企业，你可以看到大数据应用的种种可能。现在一些企业已经设立了CDO（首席数据官），帮助CEO了解数据在如何影响业务，并将数据更好地转换为商业价值。我觉得每一家公司都应该有这样一个职位。

大数据及其商业价值初探 篇7

一般的人, 听到大数据这个词语, 总是着重于这个大字, 认为大数据就是把很多的数据存储起来。实际上, 对海量数据进行存储只是第一步, 对大数据最好的理解应当是把海量数据收集, 存储以后, 通过对海量数据进行分析, 从而获得有巨大价值的产品和服务, 重要的是对数据进行分析使用, 并得到巨大价值。换而言之, 存储再多的数据, 如果没有对这些数据进行分析使用, 从而得到价值, 并没有碰触到大数据的精髓。因此, 大数据并不是存储越多的数据越好, 而是重点在于要会“用”数据。

要了解大数据, 我们首先要了解大数据的几个重点特征。 (1) 大数据关注的是全体数据而不是样本数据, 目前软硬件飞速发展, 存储的成本已经大幅度下降。在过去, 我们往往用样本数据来进行推理, 而大数据关注的是全体数据; (2) 大数据中包含的数据类型很多, 包括结构化数据, 半结构化数据和非结构化数据, 以音频为例, 音频一定是非结构化数据, 用结构化数据无法对音频进行存储; (3) 大数据可以允许不精确存在, 它不要求所有操作和结果都是完全精确无误的; (4) 大数据更看重数据之间的相关关系, 而不是看重数据之间的因果关系。

大数据的以上重要特征为科学研究带来了新的课题, 接下来我们了解一下大数据的研究热点。从大数据的研究体系来看, 目前大数据领域主要有以下几个重要的研究方向: (1) 大数据计算模型, 任何新的研究, 都要提出新的计算模型; (2) 各种非结构化数据之间如何融合, 从而实现统一存取; (3) 大数据的内容建模, 对存储的数据内容进行数学建模; (4) 大数据系统架构, 为大数据从存储到处理, 分析, 提供系统架构和解决方案; (5) 大数据存储框架, 建立存储框架, 对大数据中需要处理的各种异构数据进行统一存储。

通过上面的介绍, 我们了解了大数据的特点和研究热点, 每项热门新技术的产生通常都会对商业产生深远的影响, 那么大数据会为商业带来什么样的意义呢?从商业价值的角度来看, 大数据主要能在以下四个方面挖掘出巨大的商业价值。

(1) 运用大数据发掘新的商业机会。此处我们用京东的广告推送作为例子。用户在登录京东商城后, 会有一些个性化的广告推送, 仔细一看, 这些广告推送跟用户平时的浏览, 购买情况是有联系的。例如, 某个用户花了半个小时在京东商城浏览手机产品, 下次再登录时, 京东的广告推送推荐的产品中, 手机及其相关产品会占据一个很大的比例。这是因为用户在京东商城的所有浏览情况, 购买情况, 后台都全部记录着, 将这些所有数据收集起来, 经过后台的计算模型处理, 便会给出有相关性的广告推送。通过数据分析, 京东可以有的放矢的进行宝贝推荐和广告投放等一系列行动, 这比盲目的采取行动效率会高很多。

(2) 对顾客群体进行分类, 然后对每个群体采取独特的行动。我们举一个商业银行的例子。当我们去商业银行进行理财或其他相关业务处理时, 经常需要填写一些详细信息和表格。这些详细信息和表格的内容, 都会被汇总到银行后台数据中心, 后台会对这些数据进行分析, 最后分析出该客户的类型。商业银行往往有上百种理财产品, 根据客户类型, 客户经理会挑选其中几种来进行特别的推荐。由于在这之前进行了全面的数据收集和分析, 用户接受客户经理推荐的机率将会增加很多。

(3) 运用大数据, 对服务进行改进。目前很多的社区都开始使用智能电表, 供电公司每隔15分钟就读一次用电数据, 而不是过去的一个月一次。当大量的用电数据被采集后, 供电公司后台会对这些大量的用电数据进行分析, 从而能够判断出用电高峰和低谷时段, 进一步为不同的时段制定出不同的电价。这样可以对用电高峰和用电低谷时段进行平抑, 引导用户更合理地用电, 节约家庭的电费开销。通过大量用电数据的采集和分析, 供电公司给用户带来了更好和更合理的服务。

(4) 运用大数据, 进行商业模式的创新。我们用万达影城独树一帜的成功来作为例子。2013年全国新开业的影城一共有4000多家, 这其中70%的影城是亏损的, 但万达集团开业并运营的影城却几乎98%以上都是赚钱的。这是为什么呢?原来万达集团利用了每个城市中的商业消费、交通等大数据, 结合集团多年对销售业绩良好的影城统计出的数据模型进行匹配, 从而实现准确选址和成功营销。而别的影城始终坚持着传统的商业模式, 压根儿没有想到大数据这门新技术能够给自己带来什么新的商机和核心竞争力。

通过以上的介绍, 我们可以看到, 大数据的产生, 发展和广泛应用, 必将为我们所处的社会, 带来了巨大的商业变革和价值。而我们作为社会中的一员, 不管是否是IT行业从业人士, 了解大数据的相关知识, 对于帮助我们利用大数据为自己的生活和工作带来更多的便利, 是不无裨益的。

摘要：为了让更多的人了解大数据, 认识大数据, 本文对大数据的基本概念, 特征, 研究热点及其巨大的商业价值进行了介绍。

关键词：大数据,商业价值,顾客群体

参考文献

[1]维克托·迈尔-舍恩伯格, 肯尼思·库克耶.大数据时代[M].浙江:浙江人民出版社, 2013.

