2013年10月02日 12:15來源：新民網

一、引言

數據挖掘(Data Mining)是一種新的商業信息處理技術，產生於20世紀80年代的美國，首先應用在金融、電信等領域，主要特點是對大量數據進行抽取、轉換、分析和模型化處理，從中提取出有助於商業決策的關鍵性數據。銀行信息化的迅速發展，產生了大量的業務數據。從海量數據中提取出有價值的信息，為銀行的商業決策服務，是數據挖掘的重要應用領域。滙豐、花旗和瑞士銀行是數據挖掘技術應用的先行者。如今，數據挖掘已在銀行業有了廣泛深入的應用。

二、數據挖掘在銀行業主要應用在銀行業哪些方面

現階段，數據挖掘在銀行業中的應用，主要可分為以下幾個方面。

(一)風險

數據挖掘在銀行業的重要應用之一是風險管理，如信用風險評估。可通過構建信用評級模型，評估貸款人或信用卡申請人的風險。一個進行信用風險評估的解決方案，能對銀行資料庫中所有的賬戶指定信用評級標準，用若干資料庫查詢就可以得出信用風險的列表。這種對於高/低風險的評級或分類，是基於每個客戶的賬戶特徵，如尚未償還的貸款、信用調降報告記錄、賬戶類型、收入水平及其他信息等。

對於銀行賬戶的信用評估，可採用直觀量化的評分技術。將顧客的海量信息數據以某種權重加以衡量，針對各種目標給出量化的評分。以信用評分為例，通過由數據挖掘模型確定的權重，來給每項申請的各指標打分，加總得到該申請人的信用評分情況。銀行根據信用評分來決定是否接受申請，確定信用額度。過去，信用評分的工作由銀行信貸員完成，只考慮幾個經過測試的變數，如就業情況、收入、年齡、資產、負債等。現在應用數據挖掘的方法，可以增加更多的變數，提高模型的精度，滿足信用評價的需求。

通過數據挖掘，還可以異常的信用卡使用情況，確定極端客戶的消費行為。根據歷史數據，評定造成信貸風險客戶的特徵和背景，可能造成風險損失的客戶。在對客戶的資信和經營預測的基礎上，運用系統的方法對信貸風險的類型和原因進行識別、估測，發現引起貸款風險的誘導因素，有效地控制和降低信貸風險的發生。通過建立信用欺詐模型，幫助銀行發現具有潛在欺詐性的事件，開展欺詐偵查分析，預防和控制資金非法流失。

(二)客戶管理

在銀行客戶管理生命週期的各個階段，都會用到數據挖掘技術。

1.獲取客戶

發現和開拓新客戶對任何一家銀行來說都至關重要。通過探索性的數據挖掘方法，如自動探測聚類和購物籃分析，可以用來找出客戶資料庫中的特徵，預測對於銀行活動的響應率。那些被定為有利的特徵可以與新的非客戶羣進行匹配，以增加營銷活動的效果。

數據挖掘還可從銀行資料庫存儲的客戶信息中，可以根據事先設定的標準找到符合條件的客戶羣，也可以把客戶進行聚類分析讓其自然分羣，通過對客戶的服務收入、風險、等相關因素的分析、預測和優化，找到新的可贏利目標客戶。

2.保留客戶

通過數據挖掘，在發現流失客戶的特徵後，銀行可以在具有相似特徵的客戶未流失之前，採取額外增值服務、特殊待遇和激勵忠誠度等措施保留客戶。比如，使用信用卡損耗模型，可以預測哪些客戶將停止使用銀行的信用卡，而轉用競爭對手的卡，根據數據挖掘結果，銀行可以採取措施來保持這些客戶的信任。當得出可能流失的客戶名單後，可對客戶進行關懷訪問，爭取留住客戶。

為留住老客戶，防止客戶流失，就必須瞭解客戶的需求。數據挖掘，可以識別導致客戶轉移的關聯因子，用模式找出當前客戶中相似的可能轉移者，通過孤立點分析法可以發現客戶的異常行為，從而使銀行避免不必要的客戶流失。數據挖掘工具，還可以對大量的客戶資料進行分析，建立數據模型，確定客戶的交易習慣、交易額度和交易頻率，分析客戶對某個產品的忠誠程度、持久性等，從而為他們提供個性化定製服務，以提高客戶忠誠度。

