SAS全面提升汇丰银行反欺诈系统(非广告)

才农

近日 ， SAS公司发布了SAS反欺诈管理系统，这种系统基于SAS公司的企业智能平台，是一种全新的实时防范银行卡欺诈的系统。这个系统是与汇丰银行联合开发的，目前正在美国境内应用，对汇丰银行美国境内的信用卡交易进行实时的欺诈防范侦测，进一步保护汇丰银行客户的利益。这个系统的设计初衷是处理全球范围内的信用卡和借记卡，所以SAS公司认为此系统是迄今为止最完善的欺诈防范系统。

　　汇丰银行使用SAS公司的反欺诈管理系统，提升了欺诈侦测能力，降低了欺诈的比率，并提高了欺诈案件的处理效率。其客户的每一笔银行卡交易都受到了反欺诈系统的保护。去年整个金融行业由于欺诈造成的损失为48.4亿美元，而这个反欺诈系统可以主动有效地帮助银行减少这种损失。因潜在的欺诈交易减少了，进而客户服务也得到了改进。同时，汇丰银行还为其客户提供更加完善的反欺诈侦测。

　　SAS的反欺诈管理系统使得汇丰银行可以更快更准确地发现欺诈交易。系统检测汇丰银行的银行卡交易记录和其客户行为的变化，对进行的交易提供实时决策，或帮助确认客户的真实性。通过优化决策的准确性，汇丰银行提高了运营效率及对每位客户的欺诈防范能力。

　　汇丰银行使用该系统前三个月所获的成效：

　　数据处理项目的数量——包括银行卡交易和客户信息——增加了87%，同时将相应的主机日常处理降低了12%。其结果是将主机日常处理每一项数据的成本降低了53%。

　　将处理潜在的银行卡交易欺诈的计算机资源成本降低了30%。

　　相对于财产案件管理系统，反欺诈系统将代理商调查潜在欺诈案件的效率提高了10%，

　　通过减少使用三个应用软件，降低了IT支持费用。

　　SAS公司认为在金融服务行业，欺诈侦测和防范逐渐成为重要的目标。基于SAS公司反欺诈管理系统在汇丰银行的成功应用，SAS公司发布了应用在更广泛的金融领域的解决方案。在全行业共同努力打击银行信用卡欺诈的背景下，SAS公司致力于建立一个金融机构联盟，分享对欺诈的知识和经验，并运用 SAS反欺诈管理系统开发更多应用。

　　汇丰银行认为目前迫切需要不断努力地改进欺诈防范系统，以打击由于信用卡欺诈造成的损失。基于SAS公司的专业知识、领先的技术、以及其承诺开发和交付高质量的应用，汇丰银行选择SAS公司作为其全球开发合作伙伴，建立一个以欺诈侦测和防范为核心技术的企业风险管理平台。SAS多年丰富的实践经验足以证明它可以成为一个支持汇丰银行的长期合作伙伴，并与汇丰银行携手在其全球银行系统中应用SAS反欺诈管理系统。

　　汇丰银行欺诈风险部门负责人Derek Wylde说：“SAS反欺诈管理系统以及我们之间这种合作伙伴关系所取得的成功，表明SAS对汇丰银行长期目标的洞察与分享，能够与我们合作共同开发出的解决方案。在一个不断变化的欺诈风险环境中，SAS技术帮助我们始终走在犯罪者的前面。我们相信SAS解决方案能够帮助我们在打击金融欺诈的过中取得重要进展。”

　　“携手汇丰银行，SAS开发的系统能够在金融服务行业真正改变金融交易欺诈防范的局面，对此我们深感骄傲。”SAS首席执行官Jim Goodnight说，“SAS反欺诈管理系统使银行能够持续应对经常变化的金融欺诈形势，以提升对银行、业务和客户的保护水平。这一系统将对行业在目前和未来应对欺诈带来革命性的改变。”

　　SAS的反欺诈管理系统是在汇丰银行美国信用卡运营业务中唯一被使用的反欺诈交易解决方案。由于在美国的成功应用，目前它也被应用于汇丰银行英国和亚洲的业务当中。在未来的几年内，SAS反欺诈管理系统将帮助汇丰银行保护其在全球30多个国家所进行的超过一亿个信用卡和借记卡交易。

