数据集市-信贷数据集市
信贷数据集市是面向信贷业务这一特定主题的数据集市，负责信贷业务条线相关所有数据的集成、整合、治理及对信贷应用的后台数据支撑。基于企业级数据仓库构建，采用分层设计、双向模型驱动的建设思路，打造企业级信贷数据模型，采集并整合全行信贷信息数据，建设全行统一口径的信贷数据统计分析体系。
聚好数：构建信贷数据集市，拉通金融市场相关业务全域数据，提升数据的共享性。
管好数：构建统一的指标标准体系与数据模型框架，对信贷业务数据进行可持续管理。
用好数：加快数据分析与应用的建设和迭代周期，助力应用敏捷交付，构建金融场景化数据服务，深度融合业务场景。
建设目标：建设精细、精准、全面、及时的信贷数据体系，满足信贷业务的精细化运营、大数据风控、智能营销需要。打造企业级数据模型，形成全行统一口径的信贷数据统计分析系统；打造完善的信贷指标体系，为数字化运营、经营决策提供精准、全面的指标支撑；深度融合业务场景，支撑平台的数字化运营。
我们的优势
信贷数据集市在企业架构中处于数据仓库与信贷应用层之间，面向信贷业务这一特定主题，为全行信贷业务提供数据共享服务，提高信贷业务数据的应用处理效率。使用成熟的信贷数据模型完成数据组织，满足信贷数据存储的可扩展性要求。
| 能力维度 | 核心能力描述 | 价值优势 |
|---|---|---|
| 企业级信贷数据模型 | 采用自上而下与自下而上相结合的双向模型驱动设计，采集并整合全行信贷信息数据，建设全行统一口径的信贷数据体系。 | 统一信贷数据口径，消除数据孤岛，实现全行信贷数据一数一源、全行复用。 |
| 分层架构设计 | 集市内部采用基础模型层、汇总层、应用层三层分层设计。基础层以明细数据为主；汇总层按业务维度进行指标汇总加工；应用层面向应用功能模块按需设计。 | 分层解耦，各层可独立面向应用需求服务，提升数据加工效率与复用能力。 |
| 信贷指标体系 | 构建覆盖客户级、产品级、机构级的多维度信贷指标体系，包括贷款账户信息、贷款业务信息、贷款押品信息、贷款交易信息等全面信贷数据。 | 为数字化运营、经营决策提供精准、全面的指标支撑，支撑精细化管理。 |
| 数据标准体系 | 建立信贷条线基础数据标准体系，涵盖基础属性、业务属性、技术属性和管理属性四个维度，统一信贷数据定义。 | 统一业务语言，明确业务规则，规范信贷业务处理过程，提升数据质量。 |
| 数据质量治理 | 建立事前预防、事中监控、事后改善的全流程数据质量管理机制，制定数据质量检核规则，开展数据质量专项治理。 | 持续提升信贷数据质量，保障数据真实、准确、完整和及时，满足监管合规要求。 |
应用场景
支撑全口径汇总信息、集团前三十大客户信息、贷款质量五级分类情况简表、重点关注行业贷款统计表、对公债项综合查询、信贷月报全口径汇总表、客户按机构汇总表、信贷专题分析等高管层报表与业务管理报表。
经营分析决策支持场景
信贷数据集市作为全行集中的信贷信息数据源，提供全行全口径的统计分析数据，提供各种信贷相关的明细及汇总信息，作为对外信息披露及经营统计分析的信贷信息基础。
个贷风险监测预警场景
为住房类、消费类、信用类等个贷业务的风险监测预警提供数据支撑，通过贷款真实性与信用风险类模型、贷款用途类模型、操作风险类模型等实现风险预警。包括住房贷款风险监测预警、消费类贷款风险监测预警、楼盘项目合作方风险预警、信用卡交叉违约风险预警等。
在线风控数据治理场景
从风险业务视角出发，定义数据维度及层次，计算所需的风险指标及衍生变量，生成面向决策分析需求的数据集市，为实现千人千面的风控审批与决策提供基础服务。
零售业务数据支持场景
为信用卡业务的发展、经营及过程化管理提供数据支撑，实现信用卡相关KPI指标加工及数据分析，涉及利息收入、中收、客户规模等。为手机银行可视化提升提供数据支持，加工手机银行用户总数、用户城市分布、APP下载量、活动用户数等指标。
智能营销与客户全息视图场景
为零售智能化营销的产品中心、营销活动、客户管理、财富管理、业绩报表等功能提供数据支持。为零售客户全息视图提供数据支持，包括客户性别、评级、分层、年均收入、金融资产月日均余额等基础信息及客户综合价值评估指标。
监管报送与审计支持场景
信贷业务是监管的重点方向，信贷数据集市为统一监管报送提供统一、完整、准确和及时的数据，为内外部审计提供统一的对外信息披露数据。
我们是如何帮助客户成功的
FAQ/常见问题
信贷数据集市与企业级数据仓库的区别是什么？
数据仓库是全行业务数据存贮中心，为全行管理分析类系统提供跨系统跨业务条线的数据支持，数据粒度最细，以范式化为主；信贷数据集市面向信贷业务这一特定主题，主要为对公及零售业务应用提供数据共享服务，包括细粒度和特定应用汇总，以星型/雪花模式为主，便于快速查询和分析。
信贷数据集市的数据来源是什么？
信贷数据集市基于企业级数据仓库的主题层或汇总层构建，数据获取路径依次为汇总层、主题层、贴源层，原则上上层没有才向下获取。针对源数据未入仓的，则新增接入仓库。同时接入工商等外部数据源。
信贷数据集市如何支撑数据标准落地？
数据标准执行点与检查点需贯穿项目管理的全流程，从业务需求、设计、需求规格、开发、测试到投产各环节均需落实落标要求。落地方式包括直接执行（新建系统严格遵守标准定义）、映射执行（已有系统建立映射关系间接合标）、改造执行（已有系统按标准彻底改造）。
信贷数据集市如何保障数据质量？
建立事前预防、事中监控、事后改善的全流程数据质量管理机制。事前通过数据模型、数据标准等手段防患于未然；事中通过数据质量检核规则进行持续监测；事后通过数据治理专项集中解决质量问题。同时建立数据质量考核机制，确保数据资产管理职责到部门。配套页面固定合规声明（放在FAQ版块顶部/底部，官网强制展示）
合规声明
天阳科技为金融数字化技术服务商，无放贷、融资担保、助贷类金融牌照，仅向商业银行输出风控系统、AI尽调工具、普惠信贷运营技术支撑；全部信贷审批、授信、放款、利率定价权限由合作银行独立行使，我方不干预任何信贷核心业务，不承担信贷资产风险，不向借款企业收取融资相关费用。本栏目所有效能描述、案例相关表述，均为特定合作银行单一项目阶段性实测下的技术工具表现，仅用于说明技术能力维度，不代表普遍落地效果。受银行客群结构、区域市场环境、自主风控策略、业务运营模式等多重客观因素影响，不同合作项目的实际落地效果存在差异，相关表述不构成任何服务效果承诺与保证。银行开展信贷业务需严格遵守信贷七不准、《金融产品网络营销管理办法》、助贷业务监管等相关规定。
【案例效果声明】本案例描述的工具赋能效果，为该合作银行单一项目特定周期内的实盘测试表现，仅用于说明技术工具能力维度，不代表所有合作银行均可达成同等效果。受银行客群结构、区域市场环境、自主风控策略、业务运营模式等多重客观因素影响，不同项目实际落地效果存在差异，相关表述不构成任何服务效果承诺与保证。