在成功地完成了数据仓库的一期工程之后，浙商银行并不敢断言之后的持续建设一定会成功。
5月21日，对于浙商银行数据仓库组的成员来说，是一个既兴奋又担心、还有几丝疲惫的日子。为了系统顺利上线，前一天凌晨3点多，他们才刚完成数据导入。当绩效考核数据经业务部门核对正确时的那一瞬间，浙商银行信息科技部总经理宋士正的心情非常放松，意识到花费那么多心血的数据仓库再往下走是靠谱的。
很长一段时间以来，中国银行业此前在数据仓库项目上的低成功率的记录，沉甸甸地压在他心上；另一方面，他们所选取的数据仓库模型有许多客户化的工作要做，对其的了解并没有深入透彻到能足以把握的程度。多年的银行业从业经验，使得宋很清楚这个项目需要付出艰辛的努力。而且对于任何一家银行来说，无论从投入还是机会成本上，都不愿意打无把握之仗。
看着员工们开心的样子，宋士正太清楚他们心里所想了。从这一天起，浙商银行拥有了一个数据仓库平台，以后所有的数据只要遵循这个平台即可，而且相关的业务数据都整合在一起，不需要再到各处去找。他们再也不用自己苦呵呵地编程序，还要面对业务部门的不解——为什么这些人搞了那么长时间，不同业务系统里的很多数据还是对不起来，而且想要他们提供一些分析、挖掘，根本做不到。
但宋明白大家只能暂时松口气、稍事休整，此时完成的只是第一期工程基本平台的搭建，下一步要把更多的应用搬上去，那时项目的意义就能更充分地显露出来 。虽然知道还要面对很多的困难和挑战，但在此时，他明白浙商银行已经有了统一和能够持续推进的数据仓库管理信息系统基础平台。
“中国这些客户做数据仓库管理平台其实是可以成功的，当然是选择了正确的基础和方法论。”IBM大中华区软件/实验室服务总监胡晓专话里显然隐藏了很多意思，而这恰巧诠释了浙商银行的成功。
别无选择
“如果没有这样的平台，我们的管理信息系统就没有办法继续向前走。”宋士正并非危言耸听。在竞争激烈的银行业，除了国内同行之间的相互竞争外，还要面对世界级的外资银行，如何实现差异化服务、提升银行的竞争力已成为所有银行的当务之急。与此同时，监管则越来越严格，比如“1104工程”就被认为是银行业监管方式的一次革命，还有人民银行下达的反洗钱要求等，即使报表的一致性这样最简单的问题也是需要认真去面对和解决的。
数据仓库从银行内部的不同系统和外部数据源收集数据，经过抽取、转换清洗和定义装载，形成一个中心的数据集。整个企业共享统一的数据存储模型，各级业务人员都具有一致的信息视图。这意味着可以进行内部的统计分析和辅助管理决策。从长远来看，不但可以分析客户需求，还可实现识别、监测和控制风险。
除了银行业这些共同的长远考虑之外，浙商银行建数据仓库有着特殊的现实需求。迫切要完成绩效考核系统，这套系统比较复杂，是基于经济资本计量的考核系统，当中有大量的数据需要分析、整理、计算。另外浙商银行还做了一些分析方面的尝试，包括流动性分析、净利差分析、客户流失分析、授信限额分析等分析。诸多的因素导致浙商银行需要建立一个管理分析的平台，逐步推进分析系统和业务处理系统间的互动。
总部位于杭州的浙商银行成立于2004年8月，是银监会批准设立的第12家股份制商业银行。据其公开披露的资料显示，15家股东中有13家是民营企业，资本额占85.71%。其前身是成立于1993年的浙江商业银行，但浙商银行实质上是一家全新的银行，对此前的经验没有任何继承，包括计算机信息系统都必须全部从头建设。目前浙商银行已有4家分支机构，并计划在今年年内达到10家。行长龚方乐在接受采访时明确表示，在其发展的前5年，浙商银行要解决的首要任务是生存和优势业务探索问题，目前其主要服务对象是中小企业。该行非常注重计算机信息系统的建设，虽然是家小银行，但已基本形成了覆盖全行业务的计算机信息系统，除了主系统外，授信管理、网上银行、资金交易、国际结算等外围运作和渠道系统齐备。
高难度动作
当要不要建数据仓库成为伪命题后，关键点都归结到了如何建设上。在来到浙商银行之前，宋士正一直服务于某大型国有银行，对金融行业数据仓库系统建设有较深的认识。他深知这是个高难度动作，无论技术部门还是管理部门都有难点。数据仓库系统非常复杂，存在着建设风险。通常而言，数据仓库系统的需求往往描述不清楚，此外，没人能准确判断出平台向前走的成功的几率有多大。
