資產信用評估信息系統的設計研究

［摘 要］ 資產信用評估行業在我國是一個新興行業，該行業很大的市場份額被外資會計師事務所占據，給國家信息安全造成極大隱患。本文針對我國資產信用評估（資信評估）信息系統的建設，提出基于J2EE的資產信用評估信息系統的邏輯框架設計，具體描述了系統整體邏輯架構設計、系統主要的功能模塊、4層數據倉庫模型的設計以及基于工作流技術的業務類的設計，討論了系統實現中的關鍵技術問題以及解決方法。

［關鍵詞］ 資信評估；信息系統設計；數據倉庫設計；業務流程； J2EE

［中圖分類號］F270.7；C931.6［文獻標識碼］A［文章編號］1673-0194（2008）01-0099-03

1 背 景

資信行業在我國是一個新興行業，發展歷史僅20年左右。我國現有的評級業務基本由四大外資會計師事務所占據，給國家信息安全、經濟安全造成了極大的隱患。隨著直接融資市場的發展，尤其是在銀行間債券市場和企業債券市場的發展，全國借款企業資信評級等業務日漸增多。業界屢次傳出諸如科龍事件等信用丑聞，堅定了我國政府打造民族資信品牌的決心，行業迫切需要符合我國特色的資產信用評估信息系統。以人民銀行、證監會為代表的我國政府監管主體達成共識：在全國范圍大力發展和建設資信評估信息系統。

2 系統功能及分析

資信評估是由第三方根據行業規范和指標體系，借助科學的評估方法，對被評估對象履行經濟責任所承擔的能力及其可信程度進行客觀公正的評價活動。資信評估信息系統為評估過程提供一個業務集成平臺，其操作過程是收集、存儲、整理各種收集到的信用數據，經過初步處理形成信用信息，借助模型進行高級處理，輸出專業信用級別表示結果和報告，作為向評估對象發放借貸、是否允許上市等決策的判斷依據。

首先，要求系統能對海量的信用數據進行多級處理，包括對數據進行檢索、整合、修改等一般的常規操作和信息提取或量化等復雜操作。海量數據包含的信息非常廣泛，有些信用數據并非量化數據，例如以文本、圖片等形式存在。因為信息孤島情況嚴重，原有歷史信息存儲格式并未統一，而且也不符合與外界交互的統一信用數據標準。當涉及各種復雜操作時，例如系統需要對行業、區域等宏觀發展方向作預測，需要對大量歷史數據進行分析、深層處理，要求系統具有良好的數據挖掘能力，傳統的數據庫無法滿足此要求。傳統數據庫一般處理短期數據，數據分析挖掘能力差，歷史數據常被束之高閣。本系統需要設計和建立多層數據倉庫(Data Warehouse，DW)，使資信評估信息系統具有良好的決策分析能力，才能滿足資信業務的要求。

其次，系統需要對各種業務有統一的展現形式。許多信息需要與工商局、銀行等其他信用部門進行交互，子公司的數據需要專線連接，用戶需要隨時登錄查詢評級進展等。基于數據安全等多種因素考慮，本系統采用成熟的J2EE技術進行設計，與其他技術相比，J2EE具有如下優點：①能滿足評估系統在多種操作系統和硬件配置上運行的要求；②是具有強大的整合功能的Web應用；③穩定性好，支持系統的長期應用等。

3 系統邏輯結構設計

J2EE將系統架構分為4層：展現層、Web服務層、業務處理層和數據資源層，系統邏輯結構如圖1所示，系統由數據倉庫和5個功能子系統和多臺服務器組成，具體描述如下：

● 數據倉庫：負責組織、管理和存儲經過處理的結果數據集，包括歷史數據和現有數據等。它是整個資信評估信息系統的基礎，包含數據庫管理系統、分析工具、數據集市3個部分。臨時數據以及中間數據都暫存在數據緩存區當中，對數據源進行抽取、過濾、轉換、映射，經過處理后放入數據倉庫。

● 展現子系統：展現層包括了各種系統用戶界面UI，是各種具體業務的入口，也為客戶提供結果的展示。

● ETL子系統：ETL(Extract， Transform and Load)完成數據抽取、轉換和加載過程，它是數據由數據源系統向數據倉庫加載的主要方法。新的信用數據按照新的數據標準來定義，歷史數據和外來數據需要經過轉換等操作，使其符合新的統一規定。