　　关于SAS

　　SAS 是全球领先的商业智能软件供应商，全球用户超过43,000家企业。SAS软件能够帮助客户从海量数据中获取智能信息以提高企业绩效，从而更快、更准确地传达决策信息，加强和伙伴、供应商之间的互利合作关系，从战略管理和运营管理两个层面同时推动企业发展。SAS公司是全球唯一一家将领先的数据整合技术、智能存储、分析方法论和商业智能应用完全集成在一个全面的企业智能平台的厂商。近30年来，SAS一直向全球客户提供"The Power to Know"。

　　About HSBC Holdings plc

　　关于汇丰银行(HSBC Holdings plc)

　　汇丰银行(HSBC Holdings plc)在全球拥有1.25亿客户，在欧洲、亚太、美洲、中东和非洲的83个国家设有1万个分支机构。其资产在2007年6月30日达到了2.15亿美元，是全世界最大的银行和金融服务机构之一。汇丰银行被称为是‘业务遍布全球’的银行。

才农

【导读】：近日， SAS公司基于数据挖掘技术的银行商业智能解决方案再次成功地运用在中国工商银行、建设银行、中信银行、深圳发展银行、 兴业银行、花旗银行、民生银行、交银施罗德基金等众多金融企业中。

　近日， SAS公司基于数据挖掘技术的银行商业智能解决方案再次成功地运用在中国工商银行、建设银行、中信银行、深圳发展银行、 兴业银行、花旗银行、民生银行、交银施罗德基金等众多金融企业中。这是继招商银行、广东发展银行、南方、华夏和长盛基金公司等众多金融企业之后， 作为全球领先的商业智能软件供应商SAS今年在金融行业签署的又一系列大单。此次SAS银行业商业智能解决方案主要应用在银行信用卡业务以及银行风险管理等方面。通过帮助这些金融企业构建一个综合的数据整合平台和数据分析、挖掘的系统，SAS帮助企业将现有的海量数据通过有效数据分析信息转化为企业战略资产，明察客户信息和业务信息，推动银行科学决策管理，规避风险、实现投资最大化、全面提升银行的竞争力。

　　随着日益成熟的全球化和信息化，中国的银行也面临着一系列的问题和挑战：全球化竞争、外资银行的开放、客户流失、风险管理失控、成本高居不下和利润缩水，以及信贷风险、金融欺诈等一系列危机严重制约了银行业的发展。如何规划新的业务模式，扭转银行在信贷领域的被动局面，以便在高科技、多渠道为特征的银行业环境中保持竞争优势，成为中国银行金融业面临的严峻挑战。银行业国际先进经验已经证明，充分利用数据资源分析支持管理决策，实现定量基础上的精细化管理，是提高银行业乃至整个金融业核心竞争力的关键。

　　商业智能因系统设计复杂，企业往往又缺乏相应的应用人才，在企业具体应用中一度被视为只是用来进行数据查询、统计的“高级报表工具”而无法转化为生产力。作为全球领先的商业智能软件供应商，SAS银行智能解决方案具有良好的可扩展性，是集合数据平台、上层分析，报表展现，元数据管理于一体的整合软件环境。既能满足业务人员的需要，也能满足IT管理人员的需要，有效地解决了过去IT部门与业务需求脱节的问题。在针对银行业的智能解决方案中，SAS公司率先提出银行业商业智能新概念，不是按照通常先建数据平台，再考虑数据挖掘和利用价值的方式，而是直接以业务为出发点，先与业务部门广泛沟通，挖掘需求点，然后建立与业务相关的分析系统，将BI与业务紧密结合，让BI平台中的数据价值得到充分利用，解决了过去分析的数据和结论并不是业务真正需要的问题，全面实现现有IT基础架构的价值。

　　如在兴业银行卡中心应用中，SAS银行业智能分析解决方案通过帮助银行搭建卡中心业务数据平台，结合银行业务开发大量的应用，满足了客户大量数据管理的需求，实现了卡中心业务的广泛应用。目前兴业银行卡中心各部门的大量报表和业务分析均来自基于SAS的平台，并且因为SAS软件良好的扩展性，将来还有大量的信用卡业务的应用会搭建在SAS这个平台上。

　　中信银行基于SAS分析软件的信用卡评分系统则优化了信用申请的批准率，更准确地定制信用产品和定义客户信用限额；同时准确地计算客户的信用风险暴露度，评估不良贷款情况，降低债权追收的成本。帮助企业快速和有效地获取具有事实根据和准确的信用风险预测，扩大市场占有率并保持获利能力。

　　交银施罗德运用SAS面向决策和分析的数据BI平台为公司各业务层提供有关销售、风险以及产品组合等方面数据的"真实的整体视角"，以各个业务系统和数据为基础，将使决策层通过有效的数据进行科学决策和管理，优化了决策的准确性。