但没有需求就没有办法创新产品。对管理信息系统而言，需求不明确，而且在不断变化中，传统的需求分析、系统设计、建设、维护这四步曲已不再奏效。为了满足业务方面的需求，IT部门往往会花大力气编程序，但往往结果并不理想。而对于管理部门和业务部门而言，要想准确地表达自己的需求也绝非易事；另一方面，面临的现实问题是，当需要一些管理分析报表、数据挖掘信息时，现有的数据和质量不能满足各类业务分析的需要。
在宋士正看来，上述面临的问题可以概括总结为数据仓库建设当中的两个怪圈。怪圈一：没有完整的业务需求，就不能设计和建造完整的系统架构；但从业务的角度看，没有建造完整的系统，就提不出完整的需求。怪圈二：没有足够的高质量数据，就做不好系统；但不进行系统建设，就没有办法考虑数据的质量问题。当这些问题都相互牵扯在一起，数据仓库的建设绝对是一个挑战，但却又是不得不面对的，因为有太多长远的及现实的需求要求浙商银行做这件事。
“我们这套系统最大的好处是提供了一种能不断地想、也能不断地做的平台。”
—浙商银行信息科技部总经理 宋士正
2006年8月，在进行了一系列慎重接洽和考虑后，浙商银行开始按照IBM FSDM（Financial Services Data EnterpriseModel）的数据模型、逻辑模型的要求，对数据进行清理，并对业务规则进行定义。但行业模型的作用在于提供行业里的KPI以及面向主要业务分析的数据模型，基于自身业务的个性化的分析需求都需要自己做。而FSDM的仓库模型虽然在全世界130多个金融机构都部署过，但在中国大陆尚没有人采用，这意味着没人真正了解这个模型。而且国外的东西毕竟不能拿来就用，中国的实际要求远比国外复杂得多。国内外的市场情况完全不一样、标准不一样、计量的风险不一样、央行的管理也不一样，这么多的不一样足以表明这是件极具挑战性的事。
“浙商”方略
经验丰富的实施队伍与浙商银行化解了实际建设中的种种问题，绩效考核体系和1104工程应用都已运行，目前数据仓库平台运行的效果在宋士正看来还比较理想。这样的结果究其根本归功于浙商银行在这件事上的战略方向，这种方向则源于此前数据仓库管理信息系统建设走过的路。
据一位不愿具名的业内人士透露，某行曾想分析信贷客户风险度，但购买完系统并实施后，才发现根本做不出来。因为在进行分析时，很多数据是关联在一起的，包括成本、贡献度，甚至包括计算机的运作效率，这不是信贷部门一家可以做成的事。这就是建设企业级的数据仓库两种最常见的失败做法之一：以局部需求驱动设计、建设数据仓库，着眼于短期利益，各部门各自为政。就像一个个小房子建好了再造高楼大厦，其难度可想而知，没有从满足整个企业的长远发展要求出发；另一种做法是贪大求全，希望一次建设完成，就管理信息系统的特点而言，其难度和可能性同样可想而知。
那么理想的方法是什么呢？统一设计、逐步推进、一劳永逸、保持最新，这是浙商银行给出的答案。统一规划、整体架构，可以避免资源浪费；在核心架构的基础上逐步实施，不仅可以降低投入，而且可以很好地控制项目进度；一劳永逸指的是整个架构搭好以后，就可以根据需要不断向前推进。
根据浙商银行公示的2006年年报，截至2006年底，浙商银行的总资产已达到366.13亿元，其资产、存款、贷款的增长都在60%以上，其税前利润4.08亿元，比上年增长186.51%，税后利润2.8亿元，增长328.22％。虽说这是一家不折不扣的小银行，但的确是在高速发展中。由此也就不难理解，为什么浙商银行对于数据仓库建设的期望是：一个以不变应万变的系统架构，这样系统在未来的开发时无需花费太多精力，就能满足近期和长远的需要。
之所以选择IBM，就是因为在宋士正眼里，FSDW模型涵盖了整个金融行业整体业务方案和规则。分析认为，这样的方案和规则，在相当长的一段时间内是完全包含浙商银行或者是国内金融行业的数据指标、关联关系和业务定义的。而且基于该模型做出的整体架构是可扩展的，完全符合浙商银行的“16字方针”。定义好规则和关联关系，已有的数据就放进去，没有的先空着。这就像验收新房一样，大的架构不会有什么变化，只是按照自己的标准和想法装修即可。当然，对模型进行客户化改造和重新定义非常重要。
同样是沿着“16字方针”的思路，浙商银行把整个数据仓库项目建设实施分为三个阶段：第一阶段是平台建设，用时9个月；第二阶段以应用为主，深化业务运营分析、多维分析运用等，计划需要2〜3年；第三阶段则主要加载进去企业的战略，包括提升业务决策支持，对操作风险、市场风险、信用风险等等进行计量监测等。
