信息化是商業銀行提高服務質量、塑造核心競爭力的必經之路。總結國內外的銀行實踐經驗，我們不難發現商業銀行的信息化大致可以劃分為帳務電子化、數據大集中和管理決策信息化三個發展階段。九十年代末開始的數據大集中剛剛在國內一些商業銀行中告一段落，走在前列的光大銀行、工商銀行、民生銀行等商業銀行的信息化進程卻又不約而同地被一條無形的數據”封鎖線”阻攔，始終無法突破。如何跳出這個數據豐富、信息貧乏的怪圈，立刻成為各大商業銀行關注的焦點。

　　前不久，中國人民銀行研究局副局長景學成先生指出，國有商業銀行和股份制商業銀行已基本實現了數據的集中處理，但數據集中并不能直接帶來銀行經營水平的提高和風險管理的改善，只有充分地利用集中的數據，實現業務和管理集中才能真正提升銀行的競爭力。光大人經過摸索后明白，信息化走到這一步要解決的關鍵是資源共享和信息利用問題，”突圍”勢在必行!

  被數據吞沒?!

　　成立于1992年8月的光大銀行，是國內第一家國有控股并有國際金融組織參股的全國性股份制商業銀行。伴隨著中國經濟和金融業的發展進程，12年來光大銀行不斷改革創新、銳意進取，始終把自身發展與國民經濟的增長緊密結合，在為社會提供優質金融服務的同時，取得了良好的經營業績，逐步建立了與現代商業銀行相適應的多元化股權結構和日益完善的經營機制。目前其業務網已經覆蓋了全國23個省、自治區、直轄市，已經成為對社會有較大影響的全國性股份制商業銀行。根據官方統計的數據，光大銀行在2003年的核心資本為118.74億元，總資產3944.23 億元，成本收益率46.94%，凈利潤高達4.33億元。光大銀行憑借其良好的業績和優異的綜合實力擠身進入英國《銀行家》雜志公布的全球銀行200強，是中國為數不多的上榜銀行之一。

　　作為國內最大的股份制商業銀行，中國光大銀行擁有眾多客戶群，幾百個分支機構遍布國內外;同時光大銀行以領先的理念為客戶提供種類繁多的金融服務，例如國際結算業務品種就包括信用證、保函、承兌匯票、福費廷、保理等。對于一個如此龐大的機構，如此繁多的金融服務，管理的復雜性可想而知。在國內銀行業中算不上老字號的光大銀行，其信息化建設卻一直走在行業的前列。近年來，通過綜合柜臺業務系統、陽光卡系統、網上銀行系統和辦公自動化系統等一系列信息化基礎建設，光大銀行率先實現了業務系統全國聯網和總行數據大集中。

　　在成功實現業務系統全國聯網和總行數據大集中后，經營管理分析方面又出現了一些亟待解決的新問題，如：統計數據不夠及時準確、對決策分析缺乏專業化系統化支持、報表處理效率低、數據共享差、難以為以客戶為中心的經營管理模式提供充足的信息支持、業績考核沒有理想的IT系統為支撐等等。眾多新問題的出現是銀行管理層始料未及的。

　　為什么數據如此豐富、信息卻如此貧乏呢?為什么信息系統還是那么難于有效地支持業務的發展?

　　國內商業智能領域的領袖菲奈特的CEO鄧新平先生的兩句話也許正好可以回答這個問題：”數據集中不是目的，集中是為了更好地挖掘隱藏在數據后的信息，進而指導行動。如果只有集中沒有挖掘，集中將毫無意義，企業反倒會被海量的數據吞沒。”

  決意”突圍”

　　為了盡快突破海量數據的”封鎖”，挖掘其中蘊涵的知識和信息，光大銀行決策層于2002年初開始立項商業智能及數據倉庫系統。同某些些銀行不經過考慮就盲目選用國外產品不同，光大銀行根據自身情況，以實際需要為導向，對各家方案的優劣進行仔細分析、反復考察、綜合考慮。

　　光大銀行信息科技部總經理李堅先生說：”我們必須選擇一家有豐富實施經驗的專業實施隊伍和本地服務支持能力強的公司進行合作，以達到事半功倍的效果”。最終，菲奈特軟件公司的高端商務智能產品BI.Office以其領先的技術和簡便的操作從眾多競爭者中脫穎而出，贏得了光大銀行決策層的一致青睞。

