本站原创摘 要 ： 如何建设高效的资信评级信息系统是当今信用评级行业的研究热点.针对我国资产信用评级体系的建设现状,结合上海某评级机构业务需求,本文提出基于一种松耦合的资产信用评级系统的开发方案,重点对系统整体结构、系统实现的难点层次化数据仓库、数据清洗等问题进行深入研究.这种层次化结构简化了信息系统开发过程,提高开发效率.
Abstract： Today, how to build high credit rating information system is the hot topic of credit rating industry. According to the present situation of China's assets credit rating system construction, bined with a Shanghai rating agency business requirements, this paper puts forward a development plan based on a loose coupling assets credit rating system, focuses on the research on overall system structure, hierarchical data warehouse, data cleaning. The hierarchic structure simplifies the information system development process and improves the development efficiency.
关 键 词 ： 资信评级；信息系统设计；数据仓库；松耦合
Key words： credit rating；information system design；data warehouse；loose coupling
中图分类号：F270.7 文献标识码：A 文章编号：1006-4311（2012）33-0180-03
0 引言
资信评级是由第三方机构以客观公正的立场,对被评级对象履行经济责任所承担的能力及其可信程度进行评价,并以有关符号表示其资信等级的活动[1].外资会计师事务所占据了我国审计业务的大份额市场,给国家信息安全造成极大隐患,加上一些不良资信事件的发生,使得我国政府监管主体达成统一认识：大力发展和建设我国资信评级行业,打造民族品牌资信业务[2].如何建设一个优质资信评级系统受到广大业内专家的热议.在对邓白氏等多家大型评级机构考察的基础上,结合上海某评级机构业务需求,本文提出一种基于松耦合资信评级系统设计方案.
1.资信评级系统功能分析
资信评级系统是完成资信评级业务的平台,根据规范的指标体系和科学的评级方法模型,处理各种评级业务,对各类企业所负债务能否如约还本付息的能力和可信任程度进行综合评级,其债务偿还风险的综合评价,为银行是否贷款等金融决策提供判断依据.本系统建设的背景：国内各地信用数据库处于初步建设时期,“信息孤岛”状态；评级机构已有部分业务软件化,这些小软件相互独立；积累有大量经验数据且格式并不统一等[3].
从系统功能来看,首先,评级系统需提供外部数据接口,引入外部数据源或提供向外部提供数据服务.资信评级数据涉及范围广,评级过程中有时需要从工商、人行其他单位读取基础数据,行业预测等业务要求在不同地域、部门之间进行数据交互.其次,系统实现对历史数据完成录入、存储、并加以利用等功能,除了数据格式要求统一,还需要完成数据的整合、分析、深层加工、集中管理、维护和更新.再次,系统为资信评级的各种业务处理提供统一平台,包括对现有不同小软件的集成等.
2.系统整体架构设计
从系统设计角度看,紧耦合系统往往多个逻辑纠缠,彼此间相互依赖,一旦需要改变,则牵一发而动全身,对项目影响极为严重.松耦合分层式系统优点显著,通过降低层与层间的依赖性,既可保证系统未来的可扩展,在可复用性上也优势明显.每个功能模块一旦定义好统一的接口,就可以被各个模块所调用,无须为相同或类似功能进行重复开发[4].
分层式构架的系统支持协同开发,整个系统开发周期相对短[5].好的分层式结构,可使开发人员的分工明确,一旦定义好各层次之间的接口,负责不同逻辑设计的开发人员就可以分散关注,并行作业,提高系统开发进度.例如UI人员只需考虑用户界面的体验与操作,领域的设计人员专注于业务逻辑的设计,而数据库设计人员不必为繁琐的用户交互而头疼.
进行好的分层式结构设计,事先制订有关标准必不可少,例如层与层之间的通信接口标准化.建立在一定程度的标准化基础上的系统,能较好保证开放性、可扩展性、可复用性的要求.
经过多方比较,结合本系统功能要求,本系统采用基于J2EE的松耦合分层式架构[6],系统大致分为四层：展现层、WEB服务层、业务处理层和数据资源层.用户通过WEB服务层输入请求,系统根据这些请求将各种基础工作数据信息资源整合并进行深层加工,处理之后输出结果通过WEB服务层反馈给用户.展现层包括了各种系统用户界面UI.
如图1所示,本资信评级系统可分为数据处理后台和应用前台两大部分,后台的信用数据是整个资信评级的业务支撑,前台应用部分包括业务的处理和各种界面的呈现.信用数据仓库为所有的业务提供数据支持,管理子系统提供了各种管理接口等.本架构具有如下优点：能满足评级系统在多系统中配置、运行和衔接要求；应用整合功能强大；架构具有很好的开放性,支持系统的业务开拓.
