《MIS系统目标功能模式管理分析.docx》由会员分享，可在线阅读，更多相关《MIS系统目标功能模式管理分析.docx（45页珍藏版）》请在三一办公上搜索。
1、1 MIS系统目标功能模式1.1 数据仓库架构数据仓库以及建立在数据仓库基础之上的OLAP和数据挖掘应用是满足现代商业银行管理信息系统很好的技术解决方案。所以，在我们逐一讨论银行管理信息系统和分析型客户关系管理系统之前，首先让我们了解一下数据仓库的一般架构，如下图所示：1.1.1 图 1数据仓库一般架构源系统数据源指存储从OLTP（联机事务处理）系统来的事务数据的数据存储库。数据源可能包括综合业务系统、信贷管理系统、网银系统、龙卡交换中心、个人信贷信息系统等作业系统以及外部数据源。这些数据源必然包含不同的语义定义和格式。在某些情况下，在不同的系统之间会出现冗余的数据，这些信息的共享和协调并没有
2、被合理的配置。正是因为这个原因，某一个可以为银行各个部门以及其它信息用户提供一致的、无冗余的、可靠的集中化的信息基础架构将给某银行带来增值利益。数据源代表了运营和事务处理（OLTP）业务应用所搜集和存储的数据。数据仓库一般从一个单一的数据源开始，或者从能满足初始报表和分析需求的最少的数据源开始，然后在数据仓库的整个生命周期内扩展到一个互动式的情况以包含更多的数据源和外部系统（如有必要）。1.1.2 ETL1.1.2.1 抽取抽取是指识别最佳的数据源，并从中获得所需的数据。它是将数据导入数据仓库的第一步。抽取意味着读取并理解源数据，并复制数据仓库所需要的部分。它由以下选择、全抽取、Delta抽取
3、等功能组成。1.1.2.2 转换转换包含很多不同的技术和步骤；它泛指使数据仓库信息适合于终端使用的过程。这一过程包括那些将源数据格式变为目标数据库格式的模块。转换是选择、变更或操作数据的过程。一般而言，转换包括映射、清洗、汇总、重排和排序等步骤。转换过程中使用的业务规则必须在元数据中加以捕捉和保存以确保对数据有一个恰当和一致的理解。1.1.2.3 加载加载是指将转换好的数据放入数据仓库中的过程。通过批加载工具处理大批量和预排序数据，可以优化数据加载的性能。1.1.2.4 ETL元数据ETL元数据提供了管理用于源系统到ODS，ETL的映射和转换规则的工具。元数据能够帮助用户理解数据含意，数据是如
4、何到达用户的，之间发生了什么事情。业务用户需要理解他们访问的数据。ETL部分的元数据大致会包含下列内容： 数据源和ODS数据之间的映射关系 ETL过程描述参数（包括抽取、清洗、衍生、汇总、变形的逻辑） 数据加载计划 数据加载纪录（如日志、时间标签等）1.1.3 操作数据存储（ODS）ODS是一个集成和集中化的数据存储，它由多个主题的企业级数据组成，包括低层的、细粒度的、为报表目的而长期保存的数据。ODS必须以关系型数据库来存储和管理数据，最佳的结构通常是按照与业务远景和战略一致的主题而划分的第三范式。1.1.3.1 ODS元数据ODS所需的元数据主要是银行范围的实体关系模型或逻辑数据模型（LD
5、M）。ETL元数据将元数据域映射到数据仓库数据域（属性），在ETL过程中提供转换、清洗、确认和整合的规则，作为业务需求的解决。1.1.4 多维数据存储（数据集市）数据集市代表用多维模型存储的数据，这些数据为不同的应用服务器和IT用户提供汇总数据。数据集市是针对某一特定主题、部门或用户类别的一组数据集合。这些数据经过优化以达到快速访问和分析报告的目的；因此，数据结构是高度汇总并具有索引的。一般来说，数据集市所包含的历史数据要比ODS少得多。这一层的重点是要以能方便、及时访问的方式组织企业数据。在数据集市中，数据按星型模式和雪花模式组织，这比第三范式更容易操控。工具供应商都会要求或者推荐数据使用星
6、型模式。一般而言，他们的工具生成好的SQL语句的功能比较有限。所以结构越简单会带来越大的优势。同样，图表工具也要求快速的响应。星型模式在这一点要比范式设计优越。数据集市可以是物理或逻辑的。物理的数据集市保存在数据库中，逻辑的数据集市则可以是ODS的一系列视图。如果是逻辑数据集市，它将使用与ODS相同的软硬件平台。物理数据集市可以是关系型数据库或多维数据库（MDDB）。一般来说物理的数据集市适用于复杂的业务逻辑和大量的数据。1.1.5 OLAPOLAP（联机分析处理）以多维数据分析著名。在数据仓库中查询和分析信息方面提供先进的能力。可以从多角度、多方位地考察客户的信息，如按产品维度、地区纬度、时
