如今社會智能化是非常火熱的一個話題，商業智能的深入實施和應用是中國銀行業的必然選擇，但是只有把技術的發展與業務需求真正的融合起來，商業智能的實際價值才能得到的體現。 金融改革不斷深入的今天，伴隨著對數據分析、業務分析和綜合分析需求的不斷產生，各大商業銀行都分別實施了不同層次的商業智能(BI)系統。數據庫中的數據倉庫也逐步實現了智能化，接下來就為大家介紹智能數據倉庫的設計方法。

但是，從整體市場看，國內幾乎找不到真正實施成功的商業智能案例，一些已經實施的項目效果也不是很好，基本上還停留在報表系統的層面。究其原因，主要是商業智能項目的難度根本就不在技術本身，而在于業務。

首先，商業智能項目需要構建一個全面的業務模型，這個業務模型要把銀行現有的全部業務種類都包容進去。 其次，原始數據積累嚴重不足。原始數據資料越豐富、越規范，商業智能分析結果的準確度也就越高。但是銀行業尤其是中小商業銀行信息化的歷史比較短，業務數據也稱不上規范。

業務驅動技術應用

目前，由于企業管理的現實情況，商業智能的業務需求實際分為了兩個層面：低端的企業報表層和高端的決策分析層。國內銀行商業化還處于起步階段，業務決策分析基本還停留在專家模式，因此業務部門很難在決策分析層面提出多少需求。

而在管理報表層面上，由于過去的企業管理體系一直是圍繞報表建立的，業務人員可以提供一整套完整的基于報表的業務需求，甚至有一套十分完整的生成報表的指標體系。

有些中小銀行也實施過通用報表平臺的軟件，在這個基礎上對它作重新的規劃和定義，使其融入商務智能的思想，由于中小銀行的數據源并不復雜和數據量也不大的特點，可省去數據倉庫等支撐軟件。

三層體系結構

系統由C/S結構的報表設計器、報表流程設計器、查詢設計器和在J2EE應用服務器/WEB服務器上運行的報表服務器、查詢服務器、服務器管理Web應用（系統管理）構成。在實施上，則要求系統要具備三層體系結構圖。
 

關于智能數據倉庫的設計方法就為大家介紹這么多，希望大家通過本文的學習之后都能夠有所收獲。