3.系统设计难点——数据仓库
本系统设计过程中,信用数据库是整个资信评级系统的核心和基础,也是系统设计的关键和难点.信用评级涉及海量信用数据的存储和处理,直接关系到评级产品的质量优劣.基础数据包括历史业务数据、内部原始调查数据、从外部系统纳入数据,经过多个模型的过滤、深层挖掘后形成过程数据或结果数据.这些数据在数据库中按照一定的规则进行存储、组织和管理,包括各种业务模板、评级规则、评级方法等. 传统数据库一般存储短期数据,过程数据等临时数据保存期限也不一样,对数据分析挖掘能力相对较差.资信评级系统中的数据库除了完成海量数据的存储、组织、维护等功能外,还须提供特定决策分析模型,例如企业信用评级、行业预测、区域预测等决策需要对大量数据进行分析、深层加工,需要用到不同的信用风险度量模型.因此,本系统中数据库采用多层数据仓库（DW）,以满足资信业务对数据的处理要求.数据仓库子系统分数据仓库、ETL子系统和数据应用分析模型三部分.
3.1 数据仓库 数据仓库是存储数据的一种组织形式,它从传统数据库中获得原始数据,先按辅助决策的主题要求形成当前基本数据层,再按综合决策的要求形成综合数据层[7].如图2所示,资信数据仓库采用四层结构.
数据都是下层为上层深度处理提供服务.基础数据层是上层数据处理基础,用来存放资信数据中低粒度数据表集合,如企业基本信息、信用记录等基本数据,具体包括了操作数（ODS,Operational Data Store）、逻辑数据模型、外来数据、业务元数据等.
初级汇总层包括评级方法模型库、专家知识库、基础模型等,将基础数据层中的数据按照业务规则初步汇总和简单加工,例如按照主题和业务目标进行初步的数据组织,给查询层的简单查询提供服务.基础模型库包括客户授信、信用风险、资产证券化等模型,负责从基础数据分析得到量化资源,如违约率、信用风险系数等.数量工具库涉及基础算法和统计方法,例如回归分析、时间序列分析、聚类分析法等模型,有时还需要建立联立方程模型.
高级汇总层也是以主题和业务目标进行数据组织的,是针对业务流程或某个应用的深层次的信息处理,包括贷款企业评级、债项风险测评等,完成系统在下层数据的基础上进行数据挖掘.查询层主要为了应用展现而准备,如报表模版库咨询知识库等.
3.2 ETL子系统 业务处理过程中,临时数据及中间数据都暂存于数据缓存区,经过处理后放入数据仓库.抽取、转换、加载（ETL,Extract Tranorm and Load）是数据由数据源系统向数据仓库加载的主要方法[8].信用数据抽取是指从外部数据源提取所需的数据,根据不同数据平台、源数据格式、数据量等参数来定义标准接口.本系统的业务中,为保证抽取效率,减少对生产运营的影响,对于大数据量的抽取采取“数据分割、缩短抽取周期”原则,对于少量数据,采取协商接口表方式,保障生产系统数据库的安全.信用数据转换是指根据具体业务要求,对抽取的源数据进行转换、清洗、拆分、汇总等处理,如消除数据冗余等问题,保证来自不同系统、不同格式的数据和信息模型具有一致性和完整性.数据加载是将转换后的数据加载到数据仓库中,对于企业级应用,ETL工具的实现采用按数据阶段进行功能封装,并向层上提供监控与调度接口的方式.
根据数据的来源,ETL子系统分内部ETL和外部ETL两个模块,分别针对系统内部源数据和外部源数据进行清洗抽取等处理,形成标准格式,以元数据形式存放在ODS数据表中.内部ETL数据源因格式标准,处理相对容易；外部数据往往因为数据标准一致性较差,ETL过程也相对复杂.另外,OLAP服务器的采用简化了客户端和总服务器的部分工作,降低系统数据传输量并提高工作效率.设计时需要注意的是,加载周期要综合考虑业务需求和加载代价,可根据具体情况采用不同周期,但必须保持同一时间业务数据的完整性和一致性.
4.小结
资信评级系统涉及到的数据量非常庞大,数据源复杂.除了需要清洗、分析处理大量的历史数据、系统外部数据,在线数据的更新、维护、管理等也是一个复杂的过程.本文提出了一种松耦合分层式资信评级系统,完成其具体框架设计,同时针对系统实现的难点数据仓库进行了设计分析,这种系统具有分散关注、松散耦合、逻辑复用、标准定义等特点,简化了设计过程,提高了系统开发效率.