　　对于SAS公司智能软件系统的运用，民生银行信息系统部高晨伟表示：“SAS智能分析系统不仅可以简化很多业务流程，更可以帮助业务部门找准风险和效益的平衡点，让信用卡业务健康快速的发展。”

才农

在数据大集中已经大致完成的背景下，商业智能应用成为战略转型中的中国大型商业银行进行信息化建设的必要选择。我国一些较大型商业银行，如交通银行、光大银行，以及建设银行的个别分行等现已应用商业智能，取得了较好的成效，引起了业内的广泛关注，更多的银行也在加紧调研，准备上马商业智能项目。在现有的条件、环境下，银行业应该采取什么样的商业智能应用策略，有些什么认识误区需要消除，从技术层面应该如何推进商业智能应用，是业内相关人士普遍关心的问题。

　　BI在商业银行信息系统中的整体

    如今，我国商业银行正在面临着战略转型，机遇与挑战并存。随着我国改革的不断深化和经济的持续、快速发展，商业银行的市场正在发生着深刻的变化，市场需求正由简单的银行产品需求向综合金融服务需求转变，而市场供给也正由单一的商业银行供给向多元化的金融机构供给转变，金融需求的日益增长和快速变化正在成为近年来商业银行市场发展的显著特点。而且，银行间竞争日益加剧，利率管制不断松动。在这样的市场环境下，商业银行只有面对市场，强化营销，突出效益，控制风险，果断决策，才能在全面开放的竞争中立于不败之地。

   商业智能（BI）是对信息的搜集、管理和分析过程，目的是使企业的各级决策者能够获得知识和洞察力，促使他们做出有利于企业的决策。商业智能一般由数据仓库（或数据集市）、数据分析过程、数据挖掘过程、在线分析（OLAP）以及数据安全等部分组成。正是商业智能的这些特点，决定了其对中国商业银行提升管理水平、强化风险防范和促进产品创新，具有很大的价值，能够帮助商业银行更好地抓住市场机遇，迎接市场挑战。对我国银行业，尤其是大型商业银行来说，应用商业智能成为目前提升核心竞争力的重要举措。

　　BI应用的作用


   在当前的市场竞争形势和商业银行业务转型的大背景下，商业智能对商业银行业务服务水平和内部管理水平的提高是全方位的，其作用主要体现在：

   其一，通过应用BI，商业银行决策和经营的各个管理层级可以从“宏观管理”到“微观分析”，对企业活动进行全流程的管理，使他们在经营决策中的各项管理措施更为科学、全面和迅速。以交通银行为例，其客户综合信息系统，通过数据仓库系统的建设，能够对所有客户的信息进行整合，完整地反映客户的信息全貌（单一视图），使决策层能够从区域、行业、产品、机构等不同的维度对客户群的各类关键指标进行分析，经营管理层和业务分析人员可以一直提取到具体客户的各类存贷和中间业务信息，从而为银行各层级管理人员提供从宏观到微观的全面管理能力，结合管理者的业务经验，使企业的各项管理措施更具洞察力和针对性。

   其二，通过应用BI，商业银行得以实施精细化管理，使各种成本管理和绩效考评更加科学和准确。目前交通银行所开发的管理会计系统，通过数据仓库系统整合了内部财务系统、业务生产系统两大数据源的数据，对各类存贷款的利息收支、中间业务手续费收支、内部财务数据等进行加工处理，对银行内部资金转移价格进行计算，对各类银行内部活动的营运成本进行核算和分摊。在这样的数据基础上，将能够在评估各产品、客户、机构、业务条线的利润贡献度方面进行量化，从而为实现商业银行的精细化管理打下基础。

   其三，通过应用BI，商业银行的风险防范能力将得到显著提高。随着近年来业务的发展，商业银行所面临的风险，除了操作风险、市场风险、信用风险、运营风险、柜面管理风险外，还增加了业务合作风险、客户管理风险等新的风险类型。商业银行的风险管理方式必须由原来单纯地防范风险，向突出面向市场的全产品、全过程风险控制转变。在这样的情况下，BI的应用为全面提升风险管理水平提供了有利武器。通过集中数据，能够使各级风险管理机构、审计机构对实际业务过程以及相关数据的掌握更加全面，一方面基于历史数据模式对当前业务风险实施预警或者实现风险的评级，一方面能够使风险管理过程更加集约化和高效率，使风险管理保持对市场变化的敏感性。

