数据挖掘在银行业上的应用.doc

《数据挖掘在银行业上的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据挖掘在银行业上的应用电商1002郭创武一、银行数据挖掘的必要性数据挖掘的最基本特性包括了大量的数据，对未知的、隐藏的信的发掘，抽取有价值的信息和使用这类信息去制定重要的商业决策。总的来说，数据挖掘就是一个从数据中汲取信息，并使用这些信息制定更好的商业决策的过程。数据挖掘的关键可以分成三个部分：数据、信息和商业决策。数据是所有挖掘的基础，但也只是在我们将它们调动起来或者转换成为有用信息时，它们才最为珍贵。仅仅获得信息是不够的，而且，这也不是数据挖掘的最终目的。获取信息的目的是为运用这些抽取的信息应用到商业决策制定中去。所以，使用抽取到的信息去提高商业决策制定

2、效率和制定更适宜的决策才是数据挖掘的最终目的。在银行业，由于银行产品具有相当的同质性,因此银行之间的差别，往往在于谁掌握了客户关系以及海量的业务和客户信息背后独特的业务规律，谁就可以科学地制定决策。现在银行实施的大多数系统所基于的数据库只能实现数据的录入、查询、统计等较低层次的功能，但却无法发现数据中存在的关联关系和业务规律，更难以根据现有的数据预测未来业务的发展趋势。目前看来，在银行管理客户生命周期的各个阶段都会用到数据挖掘技术，数据挖掘能够帮助银行确定客户的特点，从而可以为客户提供有针对性的服务；通过数据挖掘,可以发现购买某类金融产品的客户特征，从而可以扩

3、大业务；如果找到了流失客户的特征，就可以在具有相似特征的客户还未流失之前，采取针对性的措施—银行的客户获得、交叉销售、客户关怀与保持等方面，数据挖掘工具都将发挥重要作用。二、数据挖掘在银行业中的应用银行使用的数据挖掘技术，以数据仓库和联机分析处理为平合，借助银行拥有的大规模数据，通过清洗、转换、装载等数据处理方法，发现大量资料间的关联与趋势，探寻独特的、通过其他方法发现不了的业务规律和模式。应当说,数据挖掘和数据仓库建设,既是现代商业银行业务与经营管理发展到一定阶段对银行信息管理水平提出的现实要求，又是现代商业银行业务发展与信息技术发展高度融合的必然趋势。一般

4、来看，银行数据挖掘的任务，可以划分成四个层次数据分析、知识发现、决策支持和金融智能。基于数据的知识发现，是伴随着数据挖掘技术，在用户需求的驱动下发展起来的一门新技术。如何充分利用大量数据，以指导银行营销和竞争，如何从大量数据中挖掘出适合银行业务人员使用的信息模式和知识，已成为银行信息化领域的热点之一。决策支持系统是面向决策者的、以解决半结构化问题为主的应用系统，突出支持而非代替决策者的决策行为。银行决策过程包括了识别问题、建立模型、执行模型、综合评价和反复进行等五个过程。在银行中，面向不同职能部门，如个人金融部门、公司金融部门或同业机构部门等，位于企业运营的层

5、面，以支持银行决策者进行半结构化的决策。数据挖掘在银行应用的最高阶段是实现决策支持的“智能化”,即实现金融商业智能。金融智能是对银行掌握的信息进行搜集、分析和管理，以使银行各级决策者获得洞察力，促使他们做出对企业更有利的决策。金融智能的管理模式包括基于目标、基于例外和基于事实的管理三种。不同类型的银行或不同业务部门可能选用不同的智能管理模式，如侧重于提供个人金融服务的银行多采用基于目标的管理，侧重于提供投资银行服务的银行，则多采用基于例外的管理模式。数据分析、知识发现、决策支持和金融智能，不仅是数据挖掘的不同层级的任务，也体现了银行在开展数据挖掘工作中的规划进

6、度。银行早期的数据仓库建设，关注的往往是数据分析和知识发现的内容，如提供统一及时的业务报表，提供集成的客户信息等。当具备了相应的数据挖掘基础，银行有可能将数据仓库的应用引人决策支持和金融智能的层面,更关注于提供决策信息支持、辅助业务管理、分析和评价经营业绩等管理主题。三、数据挖掘技术在银行业中具体应用的主要方面1、风险管理数据挖掘在银行业的重要应用之一是风险管理，如信用风险评估。可通过构建信用评级模型，评估贷款申请人或信用卡申请人的风险。对于银行账户的信用评估，可采用直观量化的评分技术。以信用评分为例，通过由数据挖掘模型确定的权重,来给每项申请的各指标打分，加

7、总得到该申请人的信用评分情况。银行根据信用评分来决定是否接受申请，确定信用额度。通过数据挖掘，还可以侦查异常的信用卡使用情况，确定极端客户的消费行为。通过建立信用欺诈模型，帮助银行发现具有潜在欺诈性的事件，开展欺诈侦查分析，预防和控制资金非法流失。2、客户管理在银行客户管理生命周期的各个阶段，都会用到数据挖掘技术。2.1、获取客户发现和开拓新客户对任何一家银行来说都至关重要。通过探索性的数据挖掘方法，如自动探测聚类和购物篮分析，可以用来找出客户数据库中的特征，预测对于银行营销活动的响应率。可以把客户进行聚类分析，让其自然分群，通过对客户的服务收入、风险、成本等

8、相关因素的分析、预测和优化，找到新的可