[2]车品觉.决战大数据-驾驭未来商业的利器[M].浙江:浙江人民出版社, 2014 (04) .

[3]靳小龙, 王元卓, 程学旗.大数据的研究体系与现状[J].信息通信技术, 2013 (06) .

商业银行数据仓库建设 篇8

数据挖掘是20世纪90年代中后期提出的概念, 它是以传统的数据库技术作为存储数据和管理资源的基本手段, 以统计分析技术作为分析数据和提取信息的有效方法。以人工智能技术作为挖掘知识和发现规律的科学途径的一种解决问题的方案。而数据仓库的建设, 可以看作数据挖掘的一个重要预处理步骤。在数据仓库的建设过程中, 可以将支持企业日常运作的各个独立系统中的数据进行清理、集成和统一, 并且可以将数据加载入不同于日常交易系统结构的易于查询分析的数据模型中, 为后续数据挖掘高效地获取准确明晰的数据扫清障碍。

1 数据仓库

根据数据仓库之父W.H.Inmon的说法, “数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合, 支持管理部门的决策过程”。这个简短而又全面的定义指出了数据仓库的主要特征。4个关键词, 面向主题的、集成的、时变的、非易失的, 将数据仓库与其他数据存储系统 (如关系数据库系统、事务处理系统和文件系统) 相区别。

数据仓库领域的领导厂商, 美国Teradata公司给企业级数据仓库下过一个定义, “一个企业级数据仓库是一个由集成的、明细的、可扩展的数据组成的, 集中的, 保留历史的数据机, 可以支持多个部门的各种决策分析, 是整个企业分析型数据的唯一来源”。这里有5个关键字:集成的、明细的、可扩展的、集中的、保留历史的。

从以上两个定义来看, 时变的包含了保留历史的意思, 而面向主题的结构保证了其结构和设计是可扩展的。因此, 从笔者的观点来看, 数据仓库的关键字应该是:面向主题的、集成的、时变的、明细的、集中的和非易失的。

为了进一步理解数据仓库的概念, 我们可以将数据仓库系统和操作型数据库系统进行一下比较, 概括在表1中。

2 商业银行数据仓库

所谓商业银行数据仓库, 是将数据仓库技术运用到商业银行的经营分析中, 从而为商业银行的精准营销、绩效考核、风险管理等提供强有力的数据支持。

从技术角度来看, 商业银行的数据仓库与其他企业的数据仓库差别不大, 具有数据仓库本身具有的一切技术特性。但是其数据模型的设计, 必须与商业银行的业务逻辑相切合, 这样才能发挥其应有的作用。

商业银行数据仓库采集包括银行核心系统在内的交易系统数据, 经过加载整理, 按照银行业务主题 (当事人、内部机构、资产、地址、产品、协议、事件、渠道、总账、营销等) 进行组织和存储, 形成商业银行数据仓库的基础模型区, 特点为以数据驱动, 保留基础、细节、历史、整合的数据。

3 数据仓库模型

3.1 维度模型

该模型将数据看作数据立方体 (data cube) 形式, 立方体由维和事实定义。

维是关于一个组织想要记录的透视或实体。每一个维都有一个表与之相联, 该表称为维表, 它进一步描述维。

维度数据模型围绕中心主题组织。该主题用事实表表示。事实是数值度量的。把它们看作数量, 是因为我们想根据他们分析维之间的关系。事实表包括事实名称和度量, 以及每个相关维表的关键字。

比如, 银行想记录客户所持有的账户的相关信息, 那么就要建一张账户的事实表来表示账户这个主题。在账户表中有账户的余额、开户日期、开户机构、账户持有人等信息。其中, 账户余额就是账户表的度量字段。而开户日期、开户机构等字段则是与其他日期、机构等维表关联的关键字。

3.2 星型模型

是维度模型的一种, 包括一个大的包含大批数据和不含冗余的中心表 (事实表) , 一组小的附属表 (维表) , 每维一个。这种模型很像星星爆发, 维表围绕中心表显示在射线上。

3.3 雪花模型

雪花模型是星型模型的变种, 其中某些维表是范式化的, 因而把数据进一步分解到附加的表中。结果模式图形成类似于雪花的形状。

雪花模型和星型模型的主要不同在于, 雪花模型的维度可能是范式化形式, 以便减少冗余。这种表易于维护, 并节省存储空间, 因为当维结构作为列包含在内时, 大维表可能非常大。然而, 与巨大的事实表相比, 这种空间的节省可以忽略。此外, 由于执行查询需要更多的连接操作, 雪花结构可能降低浏览的性能。这样, 系统的性能可能相对受到影响。因此, 在维度建模的数据仓库设计中, 雪花模型不如星型模型流行。

3.4 范式化模型

根据企业的业务特点, 将整个业务流程抽象为若干个主题, 主题内部遵循三范式以上的范式进行建模 (必要时可以适当降范式) , 主题与主题间通过关系表连接。比较类似于雪花纬度模型, 但是范式化程度比雪花模型更高, 也没有事实表和纬度表的概念。

3.5 商业银行数据仓库模型的选择

从理论上来看, 维度模型在查询上比较有优势, 但是对于业务种类繁多, 业务流程复杂的商业银行来说, 用维度模型进行存储未必能将各个操作型系统的数据进行很好地整合。