7、间维度等。OLAP一般可以划分为3种类型： 关系型OLAP（ROLAP）：使用一个关系型的或者扩展关系型的数据库管理系统（DBMS）来存储和管理仓库数据。ROLAP服务器负责对每一个DBMS后台的优化，汇总浏览逻辑的实施，以及其他的工具和服务。ROLAP一般比MOLAP具有更好的可扩展性。 多维OLAP（MOLAP）：通过基于阵列的多维存储引擎，多维OLAP能支持多维数据访问。它们直接将多维视图映射到数据立方体阵列结构。使用数据立方体的优势在于它能对预先计算好的汇总数据进行快速索引。 混合OLAP（HOLAP）：HOLAP方法结合了ROLAP和MOLAP技术，汲取了ROLAP的可扩展优势和MO
8、LAP的快速计算优势。举例来说，一个HOLAP服务器允许大量的底层数据储存于关系数据库中，同时将汇总数据储存在另外的MOLAP存储库中。在以下的分析型客户关系管理和管理信息系统中会给出OLAP的应用示例。1.1.6 数据挖掘数据挖掘是按照企业既定的业务目标，对大量的企业数据进行探索、揭示隐藏其中的规律性并进一步将之模型化的先进、有效的方法。如通过对客户各种数据深入分析，了解客户的行为，建立模型，并对客户未来的行为进行预测。下表为一般的数据挖掘方法分类和功能说明。本文不就具体算法展开详细讨论，但会在以下的分析型客户关系管理和管理信息系统中会给出数据挖掘的应用示例：类别功能算法预测模型分类决策树，
9、神经网络，差异分析 ，Logistic回归， Probit 回归数值预测线性回归，非线性回归，径向基函数分割聚类分析K均值，Demographic，神经网络链接分析关联发现统计，集合论序列关联发现统计，集合论相似时间序列发现统计，集合论预测时间序列预测诸如ARIMA, Box-Jenkins, 神经网络等的统计时间序列模型表 1数据挖掘分类和功能1.1.7 表现层表现层主要以图形方式以及灵活的、可配置的报表工具向用户展现最终的结果。图形化方式应该就不同的应用支持包括2-D图、树状显示、散点图、线图、饼图等多种图形展示方式；可配置的报表工具应该提供可配置的报表模版以及自定义报表的能力。1.2 管
10、理信息系统体系结构1.2.1 管理信息系统数据仓库体系架构这里的管理信息系统主要指的是分析型客户关系管理系统、管理会计系统、信贷风险管理系统、资产负债管理信息系统。管理信息系统是为不同的管理主题服务的，它是对集中的业务数据和其他银行内/外数据的综合分析、处理和应用。由于总、分行之间的管理职能有所不同，总分行管理信息系统对数据的要求也随着不同的管理需求有所不同。此外，由于越来越多管理决策需要详尽的、多维的支持信息；同时也要求管理信息系统能具备一定的分析预测和知识发现能力。这就要求管理信息系统建立在数据仓库技术的基础之上。有四种方案组织建行的管理信息系统数据仓库：将数据完全集中在总行或在部分一级分
11、行集中数据是一个方面；针对每一个单独的管理主题构建一个数据仓库与建立统一的数据仓库是另一方面。以下分别描述这四种数据仓库某方法的优劣： 第一种方法：总行建立一个集中的、面向多个管理主题的数据仓库该方法将所有的管理信息系统所需的所有细粒度数据以及汇总数据都集中存储在总行的一个数据仓库之中，该数据仓库将面向所有的管理主题包括分析型客户关系管理、管理会计、资产负债管理和信贷风险管理。分行以客户端方式获得所需的分析后的信息。该方法的优势在于能提供一个全行集中的数据存储、保证全行数据的一致性。该方法的劣势在于该方法的构建成本太高，它将从总行、数据中心以及分行抽取数据，抽取的难度相对较大，此外，构建全行集
12、中的数据仓库对容量的要求也相当高（举例来说，假设100,000,000个人账户平均每年交易20次，每次交易需要1000字节的存储空间来记录交易的相关内容，为了分析型的客户关系管理，每个账户的交易记录至少要保持两年。那么，仅这一项数据存储对数据仓库容量的要求就达到4TB）。此外集中海量的数据对数据管理、模型建立都提出了很高的要求，而要在浩瀚的数据海洋中发现知识的难度也相应加大。第一种方法示意图如下： 第二种方法：总行建立多个集中的、面向不同管理主题的数据仓库。该方法将管理信息系统所需的所有细粒度数据以及汇总数据按不同的管理应用分类，集中存储在总行的多个数据仓库之中。分行以客户端方式获得所需的分析