　　經過商議，雙方在國結業務統計分析、對公業務統計分析、信貸風險管理、客戶經理業績考核等方面簽定了一系列合作計劃。為了降低實施風險，將從國結業務統計分析系統開始，各個項目逐步實施。成功的選型是光大銀行商業智能應用系統成功實施的開始。

　　一家企業能在市場上保持常勝不衰，很大程度上取決于企業清晰的遠景規劃及敏銳的辨別力。事實證明，光大銀行所采取的”以部門為基礎實施數據處理”的決定是正確的，也是務實的。

  過關斬將

　　怎么才能拿下國結業務統計分析這個系統呢?光大銀行相關人員同菲奈特技術顧問組成了一個實施監督團，通過頻繁的討論來處理項目進展中遇到的一切困難。

　　光大銀行的國際結算系統于2001年正式運行，業務品種主要包括進口開證、到單、付匯、結匯、進出口押匯、貼現、包買票據等，并實現了與SWIFT、會計系統的對接。國際業務部是該行的重要業務部門，業務品種紛繁復雜，國際結算系統經過一段時間的運行，面臨的問題是一方面無法為決策層提供準確數據源，另一方面也無法為決策層提供對數據進行分析查詢所必須的先進、靈活的手段。這些迫在眉睫的問題使國際業務部成了光大銀行應用商業智能的急先鋒。

　　客觀來說，數據種類少、數據量大是企業實施商業智能應用的最佳環境，因為這將有利于數據整合、轉換、清洗、抽取、裝載及數據模型的建立。然而，光大銀行國際業務部作為重要業務部門，業務品種不下十種，各業務品種間邏輯還非常復雜。這些因素為菲奈特技術團隊實施整個商業智能應用帶來了相當大的難度，由此造成的風險比預計大了三倍。

　　由于銀行業務分析本身專業性就很強，再加上上述這個原因，項目實施難度陡增。要保證銀行數據倉庫系統成功應用，必須選擇合適的數據倉庫產品以及優秀的IT服務公司。近年來，國內很多企業特別是金融企業，數據倉庫投入巨大，但最終失敗居多。作為行業領袖菲奈特公司擁有技術領先的商業智能產品和長期積累來的豐富行業模型，為國際業務部量身定做了一套可擴展的、結構化的數據倉庫模型，一舉攻克了難關。

　　光大銀行國際業務部總經理姜巖松先生說：”相比過去，我們能夠獲得更加深入的分析，能夠發掘數據背后隱藏的信息，從而使各級管理層和各級業務人員可以準確、全面地發現業務中出現的異常，進一步掌握客戶的情況，及時了解競爭對手的發展，大大提高了業務部門的市場敏感性以及管理和決策水平。”

　　從2002年12月開始，菲奈特BI.Office商業智能應用平臺相繼應用于光大銀行其他幾個業務部門，形成相應部門的商業智能系統。這些商業智能系統以數據倉庫技術為基礎，把分散在各個業務系統的數據進行整合，數據經過清洗、轉換，加載到數據倉庫;再采用OLAP和Data Mining等技術，為管理決策人員提供強大、靈活的日常查詢和決策支持。

　　在實施難度超高的情況下，項目的進行能如此順利，總的來說有兩方面原因：首先，作為商業智能解決方案的領導者，菲奈特一直致力于BI領域的研發和創新，經過8年數據倉庫實施提煉出的方法論體系在整個數據倉庫項目中起了指導作用，很順利地解決了諸如確定系統范圍、分析用戶需求、建立系統架構方面的問題，可以滿足不斷變化的應用需求以及不可預測的決策支持需求;另一方面，光大銀行之所以會在信息化建設上取得較大的成績，除了積極引進先進技術之外，自身也有較強的技術研發實力。再加上光大的業務部門除了在項目需求分析階段幫助技術人員了解企業的業務流程外，還本著積極認真的態度來驗證系統的正確性、實用性，并和信息科技部門保持良好的溝通。整個項目在一個逐步驗證、逐步完善的過程中進行。在這樣的主客觀條件下，項目的成功是必然的。