而范式化模型可以将操作系统的各类数据很好地整合存储, 但是范式化的结构不利于快速分析查询, 需要经过多次的表间联接才能完成一次客户全视图查询。

因此, 笔者认为单单使用维度建模或者范式化建模都不能很好地支持企业级数据仓库的建设和发展。根据国际最佳实践以及笔者的项目实施经验, 比较好的做法是在数据模型层使用范式化模型, 而后通过视图将范式化模型转换为维度模型给数据集市供数。

4 商业银行数据仓库整体架构初探

4.1 源系统文件 (Source file)

源系统文件就是将银行各操作型系统 (比如客户信息系统、存贷款系统、中间业务系统、信用卡系统、电子银行系统等) 数据表中的数据以文件形式下载给数据仓库系统。同时, 视相关业务数据量大小决定每天是全量下载还是增量下载。

4.2 操作型数据存储 (ODS) 层及其视图

操作型数据存储区域的数据表结构一般与上游源表结构一致, 数据也基本一致, 等于是将上游数据复制一份到数据仓库系统, 因此也称为源系统镜像 (Source Image) 。

操作型数据存储 (ODS) 视图, 是为了数据安全性和查询性能等因素考虑建立的视图, 其结构与ODS本身结构一致。操作型数据存储 (ODS) 的作用主要有以下几个: (1) 如果上游源系统文件每日下载增量数据给数据仓库, 则可以在ODS进行全量累加; (2) 对于上游源系统文件中部分错误数据 (比如字段长度被截位等) , 可以在ODS及时发现, 进行修复和清理, 提高到达模型层数据的数据质量; (3) 对于那些时效性要求高, 不需要历史数据, 且查询不是很复杂的业务需求 (比如电话银行的增值业务等) , 可以绕过数据仓库模型层, 由ODS直接供数。

4.3 范式化模型层

根据商业银行日常运作的业务特点, 抽象出若干个主题 (比如当事人、内部机构、资产、地址、产品、协议、事件、渠道、总账、营销等) , 将银行各个交易系统中的数据经过整合加载入各主题内部的各个数据表中。

可以说, 模型层的设计对于整个数据仓库建设的成败起着至关重要的作用, 模型设计人员需要结合银行自身业务特点在模型的稳定性、准确性、完整性和易用性等方面进行权衡, 从而设计出高效、稳定、准确的模型。

4.4 逻辑视图

逻辑视图的主要目的是方便数据仓库下游各数据集市取数, 由于是面向查询, 建议使用维度建模。

随着数据仓库的发展, 其下游的数据集市将会越来越多。因此, 对于逻辑视图的设计除了要方便查询以外, 更要注意对于统计指标的重用, 以及对于视图数量的合理规划。需要在稳定性和易用性之间找到平衡点。同时, 从模型层到逻辑视图的转换逻辑复杂程度和转换性能也是需要考虑的一个问题。

5 数据标准、数据质量管理和元数据管理

要建设好商业银行的企业级数据仓库, 除了要选择一种合适的建模方法, 有一个合理的数据架构以外, 更要关注存入数据仓库的数据情况。要真正体现数据仓库的价值, 还是要依靠存入仓库中的数据, 可以说数据是数据仓库的生命。而说到数据, 就必须要提数据标准、数据质量管理和元数据管理这3块内容。

5.1 数据标准

数据标准是用来描述数据的, 用来定义数据的业务含义和技术特征, 可以分为业务数据标准和技术数据标准。业务数据标准从银行业务角度来描述数据, 比如账号可以描述为“与银行签订了特定协议的客户所持有的, 用于存放交易金额的账户号”。技术数据表准则从数据库技术的角度来描述数据, 比如账号可以描述为“25位长度的数字串, 由9位地区号+9位网点号+2位识别号+5位顺序号组成”。

5.2 数据质量管理

数据质量管理是数据仓库建设的重要内容, 是数据仓库应用及价值发挥的基础。具体来说, 数据质量管理需要部署数据质量检查规则。对于在数据仓库中发现的数据质量问题, 需要通过数据质量管理平台进行反馈、跟踪和验证, 从而保证数据质量问题的有效解决。

5.3 元数据管理

元数据管理的工作主要是建立一个物理平台, 将数据标准在物理上实现落地。元数据管理平台的建设要注意其范围和详细程度。从范围上来说, 最好是有一个覆盖全行所有数据和数据结构的大元数据系统, 这样可以保证各个系统之间的数据结构和各个元数据的统一规划和设计。从详细程度上来说, 需要建立机制, 要求各个系统的所有数据结构及其相关信息都要登记到元数据管理平台中, 这样才能使其发挥应用的价值和作用。

5.4 数据标准、数据质量管理和元数据管理的关系

数据标准、数据质量管理和元数据管理三者是相辅相成, 相互作用的关系。

数据标准的建立给数据质量管理提供了判断依据, 凡是不符合数据标准的数据都是有问题的数据。同时, 数据质量发现和解决的过程中也可能会产生新的数据标准。

元数据管理平台的建设则是需要和数据标准建立同步实施的, 数据标准必须与元数据保持统一和同步。

6 灵活查询

所谓灵活查询, 就是在数据仓库中开辟一块空间, 让业务用户直接从仓库中获取数据, 以满足业务人员即时的、灵活的查询。

产品再好, 也需要营销了才能让客户知晓。灵活查询在数据仓库的建设过程中就是扮演了这么一个营销的角色。让业务人员开始使用数据仓库, 从中体会到数据仓库的优势。

同时, 在业务人员使用数据仓库的过程中, 也可能发现一些数据质量问题, 这样也有利于改善数据仓库本身的数据质量情况。

对于数据仓库项目的设计开发来说, 推广灵活查询也具有其积极的意义。对于一般的数据集市应用类项目开发周期一般需要几个月时间, 而且业务人员在提需求的时候, 没有数据验证环节。导致当项目完成了, 或是已经失去市场机遇, 或是没有达到业务人员的预期, 效果未必令人满意。灵活查询的推广, 可以让业务人员在提需求前先通过数据仓库来验证自己的想法, 有时还需要建立一些预测模型进行模型训练。对于一些营销类项目, 还可以较快地提取结果。待到需求都成熟了, 再向数据仓库项目组提需求, 进行常规部署, 这样也提高了项目开发的效率和效果。

参考文献

[1]JIAWEIEI HAN, MICHELINE KAMBER.数据挖掘[M].范明, 孟晓峰, 译.北京:北京出版社, 2001.