   其四，通过应用BI，商业银行能够提升自己的客户服务水平，设计有针对性的金融产品，在创造客户价值的同时实现利润的最大化。BI应用的高级阶段，综合了资金成本、营运成本、风险成本、资本成本和所有收益的智能分析，将能够帮助银行更加准确和高效地发现其最有价值的客户或客户群体。通过挖掘型数据仓库系统，能够对单个或者群体的客户进行价值度和贡献度分析，从而实现更加准确的市场划分，有针对性地设计出具有竞争力的金融服务产品。

　　BI应用的策略

    在看到BI应用的美好前景的同时，我们必须注意到，BI的应用在国内各商业银行还存在较大的差异，而各类BI厂商，包括服务咨询商也提供了种类繁多、不同导向的BI策略供中国的商业银行选择，不同的策略之间还存在较大的分歧以及不同的实施重点。这一切，都给处于战略转型期的中国商业银行应用BI 带来了矛盾和困惑。笔者结合自身的经验，提出一些意见，以供业内同行参考。

    首先，BI在商业银行的应用必须注意建立良好的实施基础。BI应用，数据是关键。没有全面的、历史的、高质量的数据作为基础，BI的应用效果将大打折扣，甚至给决策者带来误导。交通银行通过近两年的数据大集中工程建设，初步建成了一个核心业务系统、多个外围应用系统的总行集中的业务系统格局，改变了过去数据散布在不同分行、不同系统、不同环境的问题；同时，交通银行在数据大集中建设的过程中，高度重视对数据的整合和清理，注意了数据移行过程之前的客户信息清理工作，统一了客户号，清理和增补了对应的客户信息，从而为后续的数据仓库系统建设打下了较好的数据基础。
其次，BI的应用还需要注意规划先行，特别是注意对企业信息系统和数据资源的整体规划。企业信息系统规划是BI实施的前提。围绕中国商业银行战略转型的战略目标，通过对银行关键业务流程和数据情况的分析，制定出信息系统的整体规划和实施步骤，才能保障BI实施的长效性。另一方面，通过BI的成功实施，又能推动银行进行流程再造，进一步调整和完善银行的各个业务活动环节。完整的数据资源规划是BI发挥价值的关键。BI具有自身特殊的方法论和体系结构，需要对数据的整合、存储、加工、转换有专门的过程和措施。对此，商业银行必须注意在应用BI的时候，加强对数据资源的规划，掌握第一手的源数据质量情况，有针对性地安排各种数据质量保证措施，包括数据清理和增补过程。另外，数据资源规划强调数据逻辑模型的整体性和扩展性，因此，在BI建设过程中，要注意建立和实施满足本行实际数据且具备扩展性的逻辑数据模型。

    最后，BI应用要在整体规划的指导下，结合中国商业银行的实际情况分步实施。由于种种原因，中国商业银行的业务系统乃至各种管理信息系统普遍存在着信息标准不统一、数据要素不全、关键信息缺失、信息不一致等问题。而很多BI的实施方法论对于统一信息编码、完整的数据源都提出了很高的要求。在这样的条件下，如果为了BI而BI，盲目引进、全面开花，商业银行在BI领域的投入将承受极大的风险，其中一些BI工具和平台的整体引进往往最终因没有数据而作用甚低，从而成为失败的案例。因而，中国商业银行要摈弃“毕其功于一役”的想法，要紧扣企业战略的长期和短期目标，根据帕累托法则，踏踏实实地分步实施 BI，力争每一步都坚实、可靠和卓有成效。如银行的经济资本研究，必须得到管理会计系统所得出的成本数据，以及风险管理系统所提供的风险评估数据。

    鉴于以上几点，在战略转型期的中国商业银行应用BI，要结合商业银行业务转型的有利时机，结合中国商业银行的实际情况，分阶段地实施自己的BI策略。从业界的普遍经验来看，实施BI应用的主要重点和难点在于紧扣企业战略目标的整体规划、确定分步实施的阶段重点、信息标准化、业务参与、完善信息流程和体系、提升数据质量等方面。

　　实施BI的措施

    BI实施离不开银行高层的重视，需要在高层支持下整体推进。BI实施需要投入银行的大量资源，因此首先必须得到高层领导的全力支持。在条件逐步成熟的情况下，可以考虑成立比较高级别的企业级工作组，制定紧扣企业战略目标的整体规划，明确分步实施的阶段重点；梳理各个数据主题和应用的对应关系，制定完整的数据管理规划；按照BI的方法论来整体实施各类BI应用，包括建立企业级的可扩展逻辑数据模型和数据仓库基础设施、数据集市以及挖掘型数据仓库、元数据管理系统、基于O鄄LAP的综合BI门户等。在决策层的统一推动下，技术和业务部门要紧密结合，开发出适应于业务发展的BI应用，实现BI应用和业务发展的相互促进。

