浅谈银行客户信用评估中大数据挖掘技术的应用.pdfVIP

电子技术 浅谈银行客户信用评估中大数据挖掘技术的应用 刘慧莹 湖北工业大学 湖北 武汉 430068 ） 摘要：本文先对银行客户评估中大数据挖掘技术的意义进行简析，然后在数据挖掘过程和数据挖掘技术的选择相关基础上，详细 分析和阐述银行客户信用评估中大数据挖掘技术的实际运用。 关键词：银行客户；信用评估；大数据；挖掘技术 在我国经济快速发展与人民消费观念的转变之下， 行 2.2 数据挖掘技术选择 个人信贷业务种类不断增多，逐渐成为了 行主要的支撑性 不同挖掘任务都要使用不一样的挖掘技术，在选用挖掘 业务。但是在这些业务的实施中， 行客户的信用风险也不 技术之前，需要把等待解决的问题转换成正确的数据挖掘任 理想，客户信用问题成为了 行面临的一种主要风险，所 务，然后依据任务来选用具体的挖掘技术。在 行客户信用 以用户的信用评估对于 行而言十分重要。所谓个人信用评 评估中，常见的数据挖掘技术如下：其一是神经网络，这项 估，主要是依据历史上个人信用消费情况，进而在已经存在 技术是最早被使用在信用评估中的，主要是使用神经网络非 的数据中找出违约和不违约者的特点，从而总结出分类规则， 线性逼近与模式的识别能力。经过已经构成的个人信用学 ， 然后 设模型，将其使用在测量借款人违约风险上，为 行 调节模型结构，构成具备预测能力的个人信用评估网络模型。 信贷决策提供依据，促使 行的各项业务都能够规范实施。 一句单隐层前馈神经网络，能够反映出任意函数设计的神经 因此， 行客户信用评估中大数据挖掘技术的使用进行分 网络模拟信用评估过程。其中包含了有客户的年龄、性别、 析有一定现实意义。 婚姻、健康、学历、专业以及植物等相关的评估要素。使用 1 银行客户信用评估中大 据挖掘技术意义 这个技术来进行评估，削弱了权重明确中的人为因素，提升 在大数据挖掘技术基础上 设客户信用评价体系，其意 评估结果的精准性和权威性。其二是决策树技术，决策树模 义体现在下面几点：其一是数据挖掘能够在数据仓库基础上， 型的使用十分广泛。这种技术的优势在于能够生产容易理解 数据进行多角度的分析，从而提升 行客户信用评价体系 的规则，计算量相 较小，能够处理连续和种类字段，同时 数据处理的完整性。数据仓库面向复杂数据分析，可以为 还能够清楚地显示出哪部分字段比较关键，还比较擅长于非 决策提 参考，其集成了特定范围内的全部数据，是面向主 数值型数据分析。 体、整合与相 稳定，并且随着时间与内外环境变化不断更 决策树有着极强的可解释性，十分符合信用评估模型的 新的数据集合。所以，数据仓库基础上 设数据挖掘的客户 要求，所以决策树技术也是数据挖掘中一种适合于信用评估 信用评价体系效率会更高；其二是数据挖掘能够进行概念的 的技术。这项技术是在概念学 系统 GLS 上发展的一种自顶 描述，可以深入分析客户信用评价指标之间的关系，进而提 往下的分类方式，经过内部阶段的属性 比，依据不同属性 升客户信用风险评价体系的合理性。在以往工作中，我国部 分析从这个阶段往下的分支，在叶节点中获得结果。因此， 分 行使用的客户信用评价体系的人为因素过多，进而影响 在根部到叶节点就具备一条合取规则，整个树就 应了一组 了评价的精准性和合理性。而将大数据挖掘技术使用其中， 折取表达式规则。在实际工作中，比如 行职员依据决策树 其核 技术是人工智能、机器学 以及统计学等，能够让数 上的结果个人信息的好和坏，以此决定是否放贷。那么职员 据的分析更加自动化，并且做好总结性推理，在其中挖掘潜 就可以使用贷款申请表来运行决策树，用这种方式来判断信 在模式，自动归纳客户信用风险级别。 用好坏，比如收入高和受教育程度高的用户，即为信用好的 2 银行客户信用评估中大 据挖掘技术的应用