商业数据库 篇9

当前我国市场竞争十分激烈，商业银行的生存和发展带来了很大的挑战, 面对纷繁复杂以及数量巨大的信息资源, 商业银行如何能够利用先进的计算机科技来对信息资源进行高效、科学的管理, 会将直接影响到企业经营的成败。中国的商业银行业必须以吸纳储户为经营的核心任务, 较好的为储户提供高效、安全、满意的服务, 在提供的产品、服务中, 以及在企业内部组织结构、管理结构调中, 都能够从储户的角度来考虑问题, 尽可能的做到为每个储户提供最优化的服务, 而不仅仅是以前为“一群顾客”服务的理念。不断贯彻顾客至上的企业精神理念, 建立科学、高效的服务体系来满足顾客的具体业务需求, 最终能够提高自身的竞争优势。管理信息系统的建设能够给商业银行信息化发展带来新的机遇。

2 商业银行管理软件之中大型数据库性能优化分析探讨

2.1 商业银行管理软件型数据库信贷管理优化探析

商业银行的管理信息系统必须以目标客户为中心，通过科学的信贷风险管理来满足企业信贷集约经营以及规范管理的需求，通过对信贷业务、信息数据进行科学化、高效化的管理。商业银行数据库优化中的管理流程优化是以总体规划以及分步实施相结合的原则来进行的，商业银行的信贷系统必须有总体性规划，能够充分体现商业银行业务管理、信息管理组成部分进行科学、高效的建设，同时技术人员需要考虑商业银行信贷系统建设覆盖面较广、新技术应用较多、实现技术环节较多、推广实施难度大等特点。故要按照总体设计和分步进行相结合的原则来进行管理流程的优化。

信息资源、客户信贷信息进行一体化的管理、有条件共享，并科学建立客户信息管理，来不断实现优质客户资源的发掘和服务，实现商业银行信贷系统与系统内主要系统的数据库进行交互;实现管理的现代化和高效并能够及时的进行监督、控制，规范和辅助业务过程，化解商业银行信贷风险，不断规范信贷的管理，提高业务并能够提高审批工作的效率，加强信贷人员、分支机构业绩考核，支持业务的创新;实现决策的科学化，进行深入、全方位的信贷数据的统计分析，帮助工作人员做出及时、准确的决策。信贷系统数据库所用的软件基本上都为成熟度较高，而且商业银行业务部门都已加入自身的管理系统之中，前期硬件设施投入极少。由此可见商业银行管理系统进行管理流程优化能够达到数据库优化的目的。多数信贷数据使用数据库进行存储和处理，当前商业银行信贷管理系统多数是基于微软Windows操作平台来开发的客户端，其具有良好的操作性能和安全性能。而且统有友好的用户界面和良好的安全性设置，这样能够使操作员很快地掌握系统的使用方法。

2.2 大型数据库中的操作流程优化

以前的商业银行采用的是以各种票据通过人工操作方式进行的业务, 以前的每一个流程都通过填写各种票据, 人为的对这些票据进行管理和统计, 效率低下, 而且对这些票据记录的整理需要大量的人力和物力, 使企业成本很高;在大量的票据整理过程中还易发生各种错误, 如票据填错、漏填、丢失等, 使银行因此承受经济损失, 所以商业银行应该实施信息化管理, 提高效率进而增加经济效益。由于商业银行的管理和工作人员一般都具备操作计算机的能力, 所以系统实施后可以很快学会使用, 使信息系统发挥其作用。现在的信息技术飞速发展, 为在系统中使用的各种硬件、软件资源和其他应用技术, 以及从事这些工作的技术人员的数量及水平都很高, 因此系统的开发是有必要的也是可能的。企业信息化的阶段划分为下表所示：

商业银行管理信息系统是一个涉及信贷管理、财务管理、内控管理、人力资源管理、储户关系管理、营销管理、风险管理等七个方面。新建立的银行管理信息系统主要有储户资料管理系统、信贷管理系统、存取款业务管理系统、财务管理系统组成, 其中存取款业务管理系统负责办理银行的日常业务;信贷管理系统负责银行的贷款业务;储户资料管理系统保留储户信息, 为银行发现潜在储户提供资料;财务管理系统负责银行的财务处理。通过进行储户需求分析, 和软件公司联合开发适合本单位的系统, 本对系统进行测试, 根据储户反馈回的信息, 对系统进行修改。经过反复的测试和修改是系统达到预期的目标。在技术力量方面, 在开发和维护系统的各个阶段需要各类技术人员参加, 如系统分析人员, 系统设计人员, 程序员, 操作员, 软硬件维护人员等。随着计算机的发展, 与计算机相关的这类人才也迅速发展起来, 特别是近几年, 这方面的人才很多, 商业银行可以招聘这类人才, 从而保证系统的更新和维护。通过科学的优化能够最大程度上保证商业银行管理系统的高效性、保密性的特点，保证其在激烈的市场竞争中能够充分利用管理系统进行业务的开展。