    BI实施需要面向业务，推动应用。BI应用一定要突出实用性。首先要明确各阶段业务发展对BI需求的关键点，建立面向明确业务主题的BI应用，并坚决地运用BI的理论来规划和确保实施。通过这些BI应用的实施，一方面为BI的大规模应用提供实践经验，另一方面通过BI系统在短期内发挥出较大的效果，增强决策层进一步投入资源的信心，使业务部门能够从BI的应用中不断获得成功体验，从而获得商业银行内部BI应用的良性循环。例如，结合中国商业银行的实际情况，可以首先发展客户综合信息分析、管理会计、绩效考评等基础性BI系统，首先完成对客户信息的清理整合，形成基础性的资金转移价格等数据基础等。

    具体实施时，还应该夯实基础，数据先行。在商业银行的BI应用之初，需要IT部门在BI应用的实施过程中结合实际情况，逐步建立数据资源的管理架构，包括建立数据仓库、数据集市、O鄄LAP分析等基础性的BI架构，整合和清理源系统的基础数据，摸清数据情况。此外，通过BI应用的实施过程，IT 部门要形成一个具备大规模BI实施能力的技术架构，并且逐步锻炼出一支具备BI实施能力的团队，为下一阶段的BI应用打下人才基础。

    综上所述，战略转型期的中国商业银行通过运用正确的BI应用策略，高起点地进行整体规划，有重点地进行分步实施，并在实施过程中针对重点和难点问题采取适当的解决措施，将能在可见的时间内获得丰硕的回报。BI应用必将能为中国商业银行尽快发展成为国际先进的商业银行，发挥出极其重要的决策支持和辅助经营管理作用。

才农

商业智能技术在银行的应用前景广阔，本文针对BI在银行决策支持系统、客户关系管理系统的整体解决方案，进一步从技术角度提出完整的实现方式，另外也说明了BI系统应该具备的功能概要以及在实际应用中可以为用户提供的一些基本分析功能。
1 前 言

    随着中国加入WTO，面对外资银行的竞争压力、我国金融体制改革的深入、新的IT技术的广泛应用以及“以客户为中心”的经营理念逐步得到加强，国内商业银行渐渐把关注的技术重点由设备建设、交易业务软件的开发转向以管理软件为重点。为了增强竞争力，商业银行纷纷开发有特色的管理软件、风险评估软件，力求从管理中要效益、从管理降风险.对于所有的管理系统而言，银行基础数据是发挥作用的核心，因此数据仓库以及基于数据仓库的商业智能技术在银行的管理系统建设在有着很重要的作用。

    本文即试图从商业智能技术(BusinessIn telligence，BI技术)在银行的应用方案、技术解决模式以及应用体系等方面提出一些见解。


2 BI针对银行的整体解决方案

    一个先进的BI系统应该以先进的技术为客户基于数据库和数据仓库的应用提供完全统一的技术框架，为统一的整体IT技术架构提供一个基础。一般认为，BI前端应用系统应由两大部分构成：决策支持系统和客户关系管理系统(又具体分为OCRM与ACRM)。

    2.1 决策支持系统

    决策支持系统是面向查询、报表、分析的应用，它把基于多维数据库的OLAP应用和基于数据仓库的OLTP应用整合为一。具体的做法是，通过ETL系统，把生产系统数据以及历史数据抽取建立数据仓库，在数据仓库中建立星型模型;以数据仓库为基础，通过数据聚合、装载，生成多维数据库，建立多维分析模型;之后所有的决策支持系统应用均基于此实现。

    决策支持系统除了进行上面提到的经营分析(包括OLAP分析系统与OLTP查询系统)外，还应该包括报表系统、自动发布系统与预警监控系统等，均应同时支持OLTP与OLAP。

    2.2 操作型CRM

    操作型CRM(Operational CRM，或称OCRM) ，即客户关系管理系统的客户经理业务模块，该系统的客户资料数据库存放在数据仓库、OLAP服务器上，最终用户通过浏览器使用所有业务功能，同时该系统也需要EJB应用服务器与Web服务器，所以，该系统与决策支持系统(报表、查询、分析)共享环境配置。