● 數據分析子系統：根據具體的信用評估業務，對數據進行相關整合、分析和深層加工等（如圖1）。

● 系統管理子系統：為系統正常運行提供基本的維護和管理，例如用戶管理、系統配置、任務分配等。

● 業務處理子系統：完成各種業務處理，例如信貸企業資信評級、區域或行業宏觀預測等。

● Web服務器：為各種業務提供Web服務，方便了用戶的隨時查詢和跟蹤。

● OLAP服務器：加強和規范決策支持的服務工作，集中和簡化原客戶端和DW服務器的部分工作，可以降低系統數據傳輸量，提高工作效率。

用戶通過Web服務提出任務申請，受理后系統生成具體業務流程，派送任務到各級子系統，各種基礎工作數據經整合、加工、處理之后輸出結果，通過Web反饋給用戶。

4 4層資信數據倉庫模型

數據倉庫(DW)是存儲數據的一種組織形式，它從傳統數據庫中獲得原始數據，先按輔助決策的主題要求形成當前基本數據層，再按綜合決策的要求形成綜合數據層。

資信數據倉庫模型如圖2所示，采用4層結構：基礎數據層、初級匯總層、高級匯總層、查詢層。

基礎數據層是其他3層的數據基石，用來存放最小可操作粒度的數據集和規則集，具體包括各種表和模型，例如事實表、ODS(Operational Data Store)模型等。所有經過處理的結果數據按照一定的組織方式存放在基礎數據層。

初級匯總層將基礎數據層中的數據按照某些業務規則進行初步匯總，為查詢層和高級匯總層提供服務。它按照主題和業務目標進行初步的數據組織和簡單的數據處理，為高級匯總層提供基礎，也可直接向查詢層的簡單操作提供服務。包括常用信用評估方法模型、專家知識庫和工具模型庫等。基礎模型包括客戶授信模型、資產證券化模型以及信用風險模型，用來根據歷史數據提取出量化的分析資源，如違約率、信用遷移模型、信用行業風險系數等。方法庫包括相關分析和回歸分析、時間序列分析、聚類分析等基本方法。

高級匯總層也是以主題和業務目標進行數據組織的，在初級匯總層的基礎上，對數據進行深層次的挖掘，包括數據挖掘規則庫和工具模型庫。規則涉及資信評估基本業務的相關規則，包括不同行業企業貸款評級、上市評級、債項評級等基本的數據組織規則。

查詢層是為了向外部提供服務。包括各類業務流程的模板、報表的模板和業務咨詢等。

5 基于工作流的業務類的架構設計

資信評估具體的業務表現為各種工作流程，為了使系統充分利用和管理有限資源、實現流程的用戶按需搭建、并能對已有業務流程進行優化，本文借助工作流管理技術的思想對基本的業務流程進行設計、組織和管理，以挖掘系統潛在信息、實現業務流程再造（BPR）。

業務流程包含若干操作環節，典型企業信用評級流程如圖3所示，操作環節可以是基本操作、操作接口或操作對象，業務操作包括各種定義好的操作和操作接口，從Java設計實現的角度來說，每個環節對應著一種或多種類（class），這些類對各種業務操作和操作接口的定義和分配。業務操作存在一些共性，為了對達到業務流程再造、充分利用有限資源、實現用戶按需搭建，對類的劃分和定義非常重要。

業務涉及的范圍較廣，處理的具體業務內容也很多，實現時若全放在一個類里則非常煩瑣、難以調試和維護，可利用類繼承等特性分級建立多個類來解決。本文按照共性的大小和層次繼承關系，建立一個樹狀的類繼承結構，如圖4所示，類分為4個級別，分別是基礎級、主題級、業務級、操作級。在基礎級類中，定義所有業務類操作的一些共同屬性和操作，例如對數據庫的讀或寫、打開文件等；主題級類是從基礎級類派生的，針對業務操作主題，例如針對企業的、針對行業的、針對區域的操作；業務級類建立在主題級類之上，例如企業主題中，存在貸款類、融資類、上市類等業務；操作級類建立在業務級類基礎之上，包括各種基本操作的類，例如業務申請、跟蹤、查詢、模型選擇等。

7 結束語

集成的資信評估信息系統的開發在我國尚處在開始階段，它首先要將現有的信息孤島集成，然后提供一個統一的業務操作平臺，處理和管理海量的數據，并要求具有很好的數據分析能力。本文研究了基于J2EE的系統基本框架結構的設計、系統的幾大功能模塊構成、4層數據倉庫邏輯模型以及針對業務流程的類的劃分和設計。

主要參考文獻

［1］ 劉俊琦，程虎. 基于J2EE的應用支撐平臺的設計與實現［J］. 計算機工程與設計，2006，27（15）.

［2］ 布賴恩·科伊爾. 信用風險管理［M］. 周道許，關偉譯. 北京：中信出版社. 2003.

［3］ W M P van der Aalst and K M van Hee. Workflow Management：Models， Methods， and Systems［M］. MIT Press， Cambridge， MA， 2002.

［4］ 王彥龍. 企業級數據倉庫（EDW）原理、設計與實踐［M］. 北京：電子工業出版社，2006.

［5］ William H Inmon. 數據倉庫［M］. 王志海譯. 北京：機械工業出版社，2006.

［6］ 余宗民，劉義寧，祈國輝. 數據倉庫項目管理實踐［M］. 北京：人民郵電出版社，2006.