13、后的信息。该方法相比于前一种方法的优点在于数据集中的程度相对降低，按不同的管理主题分类也使得数据管理和模型建立具有针对性。该方法的劣势在于，部分管理主题比如管理会计、分析型客户关系管理仍然对数据仓库的容量和性能提出了很高的要求；其次，由于不同的管理主题之间有交叉重叠的应用（如多维收入成本分析既涉及管理会计的成本分摊也涉及分析型客户关系管理的客户盈利分析和客户区分等、财务分析既涉及管理会计的财务指标计算也涉及资产负债管理得利润分析等），建立多个面向不同管理主题的数据仓库一方面难以保证信息的单一视图，另一方面也有可能造成相同数据的重复抽取和重复存储。第二种方法的示意图如下： 第三种方法：分行建立一
14、个集中的、面向多个管理主题的数据仓库，总行建立一个面向多个管理主题的数据仓库该方法将管理信息系统所需的细粒度数据集中存储于分行、总行集中存储各分行的汇总数据，不存储交易级别和账户级别的最细粒度数据。同时分行和总行的数据仓库都是满足多个管理主题的。该方法的优点在于对数据仓库容量的要求进一步降低；同时，由于各分行只有一个数据仓库并且总行的数据仓库与分行数据仓库存储的数据对象不同，因此各数据仓库数据的一致性易于保证；此外，在清晰定义了总分行之间的管理应用分布之后，数据也相对易于管理。但该方法也有不足之处：首先各分行条件不一，需要分步试点实施；其次，也是相当重要的一点是，这样的应用架构无法满足信贷集中
15、管理的需求，需要另建专门为信贷管理服务的数据仓库。第三种方法的示意图如下： 第四种方法：分行建立多个面向不同管理主题的数据仓库，总行建立多个面向不同管理主题的数据仓库该方法是四种方法里对数据仓库容量要求最小的，但该方法的缺点同样显著：首先，该方法所造成的体系结构过于复杂、接口程序过多、规划、开发难度大；同样，数据的一致性也很难得到保证；此外，如果今后要向总行集中的方式过渡，也将面临推倒重来的局面。第四种方法的示意图如下：综上，建议建行采用第三种方式来建立管理信息系统的体系结构，在有条件的分行、针对某些管理主题先行试点建立数据仓库。在采取第三种方式的同时，需要注意以下几点： 由于信贷风险管理宜全
16、行集中，信贷的评级系统需要信贷相关的详细数据。建议建行在总行建立信贷业务专门的数据仓库，提供集中性及具历史性的风险因素数据。 各分行建立管理信息系统数据仓库应保证逻辑数据模型的一致性以及一致的数据管理规范，总行因对此有所规划和管理。这样不仅利于总行数据仓库的接口程序开发，也利于向将来可能的总行集中模式过渡。 总分行的数据仓库某都要保证可扩展性和灵活性。可扩展性是指可扩展性是在不显著增加系统响应时间和软硬件花费的情况下，在用户数量、数据量或处理能力方面增加系统负载的能力；灵活性是指分行和总行的数据仓库能够灵活的适应新增的应用需求，比如总行为满足某一应用需求需要细粒度的数据，应该可以便捷的从分行的
17、数据仓库中抓取获得。1.2.2 管理信息系统演进策略银行管理信息系统的某需要有计划、分步骤地实施，逐渐扩展应用的范围。同时，管理信息系统的应用应该搭建在可扩展的数据平台上，这样管理信息系统本身也能在技术水平、数据基础逐渐完善的情况下不断的扩展和更新。分析型客户关系管理系统、管理会计系统、资产负债管理信息系统和信贷风险管理信息系统是银行管理信息系统的核心组成部分，这些系统将支持银行的运营效益、风险控制、管理决策、绩效考核等银行核心管理主题。但这些管理信息系统并不是互相独立的个体，相互之间都存在互动的关系。某银行在考虑管理信息系统的规划的时候，必须注意到这一点。下图大致说明了这四个系统相互之间的信
18、息支持：由上图可见，目标模式的这些管理信息系统是互相支持的。每个系统的部分应用功能都有可能成为其它系统应用功能的基础。正是基于这样的原因，在考虑某这些管理信息系统的规划时，我们必须强调系统设计的模块化和可扩展性。这样，当某个系统的某项应用功能开发出来后，另一个系统的依赖于这一应用功能的管理应用模块可以被迅速的被开发出来，并平稳的移入系统。具体在规划某这些管理信息系统的时候，可以优先考虑那些相对独立的管理应用模块。例如分析型客户关系管理系统的客户行为分析、客户需求分析、市场趋势分析、交叉销售分析等；资产负债管理信息系统的内部资金转移定价、市场风险分析、财务分析等；信贷风险管理会计系统的内部评级模