3.優化客戶服務

銀行業競爭日益激烈，客戶服務的質量是關係到銀行發展的重要因素。客戶是一個可能根據年費、服務、優惠條件等因素而不斷流動的團體，為客戶提供優質和個性化的服務，是取得客戶信任的重要手段。根據二八原則，銀行業20%的客戶創造了80%的價值，要對這20%的客戶實施最優質的服務，前提是發現這20%的重點客戶。重點客戶的發現通常是由一系列的數據挖掘來實現的。如通過分析客戶對產品的應用頻率、持續性等指標來判別客戶的忠誠度，通過交易數據的詳細分析來鑒別哪些是銀行希望保持的客戶。找到重點客戶後，銀行就能為客戶提供有針對性的服務。

三、數據挖掘在銀行業的具體應用

數據挖掘技術在銀行業中的應用，其中一個重要前提條件是，必須建立一個統一的中央客戶資料庫，以提高客戶信息的分析能力。分析開始時，從資料庫中收集與客戶有關的所有信息、交易記錄，進行建模，對數據進行分析，對客戶將來的行為進行預測。具體應用分為五個階段：

(一)載入客戶賬號信息。這一階段，主要是進行數據清理，消除現有業務系統中有關客戶賬戶數據不一致的現象，將其整合到中央客戶信息庫。銀行各業務部門對客戶有統一的視圖，可以進行相關的客戶分析，如客戶人數，客戶分類，基本需求等。

(二)載入客戶交易信息階段。這一階段主要是把客戶與銀行分銷渠道的所有交易數據，包括櫃檯，ATM，信用卡，匯款，轉賬等，載入到中央市場客戶信息庫。這一階段完成後，銀行可以分析客戶使用分銷渠道的情況和分銷渠道的容量，瞭解客戶，渠道，服務三者之間的關係。

(三)模型評測。這是為客戶的每一個賬號建立利潤評測模型，需要收入和的確定金額，因此需要載入系統的數據到中央資料庫。這一階段完成後，銀行可以從組織，用戶和產品三個方面分析利潤貢獻度。如銀行可以依客戶的利潤貢獻度安排合適的分銷渠道，模擬和預測新產品對銀行的利潤貢獻度等。

(四)優化客戶關係。銀行應該掌握客戶在生活、職業等方面的行為變化及外部的變化，抓住推銷新產品和服務的時機。這需要將賬號每天發生的交易明細數據，定時載入到中央數據倉庫，核對客戶行為的變化。如有變化，銀行則利用客戶的購買傾向模型，渠道喜好模型，利潤貢獻模型，信用和風險評測模型等，主動與客戶取得聯繫。

(五)風險評估。銀行風險管理的對象主要是與資產和負債有關的風險，因此與資產負債有關的業務系統的交易數據要載入到中央數據倉庫;然後，銀行應按照不同的期間，分析和計算利率敏感性資產和負債之間的缺口，知道銀行在不同期間資本比率、資產負債結構、資金情況和凈利息收入的變化。

四、結語

目前，銀行業已逐步走向個性化服務和科學決策階段，數據挖掘具有強大的信息處理和分析能力，可以為銀行提供科學的決策依據和技術支持。在全球化的今天，只有順應知識經濟時代的潮流，充分利用數據挖掘等現代科學技術，才能更好地促進銀行業持續、健康的發展。

[責任編輯：robot] 標籤：銀行 數據 信用卡 更多>>銀行業

名次	名稱	最新	漲幅
1	招商銀行	10.79	1.51%
2	興業銀行	10.31	0.98%
3	南京銀行	8.28	0.36%
4	平安銀行	12.76	0.31%
5	華夏銀行	8.14	0.25%

名次	名稱	最新	跌幅
1	建設銀行	4.23	-0.94%
2	寧波銀行	9.47	-0.63%
3	農業銀行	2.53	-0.39%
4	工商銀行	3.67	-0.27%
5	民生銀行	8.11	-0.25%

更多>>大數據

名次	名稱	最新	漲幅
1	大華股份	42.66	2.99%
2	用友軟體	14.11	1.44%
3	廣聯達	29.24	1.18%
4	恒生電子	19.31	0.84%
5	東華軟體	32.15	0.82%

名次	名稱	最新	跌幅
1	大智慧	6.58	-1.94%
2	航天信息	20.49	-1.63%
3	衛 士 通	26.37	-1.60%
4	四維圖新	11.40	-1.30%
5	榮之聯	16.80	-1.18%

鳳凰網官方推薦：玩模擬炒股大賽 天天贏現金大獎炒股大賽指定安全炒股衛士
推薦閱讀：

相關文章