3 结语

随着经济和社会的快速发展，商业银行间的竞争越来越激烈。建立高效的商业银行管理系统能够有效提高商业银行的工作效率和业务水平。商业银行中的大型数据库需要技术人员采用先进的技术手段和策略进行优化，保证其能够在商业银行的发展中发挥至关重要的作用。

摘要：随着信息科技的快速发展, 当前商业银行管理系统的效率和性能得到很大的改善。商业银行数据库对数据存储容量、数据保密性、系统稳定性的要求较高, 技术人员需要利用科学手段进行商业银行管理软件数据路性能不断优化, 本文将对其进行分析和探讨。

关键词：商业银行,管理软件,数据库,性能优化

参考文献

[1]漆华妹, 陈志刚, 曾碧卿.MIS数据库性能优化[J];电脑与信息技术;2005年01期

[2]王晓春, 赵霁, 张岩.Windows平台上Oracle数据库的系统性能优化[J];计算机工程;2004年09期

[3]刘军, 肖军模, 张磊.网络信息安全技术讲座 (二) 第4讲数据库安全技术问题探讨[J];军事通信技术;2003年01期

商业数据库 篇10

一、商业银行的数据库营销

从营销的视角出发, 数据库营销是市场主体通过其积累的历史信息, 包括客户人口统计资料、消费数据、行为模式等, 通过统计分析与趋势外推等方式来预测顾客未来的消费行为, 包括可能消费的品类、产品、服务等。同时, 市场主体可以据此通过聚类分析等统计学的方法对客户进行聚类分析, 通过STP的模式来划分细分市场, 根据企业的定位于特点来为某细分市场提供相应的市场供应物, 以达到企业经营的目的。同时, 利用数据库, 企业可以进行客户关系管理。

从历史沿革上来看, 数据库营销是有客户关系管理发展而来, 其实质为以概率论与统计学为基础, 以计算机技术、网络技术与数据库技术为支撑与实现手段。

其运用的基本原理为:作为市场主体的企业通过其记录的大量的消费数据信息, 通过适当的算法、程序来对消费者的未来行为进行预测, 并利用分析的结果来进行企业产品定位、设计针对性的营销方案, 以实现企业的经营目标。数据库营销同时为企业对其经营的战略与策略提供了一个检核工具, 使得企业能够不断检核企业的经营行为, 并实现企业的长期价值最大化。

数据库营销是企业经营与运营的重要工具, 具有普遍适用性。在具体的商业银行应用中, 数据库营销可以理解为商业银行通过其积累和搜集的大量储蓄、信贷、理财、资信水平等信息, 通过一定的分析方法预测包括居民个体、企事业等银行客户的行为, 并对根据分析结果对客户进行分类, 选择最适合的的客户作为重点服务对象, 开发针对性的产品, 提供特色的产品或者服务, 并进行针对性的营销, 实现商业银行的经营目标, 即在较低风险水平上的可持续发展。

二、商业银行数据库营销的重要工具—数据挖掘技术

商业银行要有效的发挥数据库营销的威力, 需要相应的技术手段来从商业银行庞大的数据库中“挖掘”有效信息用于指导银行的决策与实践。其中, 数据挖掘技术是最重要的实现数据库营销的工具之一。

所谓数据挖掘是指通过设计一定的算法或者程序来从历史数据中来提取隐含的信息, 此种隐含的信息能够指导实践与深入认识事物的基本规律。此种信息有几个特征: (一) 隐含性。在其原始的呈现方式中, 此种信息淹没在大量的无用数据之中, 必须通过一定的算法或者程序使之显现出来; (二) 价值性。数据挖掘出来的数据对于认识及实践具有直接或者间接的指导性, 从而体现出其价值型; (三) 科学性。数据挖掘是基于一定的数学与概率统计基础等基础科学之上, 方法的科学保证了结论的科学。

数据挖掘区别于传统简单的统计回归, 其更注重其商业应用。其能够对大量的隶属数据进行提取、转化、分析与建模等处理, 并发掘其中的关键性的规律。

数据挖掘的基础是历史数据, 记录历史数据的数据库、档案等为数据挖掘提供了“原料”, 通过对“原料”的“精炼”, 提取出对决策有帮助的信息。

在具体的应用中, 数据挖掘主要应用于消费者行为预测、趋势分析、相关性分析、聚类分析等方面。

数据挖掘技术从应用来看, 其主要包括分类、聚类分析、关联分析、以及概念描述、偏差检验和预测等。

(一) 分类

通过对分析客体的特点, 通过建立一定的标准来对总体进行细分, 从而化大为小。比如银行可以通过对储户的行业特征进行分析, 从而知道客户等级的划分或者制定针对性的营销策略。

(二) 聚类分析

聚类分析基于大量的数据进行统计特征的分析, 将不同的数据记录所体现的客体进行特征的计算, 将大量的对象根据某些标准分成若干类别。对象分类之间具有较大的差异, 而在类别之内的对象则具有较小的差异。比如银行根据其大量客户的信贷记录对企业的成长性进行评价, 区分相应的类别, 便于确定银行的信贷投放计划或者投放比例。

(三) 关联分析

关联分析即相关性分析, 其基本原理为一个事件的发生与另外一些事件的发生可能存在一定的联动性, 此种联动性可能包括简单相关、因果相关、甚至是虚假相关等。如银行可以根据相关性的原理来开发某些信贷质量监测指标, 当某个指标超过灵节点的时候, 可以界定为信贷投放需要重点监管等。