19、型、限额设置等；管理会计系统的全面预算、基于作业成本法的营运成本分摊等。特别需要强调的是，无论管理信息系统的某采取怎样的先后顺序，数据仓库的某以及全面的数据、信息收集都会是目标模式管理信息系统的基础。1.3 分析型客户关系管理应用架构由于操作型客户关系管理的数据库要满足日常交易的访问，并且储存的信息并不能满足分析型客户关系管理的所有需求。根据上述管理信息系统数据仓库体系架构的讨论以及公司客户的操作型客户关系管理计划某在总行。建议建行在总行集中满足分析型客户管理需求的公司客户详细信息和个人客户的汇总信息；各一级分行集中满足分析型客户管理需求的个人客户的详细信息。详细信息包括：详细信息包括： 客户
20、基本信息（Profile） 帐户信息（包括帐户基本信息和交易记录等） 财务信息（主要是公司客户的财务信息） 关联信息（包括确认的和识别的关联账户和关联客户信息等） 渠道使用信息（包括使用频率、轨迹记录等） 客户接触记录（包括市场推广、促销记录、客户投诉等） 成本核算信息（包括产品成本、渠道成本、营销成本等） 市场信息（金融政策、同业信息等）汇总信息为以上这些信息不同程度的汇总，汇总的程度视具体应用的不同而不同。例如，汇总信息可以是某分行25-30岁客户的利润贡献度，也可以是华东地区25-30岁客户的利润贡献度；可以是某分行月收入4000元以上客户的渠道使用偏好，也可以是全行月收入4000元以上
21、客户的渠道使用偏好。这完全取决于总行要做怎样的分析和挖掘。对于诸如个人VIP客户的管理，可以考虑在总行集中存储详细信息。具体实现方式可以是由总行按照一定的规则直接从源系统中抓取；也可以是分行筛选出来向总行传递，这样总行和分行都能进行个性化的服务。分析型客户关系管理的数据集中和应用分布都会存在于总行和一级分行两个层面。但数据集中的程度和粒度以及总行和一级分行需要的客户管理分析应用都各不相同。下面首先分析不同要求的客户管理应用分析在某银行的分布：图 2分析型客户关系管理应用架构分析型客户关系管理的应用划分是按照当前某银行目前的经营体制决定的，分行和总行行使不同的职能。分行主要负责与营销密切相关的具
22、体的客户分析；而总行的分析型客户关系管理提供的则是对全行的经营策略有决策支持作用的信息。下面就逐一描述这些应用所对应的功能说明、可能的分析方法、需要的数据大类以及这些数据大类将从哪些系统中获得。需要说明的是，这些数据可能目前无法从现有系统中获得，对具体的数据需求将在分析型客户管理信息系统的实施过程中分析。1.3.1 分行层面的客户区分在分行层面进行的客户区分主要指按照客户的贡献度、客户的潜在价值、以及不同客户群体使用渠道的偏好、产品的偏好进行客户分类。分类的维度可以按年龄、地区、教育程度、收入等各种资料（profile）的属性来进行。客户区分将指导分行制定营销战略、客户对待方式，引导优质客户使
23、用他们乐意使用的渠道和产品。进行客户区分可能使用的分析方法包括：OLAP、K均值聚类、关联分析、Demographic聚类等。（这里不对这些数据挖掘的数学模型进行详细说明，仅供参考，下同）。进行客户区分所需要的数据包括：客户基本信息、帐户信息、渠道使用信息、成本核算信息等。主要的数据源包括：核心业务系统等业务处理系统、大前置、会计核算系统等。1.3.2 分行层面的多维利润分析在分行层面进行的多维利润分析是按照客户维、产品维、渠道维对分行的整体经营利润进行分析。这将帮助掌握分行客户的贡献度和渠道贡献度，也为分行客户区分、客户对待策略、经营策略提供支持信息。进行多维利润分析可能使用的分析方法包括：
24、OLAP。多维利润分析所需要的数据包括：客户基本信息、帐户信息、渠道使用信息、成本核算信息等。主要的数据源包括：核心业务系统等业务处理系统、大前置（各类前置系统）、会计核算系统等。1.3.3 分行层面的客户需求分析在分行层面进行的客户需求分析主要是指根据客户的产品使用情况、市场的信息、同业信息研究分行客户的需求。客户需求分析同样可以按年龄、地区、教育程度、收入等各种资料（profile）的属性来进行。客户需求分析将指导分行的地区特色的产品开发策略和营销策略。进行客户需求分析可能使用的分析方法包括：树型归纳、神经网络、回归模型等。客户需求分析需要的数据包括：客户基本信息、帐户信息、渠道使用信息、
