| 编辑推荐: |
本文主要介绍了TeraData金融数据模型，银行十大主题划分及TeraData数据仓库整体架构等，希望对你有帮助。
本文来自csdn，由火龙果软件Linda编辑、推荐。 |
|
Teradata FS-LDM是一个成熟产品，在一个集成的模型内支持保险、银行及证券，包含十大主题：当事人、产品、协议、事件、资产、财务、机构、地域、营销、渠道。
十大主题划分如下：
BANK-LDM主题域模型设计采用分类设计的策略:
1、重点设计主题（客户、协议、事件、资产、财务）
特点：是模型中的重点主题，且在源系统中有丰富的数据来源和参照。
目标：尽量保持完整性、丰富性。
策略：按照FS-LDM的框架进行设计，同时补充银行的个性数据元素。
2、自主设计主题（申请、营销活动、渠道、机构、产品）
特点：非核心主题，基本没有或者仅有非常少的数据来源和参照。
目标：保证模型架构的完整性和扩充性。
策略：按照FS-LDM进行设计，将来根据实际情况调整。
3、简化设计主题（地域）
特点：模型的重要参考主题，一般情况下源系统有数据，但定义和使用方法与FS-LDM不匹配。
目标：暂不进行唯一地址识别，但要完整保留此类信息。
策略：暂作为客户等的属性信息进行设计。
逻辑数据模型LDM，以协议主题实例： 
数据仓库模型层次划分：
一般层次为：ODS–>FDM–>ADM–>DW–>Application
TeraData数据仓库整体架构： 
IBM与Teradata仓库模型比较
银行业：
IBM有BDWM(Banking Data Warehouse Model)
Teradata有FS-LDM(Financial Services Logical Data
Model)
电信业：
IBM有TDWM(Telecom Data Warehouse Model)
Teradata有TS-LDM(Telecom Services Logical Data Model)
IBM模型主题划分如下： 
TeraData实施案例：
（1）农业银行
| http://www.doc88.com/p-187788246565.html |
（2）徽商银行
| http://wenku.baidu.com/view/05e78cf17c1cfad6195fa713.html
|
总结：
| 结合两大厂商提供的数据仓库解决方案，可以看出，其就数据仓库划分的主题基本类似，内容都差不多，只是叫法不同而已。国内有些厂商提供的解决方案也包括以上9大主题内容。需要注意的是，并不是国外的模型就是最合适的解决方案，并不是最先进的模型就是最佳的，要集合自己银行的特点以及业务发展模式，一味的模仿和追新并不是一件好事。否则，科技运营的成本会大打折扣。投入的成本和回报是成比例的，低投入高产出这种现象太少了。数据仓库是一步一步建设的，先有基础，才有高楼大厦，基础不牢，就成“危房”了。 |
| 
