数据挖掘技术在银行业中的应用

偏差往 往包含很 多潜在 的知 做 出前瞻的、 基于知识的决策 。数据挖掘 差很有意义。
中图分类号：８ 文献标识码： Ｆ３ Ａ 收录 日期 ：０ ２ ３月 １ ２１年 ３日
一
的 目标是从数 据库 中发现 隐含 的、 有意义 识 ， 如分类 中的反常 实例 、 不满足规 则的
的知识， 主要有 以下五类 功能： 特例 、观测结果与模型预测值 的偏差 、 量
就称 为关联。 关联可分为简单关联、 技术 。以信用评分为例 ， 通过 由数据挖掘 据中发现有用 的令人感 兴趣 的信 息， 因此 律性 ，
因果关联 。分析是否关联 的 目 模型确定 的权重， 给每项 申请 的各指标打 哪种信息是我们感兴趣 的， 就成 了数据挖 时序关联、 掘的首要 问题 。 的是找出数据仓库 中隐藏 的关联 网。 时 分 ，加总得到该 申请人 的信用评 分情 况。 有
原始数据库中抽取一组数据 。 数据预处理 价 值 的 知 识 。
一
消费行为 。通过建立信用欺诈模 型， 帮助
般 包 括 消 除 噪 声 、 除 重 复 记 录 、 成 消 完
３划分聚类。 、 数据仓库 中的记录可被 银行 发 现 具 有 潜 在 欺诈 性 的 事件 ， 展 欺 开 （ ） 二 客户管理 。 在银 行客户管理生命 １获取客户。 、 发现和开拓新客户对任
即聚类 。应 诈侦查分析， 防和控制资金非法流失。 预 数据类型 的转换等 。 数据变换 的 目的是消 划分为一系列有意义 的子集 ，
减数据的维数， 即从初始特 征中找出真正 用聚类 技术可 以增 强人们对 客观现 实 的
有用 的特征。 聚类技术主要包 括传 统的模式识别方 ３数据挖掘 。 、 根据对 问题 的定义 明确 件 。
认识 ，是概念描述和 偏差分 析 的先 决条 周期 的各个阶段都会用 到数据挖掘技术 。
通过探索性 挖掘 的任务或 目的， 如分类 、 聚类 、 关联规 法和数学分类 学。聚类技术 的核 心是， 在 何一家银行来说都至关 重要 。
则发现或序列模式的距离 ， 还 的数据挖掘方法， 自动探测聚类和购物
１ 自动预 测。 、 数据挖掘技术 能够 自动 值 随时间的变化等 。 偏差检测 的基本方法 在大型数据仓库 中寻找到预测性信息 。 过 是， 寻找观测结果与参照值之间有意义 的 三、 数据挖掘技术在银行业中应用的 （ 风险管理 。 一） 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
的、 模糊 的、 随机 的实 际数据中提取 隐含 如 ， 数据挖掘技术能够使用过去有关信用 主要 方 面
评估贷款 ２ 分析 关联 。 、 数据关联是指数据仓库 估。可通过构建信用评 级模 型，
中存在着某类 重要 的可被发现 的知识 。 若 申请人或信用卡 申请人 的风 险。 对于银行
１ 问题定义。 、 数据挖掘是指在大量数 两个 或多个变量 的取 值之 间存在某 种规 账户 的信用评估， 可采用直观量化的评分
金 融ｊ 资 投
数据挖 掘 技术在银 行 业 中的应 用
口文 ／ 霍 亮 杨 柳 霍 烽
河北 ・ ） 保定 （． １河北金融学院；． ２河北大学经济管理 实验教学 中心；． ３保定市科学技术协会
［ 提要］ 随着全球科技 的飞速发展 ，
５分析决策。 、 数据挖掘 的最终 目 的是 关特征 。 概念描述分为特征性描述和区别
可 从而 篮分析 ， 以用来找 出客户数据库 中的特 ４ 结果解释和评估 。 、 数据挖掘 的结果 要求划分 出的类具有某种 内涵描述， 征， 预测对 于银行营销活动 的响应率 。可 有些是有实际意义 的， 而有 些是没有意义 避免 了传统技术的某些片面性 。 的， 或是与 实际情况相违 背的 ， 这就 需要
多， 如决策树方法、 遗传算法等 。 二、 数据挖掘技术的功能
关键词： 数据挖掘： 银行业； 数据仓库 基金项 目：河北省科技厅 ２ １ ０ ０年度
科 研 项 目（０ ５ ２ １） １４ ７ １ ７
５偏差检 测。 、 数据仓库 中的数据常有
一
数据挖掘通过预测未来趋势 及行 为，
些异常记录， 从数据仓库中检测这些偏
即 银 行 根 据 信用 评分 决 定 是 否 接 受 申请 ， 确 ２数 据 准备 。 、 数据 准 备 又 可 分 为 三 个 并 不 知 道 数据 仓 库 中数 据 的关 联 函数 ，
因此 由分析数据关 定信用额度 。通过数据挖掘 ， 还可 以侦查 步骤 ， 即数据选取 、 数据预 处理和数 据变 使知道也是不确定的， 是有 异常 的信用卡使用情况 ， 确定极端客户 的 换。 数据选取 的目的是根据用户的需要从 联度而生成的规则 是具有可信度 的，
成 本 与风 险 ， 高效 益 。 提
总之，以上步骤不是一次完成 的， 可 个类 的特征性描述 只涉及 该类 对象 中所
有 可 能 达 到 预 期 的效 果 。
从 复杂的客户信息 中建 立模型 ， 能够降低 能其 中某些步骤或者全部要 反复进行 ， 才 有对象 的共性。 生成 区别性描述 的方法很
后者描述不同类对象之 间的区别 。 生成一
数据 挖掘技 术 已成功地应用 于社会 的各 辅助决策 。 决策者可 以根据数据挖掘 的结 性描述 ，前者描述某类对象 的共 同特 征，
个领域 ．通过建立数据仓库 ， 使用数据挖 果 ， 结合实 际情况， 调整竞争策略等 。
掘技 术，挖掘 出为银行创造利润 的客户 ，
、
数据挖掘 的相关概念简述
（ ） 一 数据挖掘 简介 。从技术角度看 ， 去需要进行大量手工分析 的问题 ， 如今可 差别 。
数据挖掘是 从大量的 、 不完全 的、 噪声 以迅 速直接地 由数据 本身 得 出结论 。例 有
在其中的、 人们所不知道的但又是潜在有 卡促销 的数据来寻 找未来信 用卡 消费 中 用 的信息和知识的过程 。简言之 ， 数据挖 能使银行获取最大盈利 的客户 。 掘实际上 是一种深层次的数据分析方法。 （ ） 二 数据挖掘 的主要步骤