Állítsd be, hogy az Economx az elsők között legyen a Google-találatokban!
Az it-szektor érdeklődését egyrészt az OTP Bank piaci helyzete, az adattárháztól elvárt funkcionalitások komplexitása, másrészt az ezek folyományaként előálló nagy adatmennyiségek indokolják, ezért a beruházás sikeressége meghatározó és referenciaértékű lehet mind a pénzügyi, mind az it-szektorban. A projekt keretében eddig elvégzett munka eredményeként az adattárház mára az OTP Bank egyik meghatározó rendszere lett, amely mind jobban segíti bizonyos üzleti döntések meghozatalát, és ezzel párhuzamosan egyre több operatív funkciót is ellát.
Az OTP Bank évek óta tudatosan készült az adattárházprojekt elindítására, amely megmutatkozik az adattárházzal szemben támasztott elvárásokban. A fő célkitűzés a szervezet ügyfélközpontú gondolkodásának segítése, az átfogó és részletes ügyfélkép kialakítása, a piaci igények pontosabb megismerése volt. E fő célkitűzés mellett az OTP Bank adattárháza tipikusan intézményi adattárház, azaz nemcsak néhány osztály vagy szervezeti egység elemzési és döntéstámogatási igényeit kell kielégítenie, hanem a bank számos szervezeti egysége számára is konzisztens és informatív képet kell adnia a bank egészéről. Az adattárház feladata a klasszikus elemzési funkciókon túl, hogy a bank valamennyi üzletága számára támogassa az operatív üzleti döntések meghozatalát.
A fenti célkitűzésekből következik, hogy az adattárháznak sok és nagy adatmennyiségű információt kell integrálnia, amelyeknek aztán sokféle funkcionalitásnak megfelelően kell rendelkezésre állni. Az Oracle – a fentiek figyelembevételével – az adatarchitektúra szempontjából háromszintű megoldást javasolt a megoldás tervezésekor. Ennek alapja az Oracle kereskedelmi banki szervezetekre optimalizált adatmodellje volt, amelynek testreszabását az implementációs csapat végezte el a hazai, illetve az OTP Bank specifikus jellemzőinek figyelembevételével. Az adatmodell alkalmazása jelentősen megkönnyítette és felgyorsította a munkát. Az adatarchitektúra alsó szintjén az „elemi adatok területe” található, ahol az adatok a könnyebb karbantarthatóság végett normalizáltan kerülnek tárolásra. Az adatbázisterv e részének kialakításakor elsősorban a töltési eljárások igényei kerültek középpontba. Az „elemi adatok területén” alapul az adattárház azon két területe, amely már a konkrét elemzéseket, illetve operatív funkciókat segíti. Az egyik az „aggregált adatok területe”, amely az elemi adatok bizonyos összegzéseit tartalmazza, a másik „az elemzési területek”, ahol az adatok dimenzionális struktúrában – csillagsémákban – helyezkednek el. Nagyrészt az „aggregált adatok területe” tartalmazza a különböző adatbányászati elemzésekhez szükséges input adatokat is. Az adatbázis mérete – a most látható üzleti igények alapján – teljes kiépítésekor összesen mintegy 2,5-3 terabájt lesz.
A struktúra megvalósításához az Oracle a legkorszerűbb szoftvereszközeit használja: adatbázis-kezelőként az Oracle RDBMS 8.1.7. rendszert használja, amelyet a most folyó projektszakaszban fog felváltani az új, 9.2.0. verzió. A jelenlegi szakaszban történik az adatbázis-kezelő RAC (Real Application Cluster) opciójának tesztelése és beállítása az OTP fejlesztői környezetébe. A rendszerkomponensek konfigurálása és hangolása után valószínűleg egy későbbi fázisban kerül sor a RAC éles üzemi bevezetésére.
Az adatok forrásrendszerből történő áttöltésére, illetve az adattárházon belüli adatmozgatásokra az Oracle Warehouse Builder eszközt használják a szakemberek.
