Bardzo ważne jest ścisłe oddzielenie hurtowni danych od systemów transakcyjnych. Dzięki temu wszelkie operacje wykonywane na danych nie obciążają systemów bankowych. Znaczenie tego faktu dla business intelligence opisano w dalszej części.

W ostatnich latach obserwowaliśmy niepokojący trend powstawania hurtowni danych na zasadzie: zbudujmy zaplecze technologiczne hurtowni, a potem zastanowimy się, co umieścimy w bazach oraz jakie raporty i zestawienia będziemy produkować. Przyjęcie perspektywy business intelligence wymaga odwrotnego podejścia: zastanówmy się, do jakich działań biznesowych inteligencja jest nam potrzebna, a potem umieścimy w hurtowni dane źródłowe, które pozwolą uzyskać interesujące nas odpowiedzi.

Mamy więc hurtownię danych zawierającą potencjalnie setki tablic i miliony rekordów. Baza ta musi nam posłużyć do inteligentnych zachowań rynkowych. Omawiając je, musimy przyjąć perspektywę bankiera.

Komu jest potrzebna inteligencja?

Hurtownia danych oczywiście nie jest celem samym w sobie. Celem jest znalezienie odpowiedzi na pytania biznesowe, które pozwolą bankowi działać lepiej od konkurencji. Kto takie pytania stawia? Jakich odpowiedzi oczekuje?

Zacznijmy od finansów - bank to przecież instytucja finansowa i pieniądze są w centrum jej zainteresowania. "Jak idzie biznes?" - oto pierwsze pytanie, na które musi odpowiedzieć rozwiązanie klasy business intelligence. Dzięki hurtowni danych i raportowaniu władze banku mogą dysponować dokładną informacją o stanie banku: wielkości portfeli depozytowego i kredytowego, otwartych operacjach na rynku międzybankowym, kursach walut i trendach, rentowności itd.

Pieniądze banku interesują nie tylko jego zarząd, ale także jego zewnętrznych partnerów. Przede wszystkim są to instytucje regulacyjne: a więc Narodowy Bank Polski (w szczególności: Główny Inspektorat Nadzoru Bankowego) oraz komisje nadzorujące rynek papierów wartościowych, jeśli bank jest notowany na którejś ze światowych giełd. Zestawienia takie interesują również właścicieli banku, którymi w polskich realiach z reguły jest międzynarodowa korporacja finansowa, jak Citicorp czy AIG.

Druga grupa odbiorców business intelligence to osoby odpowiedzialne za ryzyko. W banku, który pożycza pieniądze konsumentom i podmiotom gospodarczym, hurtownia danych wraz z systemami data mining pozwala znaleźć takie grupy klientów i takie ich cechy, które predestynują danego kredytobiorcę do zwiększonego ryzyka. Dzięki temu bank może uniknąć udzielenia pożyczek tym klientom, którzy mogą ich nie spłacić z większym prawdopodobieństwem niż inni. Hurtownia danych zgromadzi i scentralizuje wszelkie informacje dotyczące np. opóźnień w spłatach, pozwalając znaleźć takie sposoby postępowania, aby zminimalizować prawdopodobieństwo strat, m.in. zająć zabezpieczenia, zanim firma ogłosi upadłość.

Trzecia grupa to marketing i sprzedaż. Systemy business intelligence w banku muszą odpowiedzieć na następujące pytania: Czy produkt X jest udany? Jak pozycjonujemy się na tle konkurencji? Czy lepiej podwyższyć prowizję od kredytu czy wydłużyć okres spłaty? Czy bardziej opłaci się zaoferowanie podmiotom gospodarczym faktoringu, czy raczej trzeba przyznać linię kredytową? Odpowiedzi na takie pytania pozwalają znaleźć odpowiednie statystyki pobierane z danych zgromadzonych w hurtowni. Wprowadzając nowy produkt (np. kartę kredytową typu affinity), można wyselekcjonować grupę docelową klientów (m.in. dokonujących płatności głównie za granicą) i tylko do niej skierować akcję mailingową. Z rozwiązania tego typu zaczynają korzystać duże banki, ale upłynie trochę czasu, zanim będzie to standardem.

I czwarta, kto wie czy nie najważniejsza grupa odbiorców business intelligence, to szeroko rozumiana obsługa klientów. W banku tradycyjnym klient, który zadaje pytania o nową ofertę, pozostaje anonimowy. W banku współczesnym, gdzie klient przed dotarciem do informacji zdążył się autoryzować, obsługa klienta ma w zasięgu ręki wszystkie informacje na jego temat. Załóżmy, że z bankiem kontaktuje się posiadacz kredytu hipotecznego i prosi o zmniejszenie spłat na dwa miesiące, bo ma wydatki związane z podróżą dookoła świata. Dzięki systemowi CRM pracownik banku może szybko stwierdzić, że - istotnie - klient ostatnio płacił kartą za bilet lotniczy, a jego pensja wpływa regularnie. System business intelligence podpowie natychmiast, że prawdopodobieństwo szkody (tj. niespłacenia kredytu hipotecznego) w tym przypadku jest znikome. W tej sytuacji bank może oczywiście pójść klientowi na rękę i zawiesić spłaty. Taka decyzja nie byłaby możliwa bez hurtowni i systemu prognozowania opartego na danych w niej zgromadzonych.