25、客户接触记录、市场信息等。主要的数据源包括：核心业务系统等业务处理系统、大前置、市场信息收集系统（目前没有）、客户接触记录（包括网银系统、呼叫中心、手机银行、市场推广等）。1.3.4 分行层面的客户行为分析客户行为分析是指根据客户的交易行为、与银行接触的记录分析并发现单个客户或具有某一共同特征的客户群的行为模式以及与之相关的因素。一旦找到了客户行为模式以及与之相关的因素，银行就可以采取相应的对待策略，提高运作效率；或者根据客户的行为掌握客户的需求。分行层面的客户行为分析与分行层面的客户区分也是紧密结合在一起的，客户行为分析为客户区分提供依据。客户行为分析可能使用的分析方法包括：时间序列分析、关
26、联分析等。客户行为分析需要的数据包括：客户基本信息、帐户信息、渠道使用信息、客户接触记录等。主要的数据源包括：核心业务系统等业务处理系统、大前置、客户接触记录（包括网银系统、呼叫中心、手机银行、市场推广等）。1.3.5 分行层面的交叉销售分析交叉销售分析指的是银行根据客户历史交易行为、关联账户等信息，分析并发现银行提供金融服务产品之间可能存在的关联。交叉销售分析可以指导分行的营销策略，提高业务增长和银行收入。交叉销售分析可能使用的分析方法包括：关联分析、回归模型等。交叉销售分析所需要的数据包括：客户基本信息、帐户信息、渠道使用信息、客户接触记录等。主要的数据源包括：核心业务系统等业务处理系统、
27、大前置、客户接触记录（包括网银系统、呼叫中心、手机银行、市场推广等）。1.3.6 分行层面的客户满意度分析客户满意度分析指的是银行根据内部运营数据（包括：服务质量、市场份额、利润率及成长率等），客户反馈（包括客户对银行的评价、热线服务请求以及客户调研数据等）和其他外部来源的数据评价客户对银行提供金融服务的满意度。客户满意度分析可能用到的分析方法包括：OLAP等。客户满意度分析所需要的数据包括：各项汇总的经营指标、客户接触记录信息等。主要的数据源包括：核心业务系统等业务处理系统、客户接触记录等。1.3.7 总行层面的客户区分在总行层面进行的客户区分主要指按照客户的贡献度、客户的潜在价值、以及不同
28、客户群体使用渠道的偏好、产品的偏好进行客户分类。分类的维度可以按年龄、地区、教育程度、收入等各种资料（profile）的属性来进行。客户区分将指导总行制定营销战略、市场定位、重点客户发展方向，引导优质客户使用他们乐意使用的渠道和产品。进行客户区分可能使用的分析方法包括：OLAP、K均值聚类、关联分析、Demographic聚类等。客户区分需要的数据包括：汇总的客户资料（profile）、不同程度汇总的客户盈利分析、汇总的客户使用渠道的信息、汇总的客户使用的产品的信息等。主要的数据源为各分行的为分析型客户关系管理服务的数据仓库。1.3.8 总行层面的客户需求分析在总行层面进行的客户需求分析主要是
29、指根据客户的产品使用情况、市场的信息、同业信息研究建行客户的整体需求。客户需求分析同样可以按年龄、地区、教育程度、收入等各种资料（profile）的属性来进行。客户需求分析将指导某银行的产品开发策略和营销策略。进行客户需求分析可能使用的分析方法包括：树型归纳、神经网络、回归模型等。客户需求分析需要的数据包括：不同程度汇总的客户产品使用信息、市场信息摘要、重大事件信息等。主要的数据源为各分行的管理信息系统数据仓库以及外部市场信息的搜集。1.3.9 总行层面的多维利润分析在总行层面进行的多维利润分析是按照客户维、产品维、渠道维对全行的整体经营利润进行分析。这将帮助掌握某银行产品贡献度、客户贡献度和
30、渠道贡献度，也为客户区分以及经营策略提供支持信息。进行多维利润分析可能使用的分析方法包括：OLAP。多维利润分析所需要的数据包括：不同程度汇总的多维利润信息。主要的数据源为各分行管理信息系统数据仓库。1.3.10 总行层面的市场趋势分析总行层面的市场趋势分析指的是根据历史情况以及外部经济环境对市场的一个预测。包括客户投资偏好预测、产品盈利预测、客户增长预测等；同时市场趋势分析也将试图找出与上述预测紧密相关的市场因素（比如利率水平、A/B/H股指数水平、GDP等）。进行市场趋势分析可能使用的分析方法包括：时间序列分析、关联发现等。市场趋势分析所需要的数据包括：重大市场信息、市场上的主要经济指标、
