DataVault通常被企业采用，但是由于有了银行，个人也可以利用这些设施。

自从过去几年以来，银行一直处于实现数字化颠覆的边缘。借助人工智能和机器学习的能力，当今的银行可以抵御安全漏洞，防止欺诈，实现无忧的免费信用评分、贷款和承销等。星展银行（DBSBank），渣打银行（StandardCharteredBank）等银行还采用了基于人工智能的聊天机器人（在本例中为Kasisto的KAI）来处理有关财务管理的复杂问题，协助进行国际转账，阻止信用卡收费等。现在，银行正计划也包括用于数据的存储设施，即数据仓库。如果成功实施，这将为银行和数据管理开启新的篇章。

大数据在确定商业智能解决方案的未来中发挥了重要作用。它以其关键产品改变了各个行业。但是，公司必须注意如何对源数据建模以及ETL（提取、转换、，加载）过程。此外，企业的数据体系结构必须灵活且适应快速变化的市场条件。

 什么是数据仓库？

输入数据仓库是一种创新的混合方法，结合了敏捷性、BEAM需求收集、CMMI、TQM、6 Sigma和DataVault建模等方面；提升商业智能项目的质量和速度。它是DanE.Linstedt提出的，是流行的Ralph Kimball的Dimensional Modeling模式和BillInmon的3NF数据仓库的替代方法。数据保险库允许数据的历史存储，来自不同操作系统的数据集成以及跟踪进入数据库的所有数据的来源。对于较低级别的数据仓库，可以在ETL和建模阶段帮助处理死记硬背的任务，例如添加数据属性，切片，新源，扩充源，历史跟踪，弃用源和源结构更改。此外，它还满足了提高大数据安全级别的需求。

数据仓库由三个基本组件或实体组成，即集线器、链接、卫星。集线器代表主题的主键或业务键。链接跟踪集线器之间的所有关系，以提供它们之间的事务集成。卫星通过容纳与链接或集线器相关的任何属性并在它们更改时对其进行更新来提供集线器和链接的场景。

 为什么银行采用？

银行具有开放数据仓库的巨大优势。就像人们拥有的金钱和资产（如黄金、租赁票据等）一样，但是银行负责管理和保护它们，数据保管库将包含属于个人或研究所的数据，但银行将代为管理的用户。用户可以将关键信息加载到分配的数据保管库中，并将其分为各种类别。他们还能够随时删除或修改此数据。同样，可以提供它们来调整其数据存储的设置首选项和权限，以便可以在一定程度上保护其隐私。

除此之外，银行自然不受技术公司挖掘和利用个人数据的影响。因此，银行中的数据保险库可以防止用户的个人数据作为各种数据收集器在网上徘徊。此外，与其他行业相比，银行拥有更多值得信赖的客户群，尤其是与大型科技公司相比。银行已经在处理用户帐户，信用评分等方面的数据。因此，银行已做好充分利用这些领先优势的条件，可以开始提供诸如数据保险库之类的设施。同时，银行还需要采取措施，促进数据科学的成熟，并了解数据生态学对银行业的意义。当银行将充当数据（尤其是个人数据）的数据存储库时，这不会太遥远。