Az adatok publikálását jelenleg az Oracle Discoverer eszköz végzi, a későbbiek során várhatóan szükség lesz MOLAP eszköz használatára is, amelyet majd az adatbázis-kezelő OLAP opciójának alkalmazásával lehet könnyen megtenni. Az adatmodell testreszabása és karbantartása, a metaadatok kezelése az Oracle Designer eszközön készült. A rendszer infrastruktúráját Unisys ES7000 szerver és EMC Symmetrix diszkrendszer biztosítja.
A projekt első szakaszában kiépültek az adattárház alapjai, a fent leírtak szerint elkészült az adattárház adatbázisa, és kifejlesztésre kerültek az adattárház töltő eljárásai. Az így előállt adattömeg -konszolidálás és transzformálás után – készenáll az elemzési és döntéstámogatási feladatokra. Az adattárház napi frissítéssel jelenleg hat forrásrendszerből táplálkozik. Ezeket az adatokat Discoverer riportok, ad hoc lekérdezések és adatbányászati eszközök segítségével lehet elemezni.
Keretes:
Az implementáció gyakorlati tapasztalatai
A projekt megvalósítása az Oracle fővállalkozásában, Oracle-konzulensek vezetésével, Oracle-partnerek segítségével történik. Az alkalmazott szakmai metodológia az Oracle Corporation adattárházprojektekre optimalizált módszertana (Oracle Data Warehouse Method), amelyet a gyakorlati alkalmazás során több helyen a hazai, illetve OTP Bankon belüli viszonyokhoz adaptáltak az Oracle szakemberei. A projekt team nagysága Oracle-oldalon sokszor meghaladta a 25-30 főt, átlagosan mintegy 12-15 szakember dolgozik a projekten. A projekt során természetesen többször jelentkeztek kritikus helyzetek, amelyekből a kiutat az Oracle, az OTP Bank Marketing Főosztálya és az OTP Bank Adattárház Fejlesztési Osztálya szoros együttműködésének segítségével eddig mindig sikerült megtalálni. A projekt sikere szempontjából lényeges, hogy a projekt vezetését egy üzleti terület – a Marketing Főosztály – látja el, az IT Igazgatósággal szorosan együttműködve.
Táblázat:
További feladatok
Új forrásrendszerek (például kártyarendszer) adatainak betöltése az adattárházba
Az új forrásrendszerek adataihoz kapcsolódóan a meglevő riportok módosítása, illetve új riportok létrehozása.
Az új forrásrendszerek, illetve a meglévő adatbányászati elemzések alapján további összetettebb adatbányászati elemzések elvégzése (pl. árérzékénység-elemzés, lemorzsolódáselemzés, keresztértékesítés-elemzés, kártyahasználati elemzés stb.)
Az elvégzett adatbányászati elemzések eredményei alapján az operatív CRM-tevékenységet támogató alkalmazások implementálása.
Táblázat:
Az eddig elvégzett főbb elemzések területei
Meghatározott üzleti feladat és konkrét döntéstámogatási feladat elvégzése.
Az ügyfelekre vonatkozó általános elemzések készítése, amelyek elsősorban például demográfiai, termékhasználati, csatornahasználati stb. szegmensek kialakítását jelentette. Az alapszegmensek megállapításán túl az ügyfelekre vonatkozó specifikus elemzések is készültek (például a kamatérzékenységet, a fogyasztási hiteleket vagy a termékhasználatot vizsgáló elemzés).
A bankban korábban is használt, de különböző adatforrásokból táplálkozó riportok kiváltása rugalmasabb, naprakész információkat tartalmazó riportokkal, amelyek így már az integrált, konszolidált adattárházi adatbázison működnek.
Egységes ügyféltörzs kialakítása, amely nemcsak az egységes azonosító alkalmazásával tartja nyilván az ügyfeleket, hanem különböző algoritmusok használatával szűri az esetleges duplikációkat.