(四) 概念描述

对特定的对象的内涵与外延进行界定, 并提炼出其共同点。并揭示出一种概念区别于另外一种概念的主要特征等。如商业银行在私人银行中对高风险承受能力与低风险承受能力的客户进行准确的界定, 以开发针对性的产品和提供差别化的服务。

(五) 偏差检验

在历史数据中可能有一些数据与其它数据存在重大的差异, 即“孤点”, 在数据处理的时候, 这些数据被排除, 因为其不能反映总体的状况, 并可能给均值等指标带来较大的影响。但“孤点”也有其实践用途, 如在贷款质量监测中, 发现某些企业的现金流量急剧减少或者存货占总资产的比例过高, 此种情况绩效出现, 因为就需要分析, 此项贷款是否存在难以按期偿付的风险, 从而预防坏账的产生。

(六) 预测

预测为根据历史数据提炼出相应的规律, 在规律的假设条件没有变化的情况下, 可以对未来的发展做出适当的推测。比如, 银行可根据客户的定期存款情况或者基金定投的规律来推测客户的未来收益, 从而为其信用授信提供计算依据。

三、商业银行利用数据挖掘进行数据库营销近期应推行的策略

(一) 转变思路, 提高认识

数据库营销是营销学的概念, 而在传统的商业银行经营过程中, 指导银行发展的主要经济学、金融学、财务学等学科, 引入营销学, 特别是营销学的前沿工具与思路对于传统的商业经营从业者来讲, 需要思维的突破与视野的打开。商业银行的竞争格局已经要求所有的机构必须紧跟最前沿的各类思想与知识, 吸纳数据库营销的理论、利用数据挖掘的方法是典型的跨界应用。

(二) 预判环境变化, 以市场为导向

商业银行经营的成功与国家政策密切相关, 当信贷扩张的时候, 商业银行的效益较好, 而在信贷紧缩的时候, 商业银行的经营相对比较有压力。但作为市场竞争主体而言的商业银行, 其必须通过预判环境, 提前进行业务布局的调整, 是实现比较优势的关键点。利用其庞大的数据库与客户资源, 接触数据库营销与数据挖掘, 其完全可以实现业务格局的调整。

(三) 加强科研与人才培养

数据库营销与数据挖掘属于典型的知识密集型的工作, 要利用这两种工具, 需要商业银行加强人才的培养与科研的重视力度, 商业银行可以采用校企合作、建立科研机构等方式来实现人才的培养。

商业银行是一个复杂的系统, 其经营的成功有赖于很多方面, 但借用营销学中的数据库营销与数据挖掘技术能够为商业银行的经营成功提供一定程度的助力, 从而使商业银行能够减少经营的风险, 实现银行的可持续发展。

参考文献

[1]侯文喆，基于数据挖掘的银行信用卡客户细分研究.硕士毕业论文, 2008.

商业模式比财务数据更重要 篇11

计算机和互联网行业上市企业数量众多，传统上人们习惯于把这个行业分为软件公司和硬件公司。但是目前，软件公司和硬件公司之间越来越难以区分。例如苹果公司既做硬件又有自己的Apple Store。

在苹果颠覆手机行业格局的同时，中国的小米手机也在竞争激烈的手机市场横空出世，颠覆了在中国只能做低端手机的观念，把安卓系统的手机也做到了极致，雷军甚至与格力董事长董明珠打赌5年内超越格力电器。

所以，在这个颠覆的时代，我们认为不妨从商业模式的角度，打破传统的软件和硬件的划分界限，对计算机和互联网企业建立一套新的研究体系。

商业模式是什么？ 商业模式的定义是：利益相关者的交易架构。通俗的说就是公司通过什么方式来赚钱。投资者如果能用一句话来洞察一个公司的商业模式，基本上就看懂了这个企业。例如，表面上可口可乐是通过卖饮料赚钱，快递公司是通过送物品来赚钱，而从商业模式角度来看，饮料公司是通过向消费者售卖广告给他们塑造感觉来赚钱，快递公司最大利润则是做金融服务。只有你搞懂了商业模式，你才会懂得房地产行业其实不属于建筑业而本质上属于金融公司，需要的是像银行一样快速融资，快速销售。

为何一定要搞懂一个公司的商业模式？

知名的投资大师巴菲特在一次巴菲特式午餐会上，与一个中国拍中者说：投资最重要的是商业模式。实际上，巴菲特之所以成功，就在于他非常看重一个企业的商业模式，而伯克希尔哈撒韦的辉煌就是一个成功商业模式的典范：利用保险浮存金和长期保险资金的低成本，长期持有伟大企业股权获得了超级成功。

中国有许多计算机和网络商业模式上创新的企业取得了成功。比如贩卖体验的腾讯、做交易平台的阿里巴巴，这两个典型拥有创新商业模式的上市公司在资本市场上的表现也是非常优秀。

商业模式分类的研究方式是研究软件和互联网企业最简洁和具有逻辑性的方法。虽然计算机行业缺乏统一的业务和客户属性，但其商业模式可以大体分为三类：

第一，项目型企业：企业实行项目化运营，通过参与招投标获得客户的个性化订单，通过实施、验收确认收入并回款，其中大部分参与政府客户的项目还需通过企业垫资执行。市场中一般做信息系统的都是属于项目型企业。A股里面主要有：银江股份、卫宁软件、东华软件等。

