数据挖掘在银行业中的应用(正文)(终极版).doc

《数据挖掘在银行业中的应用(正文)(终极版).doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘在银行业中的应用摘要银行为人们提供了越来越多的人性化服务,因而银行的数据也在迅速膨胀,这些数据背后隐藏了大量有价值的信息,银行要在金融领域里的竞争中处于不败之地必须利用这些信息。数据挖掘正是从海量数据中提取有用信息的一种有效工具，数据挖掘在银行业中扮演着无可替代的作用。关键词:数据挖掘银行业AbstractThebankprovidespeoplewiththehumanizedservicemoreandmore,sothebankdataalsoinrapidexpansion,thesedataarehidde

2、nbehindalotofvaluableinformation,banksinthefinancialfieldcompetitioninaninvinciblepositionmustusetheseinformation.Dataminingisaneffectivetooltoextractusefulinformationfromthehugedata，dataminingplaysanirreplaceableroleinthebankingindustry.Keywords:datamining,banking

3、1.引言1.1.性说明本文所涉及到的研究领域银行信息化的迅速发展，产生了大量的业务数据。从海量数据中提取出有价值的信息，为银行的商业决策服务，是数据挖掘的重要应用领域。汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。如今，数据挖掘已在银行业有了广泛深入的应用。本文主要研究的领域是数据仓库，数据挖掘，联机分析处理技术，以及贝式网络。1.数据仓库：数据仓库，英文名称为DataWarehouse，可简写为DW或DWH。数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持

4、的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。[[]数据仓库的概念及技术解决方案．数据智能网[引用日期2013-05-14]．]2.数据仓库是决策支持系统和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库，由数据仓库之父比尔·恩门于1990年提出，主要功能仍是将组织透过资讯系统之联机事务处理(OLTP)经年累月所累积的大量资料，透过数据仓库理论所特有的资料储存架构，作一有系统的分析整理，以利各种分

5、析方法如联机分析处理(OLAP)、数据挖掘(DataMining)之进行，并进而支持如决策支持系统(DSS)、主管资讯系统(EIS)之创建，帮助决策者能快速有效的自大量资料中，分析出有价值的资讯，以利决策拟定及快速回应外在环境变动，帮助建构商业智能(BI)。3.OLAP联机分析处理：简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而

6、且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解

7、对象的需求，制定正确的方案。1.数据挖掘：数据挖掘（Datamining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。2.贝叶斯网络：贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础

8、。贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程，基于概率推理的贝叶斯网络(Bayesiannetwork)是为了解决不定性和不完整性问题而提出的，它对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。1.2.