正因为一期的顺利，浙商银行计划今年年内就开始二期工程，在现有的基础上，往前走向分析挖掘利用，比如客户关系、净资产分析、风险额度管控等。这样的方式究竟之后还能否再奏凯歌，宋士正的回答是，“我不是说我一定能成功，只是说失败的几率相对小些”。
“中国这些客户做数据仓库管理平台其实是可以成功的，当然是选择了正确的基础和方法论。”
—IBM大中华区软件/实验室服务总监 胡晓专
宋的自信源于项目的过程中总结出的经验，这些经验也是他人或浙商银行自己的教训。在数据质量的问题上，浙商银行就走过很大的弯路。在项目的发展过程中，银行原有的业务不能停下来，新业务当然也要推出，有时新、老业务的衔接上没有做好，就造成了数据质量、数据关联关系上的问题。不同业务系统的数据质量、规则、定义不一样，要建立一个统一的业务分析视图，就必须统一标准、统一规则、统一定义。
经验教训让宋士正明白了：在做数据仓库信息管理系统时，一定要和核心系统同步改造，比如银行里面的核心业务处理系统、授信业务系统，并由一个统一协调管理体制来把控。这样大家就会成为一个整体，而不会形成这样一种局面：我是专门做核心系统的，你是专门做数据仓库的，各不相干。否则也许一两年以后，你会发现业务的某些东西变了，数据仓库的很多东西也随之变成无用的了。正因为感受颇深，浙商银行前一段在做项目管理方面的尝试，如建立统一的需求分析认证，让各个项目小组汇总：到底该项目会对数据仓库有什么影响，对其他系统有什么影响，共同来产生开发设计的方案，以实现统一决策。最根本的，全行信息系统的建设都必须要遵循统一的标准框架。
在平台上搭建应用系统时，宋士正体会到的成功要素则是要坚持业务驱动，绝不能为建数据仓库而建数据仓库。在定义这些数据的规格、定义产品的分类时，一定要和业务部门共同研究，根据业务需要来设置。这样做一来可以分析出今后的管理需要，这样系统才会有效果；二来在标准怎样放进去、业务规则如何理解、究竟应该怎么分类这些事上，业务部门更有发言权。
数据仓库最终是为管理部门服务的，如果他们没有兴趣和需求的话，建数据仓库就没有任何意义，结果只会走向失败。当然前期在建平台、搭架构的时候，由IT部门和业务部门共同驱动比较合适。但平台架构一旦完成，就必须要业务管理部门主导进行驱动，然后共同把数据仓库往前推进。没有具体的业务管理驱动，数据仓库建好了就不会有多少功能，对企业的管理层也肯定没办法交代。宋的秘诀是可以选择一些必须的、棘手的、数据源可以保证的业务系统，如绩效考核系统、净利差分析、流动性分析、授信限额等分析应用，其好处显而易见——范围小、见效快、投资回报率高。
除了以上两点外，宋士正还总结出了以下经验：
★不能以部门局部需求或眼前需求为导向设计系统，必须要设计长远的整体架构。以前很多数据仓库建设失败都属于就事论事型，为一个小需求而建设一个数据仓库、设计模型，结果这个模型没有办法继续推进。
★必须利用数据驱动和模型驱动来同步推动整个数据仓库的系统架构建设。数据仓库建设模型把数据定义规则、逻辑模型、数据模型都已全部定义好了，但在这种情况下，也必须以架构为先导来建设基础架构。这样的架构才是可以保持一定时间、可以长远往前推进的。至于暂时不用的东西，可以逐步完成，但整个架构不会推倒。
★数据仓库建设好后必须往前走，这是一个长期的过程，不可能一朝一夕就全面建成，因此必须设定分阶段的实施目标，这样会给大家不断向前走的积极性。
★要选择开放的代表先进技术方向的方案，同时也要考虑今后的SOA架构。要让整个信息系统形成一个合理的可重用的闭环。宋的这个看法，在另一位业内人士眼中是理所当然的，因为引进先进的技术方案是为了避免失败，长远来看，一些大银行系统建设时间很长，需要SOA架构进行整合；小银行尽快设计成SOA架构，可以使信息系统今后避免很多不必要的麻烦。
★建数据仓库宜早不宜迟。因为没有一定的数据量是得不到比较准确的分析和挖掘结果的，有时候感觉分析结果不太正确，就是因为数据不够。而要想拥有大量的数据积累，就得早建数据仓库。
★因为建数据仓库是一个复杂的长期的工程，所以需要有专业的实施队伍，特别是在模型架构方面擅长。模型架构直接决定了仓库本身是否可以往前发展，是一个基础。
回过头来看整个过程，宋士正认为最大的好处是建设了一种能不断地想、也能不断地做的平台。但他希望最美好的东西是在未来，因为前期做的其实都是基础工作，真正的考验和收获都在后面，“我们能不能走下去，管理怎么样，我们的分析结果能不能为我们的服务所用。”
转自《CIO Insight》