31、历史的汇总多维收入、成本分析、历史的汇总主要经营指标（比如存贷款、客户数等）。主要的数据源为各分行管理信息系统数据仓库、总行的为分析型客户关系管理服务的数据仓库（在建立时会导入历史的汇总主要经营指标）、外部市场信息收集系统（目前没有）。1.3.11 总行层面的重大事件分析重大事件分析是预测重大事件发生时，可能带来的对建行业务、经营的正负两方面的影响。如利率变化、增收手续费、QFII、国有股减持、混业经营政策的放开等。重大事件分析可以帮助建行发现国家政策、市场环境发生变化时新的目标客户群体、可能流失的客户群体、客户的储贷能力的变化等。进行重大事件分析可能使用的分析方法包括：时间序列分析、回归方法
32、等。重大事件分析所需要的数据包括：历史上重大事件发生时相关经营指标的变化、外部市场信息、国家/内部政策信息等。主要的数据源为历史的主要经营指标、外部市场信息收集系统（目前没有）。1.3.12 总行层面的客户行为分析总行层面的客户行为分析是指分析并发现具有某一共同特征的客户群的行为模式以及与之相关的因素。一旦找到了客户行为模式以及与之相关的因素，银行就可以采取相应的对待策略，提高运作效率；或者根据客户的行为掌握客户的需求。总行层面的客户行为分析与总行层面的客户区分也是紧密结合在一起的，客户行为分析为客户区分提供依据。客户行为分析可能使用的分析方法包括：时间序列分析、关联分析等。客户行为分析需要的
33、数据包括：不同程度汇总的客户行为信息、不同程度汇总的多维盈利分析和渠道使用信息。主要的数据源为各分行管理信息系统数据仓库。1.4 管理会计系统应用架构管理会计系统作为银行管理信息系统的重要组成部分，是为以责任中心为核算单位的预算编制和执行、成本控制以及多维成本盈利计算分析和业绩考核指标计算等管理目的服务兼具作业和决策支持功能的系统。同时，管理会计系统也为客户关系管理、资产负债管理、风险管理等管理主题提供信息支持。建行的管理会计体系至少应该包括全面预算管理、成本盈利分析以及业绩考评指标体系。同样，管理信息系统的数据仓库将为管理会计系统提供单一视图的数据支持，核心业务系统、营业费用核算系统等系统作
34、为数据仓库的数据源。需要注意的是，管理会计特别注重对成本的分析和管理，它以贯穿于经营管理各个活动中的成本、效益分析而著称。要按产品、部门和地区计算利润意味着相应的成本资料也要分产品、分部门和分地区。商业银行要做到这一点，面临着许多困难。从实务的角度来说，原有的银行会计工作流程没有区分上述的成本，难以归集分产品和分部门的成本和费用，也就难以与相应的收益相配比；从理论的角度来说，作为服务行业的商业银行，其自身的业务特点也造成传统的会计核算方法难以提供准确的成本信息，不可能像生产企业那样，产品一出来，与之相关的生产成本信息献出来了。即使现有的银行会计工作流程已经按照传统会计方法的要求去做了，所得到的
35、成本信息也不很准确，而这不是管理会计系统所能解决的问题。所以，成本盈利分析的精确程度将取决于成本资料的详细程度。1.4.1 全面预算管理会计系统应该支持灵活的全面预算流程和方法。支持的预算流程包括： 预算的编制（事前控制）：部门预算和综合预算 预算的执行（事中控制）：及时的检查预算的执行情况。 预算的差异分析（事后控制）：对比分析，纠正不利差异。管理会计系统对预算编制的支持应该建立在以利润中心和成本中心划分为基础的责任中心上。预算编制模块同时应该支持： 自下而上的预算与自上而下的预算相结合 同一部门的纵向汇总和同一级行的横向汇总，即不同的角色定义 滚动预算方式预算编制的内容应该包括业务预算（包
36、括收入预算、费用预算和利润预算等）、资本支出预算和财务预算。预算的编制，除了工作量较大以外，并没有实质性的技术障碍。管理会计系统应该支持自动的预算执行，比如超出预算部分自动报批等。同时，系统也应能自动产生预算差异报表，以便进行预算差异分析并基于此调整预算。1.4.2 多维的成本盈利管理建行的管理会计系统应该能够进行多维度的成本和盈利的管理。成本核算和盈利分析是这一功能的两个主要方面，但由于进行帐户、产品、客户等盈利性分析的过程中不可避免会涉及到成本的核算问题，因此以下将分别就帐户、产品、客户、渠道和机构的盈利性分析进行阐述，而关于成本核算的内容也会包括在其中。需要说明的是，由于成本盈利性分析的