第二，产品型企业：企业实行产品化运营，通过销售特定领域的软件或硬件产品实现收入，有固定的研发、销售、运维团队。微软、用友软件、广联达，就是典型的产品型企业。

第三，平台型企业：拥有承载大量用户（或客户）的应用平台，通过直接向用户收费（B2C）或向第三方应用商或广告主收费（B2B2C）获得盈利。主要包括东方财富网，生意宝、三六五网、乐视网等。

商业数据库 篇12

本文其余部分的安排:第二部分, 理论回顾;第三部分, 实证分析;第四部分, 结论与启示。

1 理论回顾

1.1 文献综述

国内外对影响银行业上市公司股价的影响从不同的方面进行深入研究。从股利政策角度看:S.D.Magen (1971) 通过研究商业银行资本结构和股利政策之间的关系认为, 如果银行为了提高股本收益率或降低股本成本而提高杠杆率, 资本市场并不会要求银行股本化比率将更多收益转作股本。马军伟、熊华 (2009) 通过举证分析结果, 我国上市银行的股利分配政策对股价有负的影响, 并且市场对分红政策的反映过度。

从建立模型对数据检验角度:Molyneux和Thomton (1992) 在多个国家样本容量的基础上分析银行股价的决定因素, 结果表明银行的股价与各国的利率水平、行业的集中度以及国家所有制之间存在明显的正相关关系。

从潜在竞争力角度看:Ross (1989) 研究发现, 股价的波动性与信息量有直接的相关性, 有效信息的交易越多, 所引起的股价波动性越大。Fan and Wong (2002) 研究了7个东南亚国家的977家公司的股利对利润的敏感性与所有权结构之间的关系, 结果表明所有权越集中, 股价对利率的敏感性越差。

从选取财务指标角度:韩露 (2013) 基于我国15家5年上市商业银行实证研究, 分析结果:影响上市银行股价中最为显著的是反映银行营运能力的成本收入比指标和反应银行资本充足性的资本充足率指标。刘洋、洪景玉 (2009) 利用Feltham-Ohlson价值评估模型结合如销售收入、资产、净资产收益率、资产利用率、权益乘数等财务指标找出上市银行影响因素。

纵观国内外研究, 关于商业银行股价的影响因素可以从以下几个方面分析第一, 基于现有的竞争力和潜在的竞争力方面, 建立影响股价的评价指标, 并对评价指标进行分析;第二, 从盈利能力、流动性、安全性等方面运用因子分析法和主因子提取法分析并进行评价;第三, 通过建立模型, 利用模型对数据检验得出结论。

1.2 指标选取及相关性分析

1.2.1 样本的选择

在沪深上市的16家商业银行2007-2012年各季度的面板数据, 银行的特征变量来自银行年度、季度财务报表, 行业的相关数据来自《中国金融年鉴》。16家商业银行:深圳发展银行、宁波银行、浦发银行、华夏银行、民生银行、招商银行、南京银行、兴业银行、北京银行、农业银行、交通银行、工商银行、建设银行、中国银行、中信银行、光大银行。

1.2.2 银行特征变量

(1) 银行的盈利能力指标选取。

资产回报率 (ROA) =净利润/平均资产总额。另外还选取了净利润率 (JLR) 和每股收益 (净利润/总股本) (MG-SY) 作为盈利指标对股价影响的评价。成本收入率 (CB-SRL) =成本利润率=利润/成本费用×100%。

(2) 治理水平指标的选取。

有效地公司治理能够促进银行经营管理水平的提高, 提高经营的效率, 提高银行的金融创新能力。因此本文的指标选取非利息收入 (非利息收入=非利息收入÷营业收入、资产利润率 (营业收入/资产总额) (ZCLRL) 、营业利润 (净利润/营业收入) (YYLR) 。

(3) 安全性指标选取。

拨备覆盖率 (BFGL) =期末贷款减值准备÷期末不良贷款余额, 不良贷款率 (BLDKL) =期末不良贷款余额÷期末发放贷款总额。

(4) 抵御风险能力。

资本充客户的足率 (ZBCZL) , 根据《巴塞尔协议》, 我国规定商业银行必须达到的资本充足率指标是:包括核心资本和附属资本的资本总额与风险加权资产总额的比率不得低于8%, 其中核心资本与风险加权资产总额的比率不低于4%。

(5) 成长型指标。

存款增长率 (CKZZ) = (本期间存款-上期间存款) /上期间存款*100%。

(6) 竞争性指标。

核心资本充足率 (HXZBCZL) = (核心资本-核心资本扣除项) / (风险加权资产+12.5倍的市场风险资本) 。

(7) 流动比率。

流动性对银行的盈利性影响较高, 一般银行的流动性越高, 它所面临的筹资成本较低, 银行的盈利可能就越高, 股价可能就越高。流动性比率=流动资产/流动负债。

1.2.3 研究假设

假设一:银行股价与银行盈利能力呈正相关关系。假设二:银行股价与银行治理水平呈正相关关系。假设三:银行股价与资产的安全性呈正相关关系。假设四:银行股价与流动比率呈正相关关系。假设五:银行股价与抵御风险能力呈正相关关系。假设六:银行股价与成长性呈正相关关系。假设七:银行股价与银行潜在竞争能力呈正相关关系。

1.2.4 计量模型

计算银行股价的指标P

上市商业银行股价通过证券市场上发布的年报、月报的每次公布的价格得出。

2 实证分析

首先本分通过SPSS17.0描述性分析, 在分析过程中生成相关的描述性统计变量, 同时描述性统计分析将原始数据转化为Z分布值, 作为变量存储。

2.1 描述统计

从表1可以看出, 在从2007年-2012年的各季度中, 我国上市公司的股价的均值6.3369, 最大值与最小值的全局为8.38元, 标准差为2.93779, 可见我国上市银行业股价波动较大。另外就净利润率指标而言41.233%说明我国银行业的经营状况良好。

