经过几年的快速发展，我国城市商业银行基本实现业务处理的电子化，完成业务数据集中，并开始管理信息系统以及统一的渠道接入平台的建设。但由于技术标准与业务规范并不统一，导致各应用系统之间协调不够，数据的可用性不高。根据诺兰模型，处于由控制阶段向集成和数据管理阶段过渡的过程中。查阅最全面的金融信息和最有价值的金融资源请登陆中国金融资源总库。
当前城市商业银行信息化建设的战略目标，应该是全面考虑未来面临的金融市场、外部监管要求、内部管理水平等因素，在企业发展战略规划的基础上，构建一个现代化的业务及管理体系，以技术创新带动业务创新和制度创新，以组织架构重组和业务流程再造为中心，形成信息化时代的业务平台和管理平台，进而奠定未来核心竞争力的基础。
在IT架构规划中，涉及到诸多的技术层面，但从整体角度进行分析，企业应用集成（EAI）在整个系统的架构设计中占有相当大的比重。包括以下方面：
（一）银行核心业务系统的建设
首先，建设功能齐全、高效、稳定的银行核心业务系统。银行核心业务系统是面向数据大集中、以客户服务为基础、以产品经营为目标的业务处理系统。采用了交易驱动和参数化配置的设计方式，更易于实现交易组合和交易产品的定义，使系统具备了优秀的扩展能力和快速响应能力，满足银行快速推出新业务的需求。同时还可以支持灵活的劳动组合，实现7×24小时的银行服务。
核心业务系统分成三个层面，即核心层、业务层和服务层。核心层包括集中会计核算系统、客户信息管理系统、授信额度管理系统和公共管理系统。业务层在核心层的外围，反映各类业务具体操作的流程，业务层处理相关的业务逻辑，并通过核心层访问会计服务、客户信息服务和授信额度服务等和本身业务无关的处理。服务层包括营业机构的柜员界面、ATM界面、POS界面、IC卡界面、自助银行界面、电话银行界面、企业银行界面、网络银行界面等，它是核心业务系统的服务界面，是银行柜面业务的各种延伸。
核心业务系统需要在以下方面进行提升。首先，实现多维会计信息的组织。多维会计信息体系是指把每个会计数据实体置于一个多维数据空间内，其中每个维度都是可能进行会计信息统计的口径（例如会计科目、产品、客户、柜员等），为将来的管理信息和分析决策系统提供支持。第二，可协助建立客户管理系统，建立以客户为中心的服务。通过设置统一的客户信息，如客户的静态信息、动态信息、客户关系信息，加强以客户为中心的信息管理，对不同的客户开展针对性服务，并且可以进行多种统计决策分析，如：大客户服务、风险控制、成本与效益分析等。
其次，建设多渠道接入平台。作为一个集成的服务分发及渠道管理平台，接收来自柜台终端、自助设备、网络银行、电话银行和其他信息终端等各种客户服务渠道的业务请求，按照统一的接口标准向核心系统转发交易请求，接收返回的交易结果，并记录相应的交易信息；考虑将来跨区域发展，也为异地分（支）行具有地方特点的中间业务提供标准统一和管理灵活的开发平台。通过在分行配置大前置系统，一方面作为账务处理系统的分行管理平台，另一方面作为各类中间业务的应有路由；在支行营业网点，整合各类系统前置设备，简化低端设备维护工作。
（二）客户服务平台的建设
为全面提升客户服务质量，客户服务平台将采取集中管理、集中监控、集中培训的管理模式，建立一套具有先进性、前瞻性的多渠道客户服务、营销、信息采集与管理、电子交易系统，建成国际水准、国内银行业一流的客户服务平台。通过网上银行、电话银行等虚拟银行的建设，扩大银行服务的物理范围，淡化本地和异地的概念，提高银行服务的多样性和时效性，全面提升客户管理和服务水准。
（三）管理信息系统建设
充分利用业务系统已实现的数据集中的优势和网络，进一步推进信息化系统的建设步伐，构建管理信息平台，加速管理信息化、数字化的进程，增强市场竞争能力，提升业务管理、风险防范和对外服务的水准。管理信息系统是城市商业银行今后重点发展的一个方面，涉及信贷管理、财务管理、人力资源管理、客户经理管理、资金管理、风险管理、绩效考核以及办公自动化系统等各个方面。
（四）管理决策支持系统建设
将充分利用业务管理信息系统的数据，通过对数据仓库技术、在线联机分析技术、数据挖掘技术的研究与应用、提供数据抽取、数据分析、数据挖掘等银行管理的现代化手段，实现基于各业务处理系统和管理系统之上的全方位多视角的分析金融风险、辅助决策的银行管理。包括管理会计系统、客户关系管理、资产负债管理等。
（五）数据仓库的建设
数据仓库是管理决策和商业智能系统的基础，是满足系统对各方面数据的要求。数据仓库是一个作为决策支持系统和联机分析应用数据源的结构化数据环境，所要研究和解决的问题就是从数据中获取信息的问题，目的是数据挖掘。
在数据仓库中进行数据挖掘是系统接口的核心，是实现数据分析的技术基础。数据仓库中信息数据量非常大，这些数据中有相当大部分是内部统计和账务核算的需要，想找出与客户相关的有价值的信息，找出这些信息的关联，就需要从大量的数据中经过深层分析，从而获得有利于商业运作、提高竞争力的信息，数据挖掘就是从海量数据中，抽取潜在的、有价值的知识、模型或规则的过程，挖掘出更有价值的信息。