数据仓库结构模型

产品是指金融机构为扩展市场份额和满足更广泛客户需求而制定的可营销的交易品种集合。产品在销售或客户使用过程中，可能需要考虑竞争对手提供的同类产品。在业务系统中，有关产品的信息通常需要与现有业务品种进行映射。

数据仓库模型设计遵循“自顶向下、逐步求精”的方法论原则。设计过程分为三个关键阶段：首先是概念模型阶段，用于高度抽象和业务范围定义，主要涵盖客户、服务使用、账务、结算、资源、客服和营销等八大主题域。其次是逻辑模型阶段，精细化业务需求并定义实体间的关系。最后是物理模型阶段，转化为具体数据库模式，确保高效存储和快速查询。

逻辑数据模型：数据仓库的核心 逻辑数据模型在数据仓库中扮演着关键角色，它连接着源数据和最终用于分析的应用数据模型。它负责： 存储和管理数据: 定义数据结构、组织和存储采集的数据，为后续分析奠定基础。 回答业务问题: 通过逻辑模型，可以将业务问题转化为数据查询，从而提取有价值的信息。 数据清洗和转换: 定义数据清洗和转换规则，确保数据质量和一致性。 支持多种应用: 为数据集市、商业智能 (BI) 工具和数据挖掘等应用提供数据基础。 建模方法论： 构建逻辑数据模型通常采用以下方法： 实体关系 (ER) 建模: 识别数据实体及其关系，构建实体关系图 (ERD)。 维度建模: 定义事实表和维度表，适用于分析型应用。 逻辑数据模型的价值： 数据理解和沟通: 提供清晰的数据视图，方便业务人员和技术人员理解数据。 数据质量保证: 通过定义数据规则，确保数据的一致性和准确性。 应用开发效率: 简化数据访问，提高应用开发效率。 逻辑数据模型是数据仓库建设的基石，它为数据整合、分析和应用提供了一个坚实的基础。

全面的数据集合，涵盖广泛主题，满足您的各种需求。

定义了协议、帐户和卡之间的关系 提供了卡文件、卡限额历史、购物历史和当事人关系信息

资产设计原则涵盖了从业务系统中获取的各类客户资产和建行自有资产，包括房地产、存货、机动车辆以及在其他金融机构的存款。客户在本行的存款虽然也是资产，但不在此处列出。客户资产来源于贷款申请时的各种担保信息和抵质押品信息，建行自有资产主要由抵债资产组成。当前在源业务系统中记录的资产包括：CMIS、OPICS、DMAMIS、CLPM、SARM、PMIS、OBDI。数据仓库模型的简介将进一步说明资产管理和整合的方法。

多维模型的事实度量在时间维属性上发挥重要作用。

随着数据技术的不断进步，Oracle数据仓库的逻辑结构包括数据缓冲池、操作数据存储、数据汇总计算及更新等多个关键组成部分。这些组件支持数据的采集、预处理、转换和导出，同时管理系统管理员和操作员的角色，确保数据仓库的稳定运行。数据集市的建设涉及客户资料接收和准备、质量检查以及生产系统数据的转换。另外，中央数据存储和普通用户预处理应用也是关键组成部分，支持各种应用平台和WEB界面的即席查询。

多维数据模型的事实度量(Metrics)涉及时间维的属性。

PowerDesigner15不仅可以将数据模型生成代码，还可以连接数据库，导出现有数据库的数据结构模型。操作步骤如下: 在菜单栏中选择 Database -> Connection。