37、过程中，有许多特定的因素使得具体的方案设计会因为各个银行的情况不同而不同，因此我们会列出一些毕博认为的最佳实践以供建行参考。另外，管理会计的有些功能可能会耗费大量的信息技术成本，而银行需要在细致的分析和成本耗费之间作出选择。在下面的详细描述中也简要说明了进行不同程度的成本盈利分析所需要的数据，这些数据来源于各作业系统、各会计核算系统和总帐系统。1.4.3 帐户的利润贡献度计算帐户的利润贡献度的计算方法如下图所示，之所以采用比率而不是数量的方式来表示，是因为这样有利于根据收息和付息的利率差来识别盈利帐户，而不是利息收入。但是运用比率的计算也会有相应的问题，比如在可控成本不变而帐户平均余额减小时帐
38、户的利润贡献度会不公平的提高。所以，在利润贡献度计算的报表中应该包括一些必要的解释。下面将对上述各项的计算方法予以简要解释： 净利差：对于存贷款帐户来讲，净利差是指银行通过吸收存款、发放贷款业务，而获取的利差，需要注意的是净利差的计算要考虑资金成本，即需要建立在内部资金转移定价的基础上来计算净利差。 其他收入：一方面是指存贷款帐户的一些服务收费、佣金收入（如开户费等），另一方面对于一些基于费用的业务，比如保险代理，代收代付等业务，不考虑利差的收入，应将其收入算为其他收入。对于这类业务，可以采用ROA来计算其利润贡献度，即需要除以这一帐户的平均分配资产，这里涉及到对于每个帐户的平均资产的确定标准
39、，比如信用卡可以用平均的透支额度来计算。另外对于这类业务，可以只是按照利润的数量而不是按比率来计算其利润贡献。 这里需要注意的是，这些业务也许在银行的系统中没有对应的帐户，那么要想计算这类业务的贡献度，就必须基于这些业务的交易信息。另外需要注意的是，有的情况下，可能有很多产品对应于一个帐户，比如捆绑销售活期帐户、信用卡和借记卡，此时需要根据具体的交易数据根据ABM（基于作业的管理）或只是根据未捆绑前的可能收入的比例来划分这一帐户的收入，这就对系统提供的数据提出了更高的要求。 可控成本：可控成本是指能为责任中心所控制，发生数额可以具体影响的成本。直接费用都应归属于可控成本，而间接费用的一部分是可
40、控成本。比如人力资源部进行薪酬处理和薪酬查询的费用应分摊到业务部门的部分是业务部门的可控成本，因为业务部门可以控制薪酬支票的数量和进行薪酬查询的数量，而总行行政层的工资也许对于业务部门来说就是不可控成本。之所以不将不可控成本用于计算帐户的利润贡献度是因为帐户不应承担与其无关的费用，比如总行行政人员的工资，这样不利于比较不同帐户的相对利润贡献。这里需要注意的是可控成本的概念是相对的，并且受制于一定的组织条件，例如，如果银行有产品经理来对广告费用负责，那么一笔用于推广这一产品的成本对于每个该产品的帐户来说就是可控成本，否则也许这笔费用就是不可控成本。而可控成本的计算首先要基于一定的成本分摊技术。首
41、先要将成本中心的成本分摊到各个利润中心，因为不同的成本中心之间可能也会有成本分配，比如人力资源部同样也会利用计算中心的资源，所以可以采取直接分配法（每一个成本中心的成本只分配给接受服务的利润中心而不考虑成本中心相互之间提供的服务）或顺序分配法（先确定成本中心的成本分摊顺序，再逐一分摊）。而将各个利润中心的成本分摊到具体的帐户的方法有很多种，比如平均项目成本法、标准成本法等，其中先进的银行通常采用作业成本法（ABC）的方法来进行。作业成本法的工作原理可以通过下图来表示：作业成本法的工作原理分为两个阶段，第一阶段应基于资源成本推动因素将责任中心的可控成本（如薪酬、设备、原料）分配给作业，资源成本推
42、动因素是指考评一项业务活动所耗费资源数量的指标，这一分配过程的精确性很大程度上取决于实际应用中收集数据的准确程度，比如可以将直接参与作业的员工成本以完成各项作业的时间为基础分配到各个作业，这就需要计量员工完成各项作业的时间。第二阶段以成本推动因素为基础来把作业的成本分配到成本对象，比如帐户。成本推动因素是指任何能够考评流程业务活动或成本对象耗用成本的因素，比如帐户的数量。 风险准备率：主要以本银行或同业的经验为基础，确定各类帐户的损失系数，包括商业贷款帐户、消费贷款帐户、信用卡帐户等。 资本成本：为了计算基于经济资本回报率基础上的利润贡献度分析，有必要将资本的成本作为减项处理，简单的方法可以只