    2.3 分析型CRM

    分析型CRM(Analytical CRM，或称ACRM)，即客户关系管理系统的客户分析模块，它的流程如下：系统通过OCRM把客户信息收集到客户资料数据库，以与“决策支持系统”实现的流程类似的模式建立数据仓库与客户分析的星型模型，从而建立客户分析模型。ACRM的分析结果将实时传递到OCRM系统的客户资料数据库，以为客户经理提供更加深入、详细的客户信息。

3 BI系统技术设计分析

    3.1 技术架构概述

    BI系统的技术架构上应该分为以下几个逻辑组成部分：

    (1)Browser：负责管理由页面和扩展GUI构成的系统客户端，页面或组件对象对远程对象的请求通过SOAP Proxy Object封装为SOAP请求，服务器端的SOAP响应也要通过SOAP Proxy Object解析，还原为客户端请求方原始的数据格式。

    (2)Web Server(HTTP服务器)：在HTTP协议的基础之上完成对SOAP请求/响应的传递和定位。

    (3)Web Service Support Environment：在通常情况下由SOAP服务器和XML解析器构成，完成对SOAP Stream路由的管理和SOAP/XML的封装、解析。

    (4)Web Service Object：类似客户端的SOAP Proxy Object，但是更多的作用是根据从SOAP/XML解析出来的信息，将客户端的请求映射到远程对象上。

    (5)EJB Application Server：通常由EJB服务器和EJB容器构成，除了完成对Enterprise Bean的管理之外，还提供类似事务、命名、安全性的服务，以及获取服务器端操作系统提供的服务并完成二者之间的交互。

    (6)Enterprise Bean：J2EE模式下的服务器端组件，完成所有业务逻辑和相关计算，另一方面负责对数据源的存取。

    (7)OLAP/OLTP Data Source：OLAP Data Source指由OLAP服务器构造的多维数据库，系统通过JNI或JOLAP访间，OLTP Data Source指各种关系数据库和数据仓库的数据，通过JDBC访间。

    3.2 技术架构应有特征

    (1)基于Web的分布式组件应用：技术架构基本上分为四层，客户端、Web Service Runtime层、业务逻辑层(远程组件)和数据库访问层。客户端是相对比较“瘦”，只对其要求完善、丰富的GUI表现；系统业务逻辑的实现以及数据处理由依赖于中间件的远程服务器端组件完成；客户端和服务器端之间是基于HTTP的请求/响应形式的协作关系。

    (2)整体技术架构采用Web Service机制，Web Service在本质上是对XML-RPC实现的扩展，是在传统中间件的基础上，对Internet环境下分布式应用的新的发展方向。

    (3)服务器端组件实现采用EJB组件模型，为了保证系统可以在多种平台上运行，选择J2EE/EJB作为服务器端组件的实现模型是除了CORBA之外的唯一选择，同时也是为了更好地结合Web Service应用的选择。

    (4)组件之间采用XML文档为数据交换标准，系统组件之间的通讯和交互倾向于使用数据驱动的方式，数据描述采用XML。这一原则不仅适用于服务器端，同样适用于客户端。

    (5)强大的安全保证：采用SOAP作为远程通讯的标准，所以具备跨防火墙应用的能力，也就是系统的应用不需要用户改变或者降低整个企业应用的安全标准。

    3.3 系统技术架构的技术实践

    (1)客户端的GUI实现：基本上依赖于DHTML和相关技术、浏览器功能扩展两部分来实现。

    (2)客户端和服务器端的Web集成：因为跨平台的应用，服务器端的Web技术基本上是采用JSP或Servlt。

    (3)Web客户端组件之间的交互：Web客户端组件之间通过XML通讯，体现数据驱动的设计原则，XML是整个系统的组件之间通讯的数据定义、描述标准。

    (4)远程组件技术的应用：使用EJB技术完成。

    (5)访问OLAP/OLTP数据源的技术应用：远程组件(Enterprise Bean)完成对OLAP/OLTP数据源的访间，基本上采用JNI访问本地方法(包括C接口和COM接口)，或者直接访问其Java Bean接口。

    (6)外部服务获取的技术实现：系统如果需要获取外部服务和其它产品所提供的服务实现某些功能，则由这些服务自身提供API。一般引入类工厂和代理的模式构造接口性质的API提高API的广泛适用性，接口的实现根据需要采用COM对象或Java对象。

_1125

很久前的新闻了，不知道放在这里想说明什么呢？

国内貌似能做这个系统的不知道有谁哦