Teradata银行业数据仓库解决方案，
外资银行进入中国市场，往往会采用差异化服务策略，即利用标准化的产品、先进的管理和服务、领先的信息技术来争取本地的黄金客户，继而扩张市场。这就要求国内商业银行加强分析型应用系统的建设，强经营管理与决策分析，了解客户的需求与信用风险，开发新的产品和服务，利用现有渠道对客户进行交叉销售，增加赢利能力，并在业务领域上提供差异化服务。
Teradata银行业数据仓库解决方案，首先是建立一个可扩展的、集中的数据仓库基础设施，以便银行建立统一的、准确的信息视图，实现信息共享。该方案可以从一个或多个分行开始实施，然后逐步扩展到包含全行的详细历史数据。在此数据仓库基础设施之上，Teradata主要提供六个方面的应用产品：
● Teradata金融业逻辑数据模型 - 银行扩展（FS-LDM,Banking Extension）;
● 平衡计分卡/经营指标管理模块；
● 资产负债管理模块（ALM）；
● 信用风险管理模块（Credit Risk Management）；
● 利润贡献度分析模块（Value Analyzer）；
● 客户关系管理模块（CRM）。
上述系统均可按照银行的实际需求进行客户化。
Teradata金融业逻辑数据模型
Teradata金融业逻辑数据模型是Teradata多年来在全球实施近230家金融业数据仓库项目的经验结晶。整个逻辑数据模型把复杂的银行业务归纳成客户、产品、账户、事件、渠道、分支机构、地理区域和行销活动等八大主题，帮助银行在利润、风险、销售与市场、以及渠道管理等方面进行深层次的分析。
平衡记分卡／经营指标管理
本模块是运用平衡计分卡的基本原理，参照国际先进银行的具体经验，结合商业银行的实际，帮助银行建立平衡计分卡系统和经营管理指标体系。经营管理指标包括四个方面：财务绩效指标、、客户绩效指标、流程绩效指标、员工绩效指标。
资产负债管理模块
本模块的目的是使银行能在规模、期限、利率结构上合理搭配资产与负债；帮助银行在经营的流动性、安全性、盈利性上得以协调，在风险和回报之间取得一个最佳平衡点；帮助银行达到各种监管要求。本模块体系主要包括三个重要组件：数据采集与存储、分析方法与模型和报表输出。
信用风险管理
本模块能够帮助银行实现全面信用风险管理与分析，及时、有效地识别、量化和控制风险。系统提供全面的信贷分析、风险相关分析；能有效监控、管理和改善信贷流程；能计算风险调整收益，有效考核信贷人员绩效。主要的分析方法和模型包括：投资组合分析，评分/评级模型，违约概率模型（PD），关联分析，不良贷款分析、相关分析、担保信息分析、外部信息分析等。
利润贡献度分析
本模块的主要目的是帮助银行了解机构内部利润贡献度的构成因素及分布状况，以改善自身分析和规划流程。具体目标包括：
● 帮助银行建立一套适合实际需求的资金转移计价、成本分配、风险准备和资本分配方法论。
● 从净利息收入 (NIR)、其他收入 (OR)、直接费用 (DE)、间接费用 (IE)、风险准备 (RP)等五个因子来计算利润贡献度。
● 帮助银行计算和分析账户、客户、产品、渠道和机构的利润贡献度。
客户关系管理
本模块能帮助银行建立客户的单一视图，对客户基本情况、持有产品、交易行为、客户分布等进行分析，通过沟通管理，为客户提供个性化服务。在适当的时间，通过适当的渠道，为客户提供适当的产品和服务。最终实现银行的经营管理方式从以产品为中心向以客户为中心转变。帮助银行建立客户的忠诚度，获取新的客户，保留有价值的客户，并提高客户的利润贡献度。主要功能包括：客户分析、分析建模、客户沟通、个性化定义、最佳化管理、接触管理等。