43、是用WACC或确定的一个资本成本来作为所有的帐户利润共享度的减项。1.4.4 产品/客户的利润贡献度计算如果上述的帐户利润贡献度只计算银行系统中存在的帐户的利润贡献度，或者不能对几种产品共享帐户进行计算，则要想精确的计算产品/客户的利润贡献度，就需要采取收入和成本分摊的方式来相应计算那些没有具体帐户的业务的利润贡献度，可以采取上述的方式。如果银行的系统能够支持银行所有的单个帐户/业务（包括没有具体帐户的业务）的利润贡献度，则产品/客户的利润贡献度计算将相对简单，可以采取加总（对于以数量衡量的帐户利润贡献度计算）或取平均值的方式（对于以比率计算的帐户利润贡献度）来进行计算。1.4.5 渠道的利润
44、贡献度计算对于渠道的利润贡献度计算，不能简单通过加总或平均帐户利润贡献度获得。因为一个单一帐户可能使用很多种渠道，因此准确的计量渠道的利润贡献度相对复杂，需要采用相对可衡量的标准，比如通过不同渠道的交易额或时间。但由于目前银行的渠道越来越多，交易量越来越大，因此过去发达国家中采取这种方法的银行都逐渐发现这样的计算经常比较主观，而且可能投入的成本过高，所以现在很多银行都倾向于将渠道作为成本中心来看待，即只是运用ABC法来衡量其成本。1.4.6 机构的利润贡献度计算关于机构的利润贡献，通常不会根据帐户的利润贡献来计算，而是根据各个不同的机构的总帐来计算相应的财务考核指标。1.4.7 业绩考核指标财
45、务指标是银行业绩考评的重要指标之一，它与客户指标、内部流程指标、员工指标共同构成平衡记分卡的基础。其中财务指标是从银行使用资本效率的角度出发的。由于财务指标的源数据大多来源于会计核算体系，所以管理会计系统可以在数据仓库的基础之上提供财务指标的计算。财务指标可以分为财务管理类和风险管理类指标。财物管理类指标是对收入成本相关的衡量，下图为财务管理指标示例：图 3财务管理类指标示例风险管理类指标是对风险相关的衡量，下图为风险管理指标示例：图 4风险管理指标示例以上这些示例中的内容只是指标的大类，可能包含粒度更细的指标，比如资本充足比率有可能包含核心资本占总资产的比率、权益资本占总资产的比率、全部资本
46、占总资产的比率等。计算这些指标的源数据以及方法应该在管理会计系统中被精确定义，至少应该包括： 数据项及其来源数据项的粒度应该达到在数据仓库或源系统内实现的粒度 相关的部门财务指标应该针对相应的总分行及部门，相关的部门能实时对其进行查询 统计的口径和维度 统计的频度下图为业绩考核指标的定义示例：图 5业绩考核指标定义示例1.5 资产负债管理信息系统应用架构资产负债管理信息系统是银行进行资产负债管理活动所需要的决策支持系统。它通过预测市场利率、汇率、资产风险的变动趋势，结合金融模型进行市场风险分析和预测，为资产负债结构的调整提供决策依据；同时也对银行的财务状况进行分析，帮助迅速找到利润增长点以及可
47、能的问题区域；资产负债管理信息系统另一项非常重要的应用就是对内部资金转移定价的支持，引导资金的流向和使用方式。由于资产负债管理在分行层面主要以流动性管理为主，而对资产负债结构的分析和市场风险的情境模拟预测、财务分析、内部转移定价的制定以及资本管理主要集中在总行层面，所以资产负债管理信息系统在不同层次行的应用也有所不同，对数据的要求也有所不同（详见下面的分析）。分行层面的资产负债管理信息系统要进行流动性分析，需要资产负债的账户级数据，数据存储量较大；总行层面的资产负债管理信息系统主要以分析模拟的数值计算为主，对数据存储的要求不是很高。因此，建议使用管理信息系统的数据仓库支持资产负债管理信息系统的数据要求，在分行进行流动性分析，并为总行的数据仓库提供所需的资产负债管理信息（比如汇总的资产负债结构、加权的资产负债久期、分类的资产历史收益率等）。1.5.1 市场风险分析和预测资产负债管理信息系统的一项主要工作就是对银行资产及负债的市场风险的分析、模拟和预测。具体来说，主要包括：利率风险、汇率风险和流动性风险等，以下简单描述利率风险、流动性风险以及外汇风险对资产负债管理信息系统的要求。1.5.1.1 利率风险管理和控制利率风险是资产负债管理信息系统的重要内容。利率风险包括资产负债的差额风险、存贷利率变动幅度