2.2 公因子方差比的分析

由表可得第一主成分的特征值4752, 它解释了总变量的36.552%, 第二主充分的特征值2879, 它解释了总变量的22.147%, 第三主特征值2249, 它解释了总变量的17.303%, 第四主特征值1434, 它解释了总量的11.028%。说明了只要提取前四个变量就能解释87.03%的信息。

2.3 主成分因子分析

通过主成分因子分析的结果可知道, 因子得分函数:

主成分和相应的原先变量的相关系数。相关系数的绝对值越大, 主成分的相关性对该变量的代表性就越大。以上各主成分的信息贡献率为权重构建综合绩效P公式:

2.4 银行业股票价格与主因子的回归分析

本文表4选用了每股收益、资本充足率、资产利用率、存款增长率作为自变量对因变量的股价进行分析。回归结果如下:

从表4可以看出回归模型的调整值0.889非常的接近1, 说明回归的拟合度相当的高, 并且D-W为2.04, 说明模型的残差不相关。回归的模型相当的优良。

上表5给出了方差分析的结果, 可以看出回归的F值9.418, 相应的P值是0.002小于0.005显著水平。因此可以判断出每股收益、资本充足率、资产利用率、存款增长率四个财务指标对银行业上市公司的平均股价解释能力较强, 非常显著。

该表6给出了线性回归模型的回归系数及相应的一些统计量, 可以看出线性回归中的每股收益、资本充足率、资产利用率、存款增长率的系数相应3.134, 17.444, 2795.243, 3.139。说明资产利用率小部分的增加会带动上市银行股价的2795.243倍的增长。

3 结论与启示

3.1 结论

由于搜索数据有限和手工处理数据复杂, 许多数据出现较为剧烈的变动。

从影响上市银行的微观因素分析:

(1) 净利润率和拨备覆盖率, 成本收入比指标。无论是采用因子分析法还是描述性统计, 影响股价的排序不同, 说明安全性、经营效率对股价的机制是复杂的过程。根据常识我们在知道拨备覆盖率越高, 说明银行资产质量越好, 股价越高。对于银行业来说加强抵御风险能了和安全性措施以及提高经营效率面临较大的挑战。

(2) 资本充足率。通过采用因子分析法和回归分析得出其对银行的股价影响较大, 但是在各个银行之间差异较大。例如工商银行具有最大市值, 其核心资本充足率对工商银行的影响高达90%, 其核心资本充足率对其影响较小的是光大银行57%。

(3) 存款增长率和每股收益。通过回归分析法看出存款增长率和每股收益对于股价的影响较显著。根据我们的常识可知银行的收入主要是增加存款、加大贷款从中间赚取利率差, 实现收益。银行的股价主要是通过每股收益向投资者和公众传递银行的市场价值。

3.2 启示

通过因子分析法和回归分析我们发现影响银行业股价的关键的因素在于盈利性、竞争能力和金融创新能力。银行的规模存在差异, 资产的质量残差不齐, 公司的治理水平存在各异的情况下, 盈利能力是保证银行保证正常活动的前提, 充足的资本和较强的竞争能力是银行生存发展的源泉。科学的治理水平灵活的金融创新能力是银行前进的血液。

对于我国商业银行提出以下几点政策建议:

(1) 提高金融创新能力。信贷业务是银行业的主要业务也是利润的主要来源。因此提高商业银行的信贷业务, 是增强银行竞争力的核心。商业银行要增加业务范围, 加大与其他业务的合作。不能单纯的依靠传统业务手续费和佣金收入作为盈利主营业务, 要提高金融产品的创新, 向客户提供更多的金融产品。

(2) 提高公司治理水平, 增强银行非利息收入比。我们知道银行的利息收入的成本和非利息收入成本模型不变。利息收入的成本是变动成本, 非利息收入比成本是固定成本, 所以增加非利息收入可以在一定的固定成本下成本最小收益最大。所以提高非利息收入可以提高银行的盈利水平。

(3) 提高资产安全性。根据描述性分析我们可看出我国商业银行的不良贷款和拨备贷款均值较大, 说明我国商业银行的资产安全性存在较大的隐患。因此我国商业银行必须要寻求优质的合作客户和严格的执行中国人民银行的信贷政策, 降低不良贷款率和拨备覆盖率, 提升银行整体的资产质量。

本文由于数据是从2007-2012年期间采集, 周期较短, 数据有限, 样本较少。还有许多影响上市银行股价的因素没有体现出来, 该篇文章还需要不断补充改进。

参考文献

[1]马军伟, 熊华.银行类上市公司股价分红政策对股价影响的实证分析[J]证券与保险, 2009, (10) .

[2]S.D.Magen.Cost of Capital and Dividend policies in commercial Banks[J].The Journal of Financial and Quantitative Analysis, 1971, 6, (2) .

[3]Robert R.Bliss, George G.Kaufman.Bank Procyclicality, Credit Crunches, and Asymmetric Monetary Policy Effects:A Unifying Model[J].Journal of Applied Finance, 2003, (4) .

[4]袁晓玲, 张宝山.中国商业银行全要素生产率的影响因素研究[J].数量经济技术经济研究, 2009, (4) .

[5]韩露.商业银行效益影响因素回归分析[J].金融视角, 2013, (1) .