我们从4个维度（架构、模型、管理、应用）说明商业银行的数据仓库建设存在哪些问题，如图9-41所示。

一般来说，很多商业银行的数据仓库架构面临的较大问题是数据链路过长，架构的灵活度不够，系统在高可用性上还处于较低的水平，模型的稳定性不够，同时语义层不丰富。在管理上，多数商业银行对管理一个越来越庞大的数据仓库系统经验不足，在元数据管理和数据质量管理上都有改进的空间，同时在数据仓库的基础上开发的部门越来越多，如何管理跨部门之间的使用已经成为了一大难题。在应

图9-41 4个维度（架构、模型、管理、应用）

用上，商业银行对数据仓库的建设多采用传统的OLTP应用的开发、测试方法，效率较低。

下面针对这4个方面的问题，分别提出改进的建议。(www.daowen.com)

首先，对于架构上的问题，可以缩短信息链路，或部署沙盒，执行一些具有高可用性特点的方案。

其次，对于模型上的问题，可以进行相应的模型优化，同时要求数据仓库的上游系统提高稳定性，完善数据仓库的语义层。

再次，对于管理上的问题，可以借鉴同行业的先进经验或者海内外先进经验，同时也可以升级元数据管理系统和数据质量管理系统。为了保证在数据仓库的基础上，各个部门之间的管理和协作，应该制定数据仓库开发规范，并且严格执行，同时制定部门接入数据仓库的准入制度。

最后，对于数据仓库应用上的问题，应该对现有的开发、测试方法进行创新，增强对灵活查询的支持，同时需要敏捷开发。