数据挖掘引领现代银行发展.docVIP

数据挖掘引领现代银行发展 　　随着数据库技术的不断发展，数据量的不断增长对数据的存储、管理和分析提出了更高的要求，急需新一代的技术，能够智能化地从大量的数据中提取出有用的信息，于是数据挖掘技术应运而生。数据挖掘(Data Mining)是一种新的商业信息处理技术，产生于20世纪80年代的美国。首先应用在金融、电信等领域，主要特点是对大量数据进行抽取、转换、分析和模型化处理，从中提取出有助于商业决策的关键性数据。银行信息化的迅速发展，产生了大量的业务数据，如何从海量的数据中找到内在的规律，如何更快、更方便地传递、交流、获取有用的信息，挖掘这些激增数据背后隐藏的重要信息，为银行的商业决策服务已成为当前人们所研究的热点。 　　 　　数据挖掘的技术介绍 　　 　　数据挖掘是近年来随着数据库技术和人工智能技术的发展而出现的一种多学科交叉的全新信息技术，是指从海量的数据中找出潜在的、有价值的知识(模型或规则)的过程，反复使用多种数据挖掘算法从观测数据中确定模式或合理模型。也就是根据预定义的目标，对大量的数据进行探索和分析，揭示其中隐含的规律，并进一步将其模型化的先进有效的技术过程。随着计算机网络的发展和普遍使用，数据挖掘成为迫切需要研究的重要课题。 　　在以上数据挖掘的基本过程中，其中数据准备、数据选择、预处理、数据缩减的阶段主要以完成数据仓库为主；目标确定、算法确定、数据挖掘、模式识别和知识评价这几个阶段，主要以挖掘有用的知识为主，为知识发现做准备。 　　 　　目前我国银行业的数据集中现状分析 　　 　　随着全球金融一体化和金融创新的不断发展，我国银行业正面临着前所未有的机遇和挑战。充分借鉴国内外的经验，遵循技术发展规律，积极探索我国银行业电子化的基本架构和实施方式，是发挥银行自身优势、尽快融入国际金融大家庭、增强核心竞争力的关键。尤其对业务覆盖全国的综合性股份制商业银行来说，实现全国性数据集中则是网络时代迎接国内国际挑战的必然选择。 　　数据集中的概念与内涵银行数据集中是将银行基本数据进行存储与管理，以资源共享为核心的一种经营运行模式。银行数据集中的概念具有两方面的含义：一方面是各业务系统内部公共的数据应尽量合并，将这部分数据共享，从而减少数据的冗余；另一方面是指不同区域的数据尽量集中。简单地讲，银行数据集中就是将各行网络、系统、应用、数据迁移、集中到若干个中心，实现中心内所有有效网点集中联网、所有会计账务集中处理、所有客户基本信息集中管理。在银行集中式数据中心中，全辖范围内的客户信息、交易数据等均存储于数据中心内部，数据中心是辖内机构核心数据的惟一保有者。 　　数据集中的特点数据集中是实现各业务系统集成的基础和前提。通过数据集中这样一个环境设置，银行依照数据集中的原则，面向客户和经营，将原来分散的各个核心账务系统集中于一套紧密相关的系统之中，完成数据在逻辑层面上的集中，收集有关业务活动的数据(如业务活动属性、发生时间、活动地点、责任人和参与人、业务活动执行规则、价值属性等)，最大限度地采集业务数据，并能够为信息用户随时提供必威体育精装版的银行经营状况和管理信息，从而为下一步进行数据挖掘工作提供了大量的有用数据资料。 　　 　　数据挖掘在银行业应用的主要方面 　　 　　数据挖掘技术源于商业的直接需求，因此它在各种商业领域都存在广泛的使用价值。现在已经应用数据挖掘技术的领域都是信息量大、环境复杂、需要知识帮助进行管理和决策的领域。 　　针对金融数据分析中的应用多数银行和金融机构都提供了丰富多样的储蓄、信用、投资、保险等服务。他们产生的金融数据通常比较完整、可靠，这对系统化的数据分析和数据挖掘相当有-利。在具体的应用中，采用多维数据分析来分析这些数据的一般特性，观察金融市场的变化趋势；通过特征选择和属性相关性计算，识别关键因素，进行贷款偿付预测和客户信用分析；利用分类和聚集的方法对用户群体进行识别和目标市场分析；使用数据可视化、链接分析、分类、聚类分析、孤立点分析、序列模式分析等工具侦破洗黑钱和其他金融犯罪行为。 　　针对客户的有效管理应用第一，获取客户。开拓客户资源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。那些被定为有利的特征可以与新的非客户群进行匹配，以增加行销活动的效果。数据挖掘还可从银行数据库存储的客户信息中，可以根据事先设定的标准找到符合条件的客户群，也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、成本等相关因素的分析、预测和优化，找到新的可赢利目标客户。 　　第二，保留客户。银行维护老客户，防止客户流失，就必须了解客户的需求。数据挖掘，可以识别导致客户转移的关联因子，用模式找