數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行中的應(yīng)用

1、數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行中的應(yīng)用    關(guān)鍵詞 數(shù)據(jù)挖掘； 客戶關(guān)系管理； 風(fēng)險(xiǎn)管理； 欺詐監(jiān)測 doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 09 . 015 中圖分類號(hào)TP391；F832.33 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào)1673 - 0194（2011）09- 0059 - 04 前言 商業(yè)銀行在經(jīng)營的過程中積累了大量的數(shù)據(jù)，在信息時(shí)代，能否快速準(zhǔn)確地從這些數(shù)據(jù)中發(fā)掘規(guī)律，獲取知識(shí)；能否有效地利用這些規(guī)律和知識(shí)為銀行的經(jīng)營、決策服務(wù)，對銀行提升競爭力及長遠(yuǎn)發(fā)展來說，是至關(guān)重要的。 發(fā)達(dá)國家和地區(qū)的商業(yè)

2、銀行早已利用數(shù)據(jù)挖掘技術(shù)來進(jìn)行數(shù)據(jù)庫中知識(shí)的挖掘。例如，美國匯豐銀行用數(shù)據(jù)挖掘工具 來挖掘不斷增長的客戶數(shù)據(jù)，用來發(fā)現(xiàn)交叉銷售和“翻滾”銷售。美國花旗銀行和瑞士銀行也是較早采用數(shù)據(jù)挖掘技術(shù)的銀行。以美國第一銀行為代表的信貸銀行深入地將數(shù)據(jù)挖掘技術(shù)運(yùn)用到信用卡用戶分析中。然而，數(shù)據(jù)挖掘技術(shù)在銀行業(yè)真正得到重視是在客戶關(guān)系管理系統(tǒng)興起之后，眾多的歐美銀行紛紛采用數(shù)據(jù)挖掘技術(shù)來為自己的經(jīng)營決策服務(wù)，其中包括美洲銀行、美國商務(wù)銀行、皇家蘇格蘭銀行、法國興業(yè)銀行、德意志銀行、荷蘭銀行、澳大利亞國民銀行等。簡言之，在數(shù)據(jù)倉庫規(guī)模迅速膨脹，數(shù)據(jù)庫技術(shù)日益成熟的今天，發(fā)達(dá)國家和地區(qū)的銀行都把數(shù)據(jù)挖掘技術(shù)作為一

3、個(gè)重要的戰(zhàn)略決策手段。 上述歐美銀行不僅有完善高效的數(shù)據(jù)收集系統(tǒng)，最重要的是將數(shù)據(jù)倉庫中的數(shù)據(jù)切切實(shí)實(shí)地變成了有用的知識(shí)，并在經(jīng)驗(yàn)過程中，實(shí)現(xiàn)了知識(shí)到財(cái)富的轉(zhuǎn)換過程。 相比于國外的銀行，數(shù)據(jù)挖掘在我國商業(yè)銀行中的應(yīng)用則顯得相對蒼白無力，對大部分銀行來說，還處在數(shù)據(jù)收集、整理、規(guī)范的階段。對大量數(shù)據(jù)的進(jìn)一步處理和應(yīng)用，還處在一個(gè)相當(dāng)原始的階段。數(shù)據(jù)挖掘這項(xiàng)強(qiáng)大的數(shù)據(jù)處理技術(shù)，仍停留在概念的層面。很多銀行不知道數(shù)據(jù)挖掘在哪些銀行業(yè)務(wù)中可以得到應(yīng)用，更不了解數(shù)據(jù)挖掘針對銀行業(yè)務(wù)的強(qiáng)大功能，因此在這方面的研究投入也不夠。在此背景下，本文在概述數(shù)據(jù)挖掘技術(shù)的前提下，探討數(shù)據(jù)挖掘可能在商業(yè)銀行中的幾種應(yīng)用

4、。 數(shù)據(jù)挖掘技術(shù)簡介 數(shù)據(jù)挖掘是指“在數(shù)據(jù)中發(fā)現(xiàn)有效的、新穎的、潛在有用的、可理解的模式的非平凡過程”。數(shù)據(jù)挖掘這個(gè)研究領(lǐng)域是數(shù)據(jù)庫、模式識(shí)別、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、人工智能、并行與分布式計(jì)算、數(shù)學(xué)和可視化技術(shù)等多學(xué)科交叉的產(chǎn)物，是一個(gè)新興的但具有廣泛應(yīng)用前景的研究領(lǐng)域。數(shù)據(jù)挖掘的主要任務(wù)可以進(jìn)一步分為如下幾類。 2關(guān)聯(lián)規(guī)則挖掘 關(guān)聯(lián)規(guī)則挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系，是形如?圯的蘊(yùn)涵式，支持度是指事務(wù)數(shù)據(jù)庫中至少有的事務(wù)包含；可信度是指在事務(wù)數(shù)據(jù)庫中包含的事務(wù)至少有同時(shí)也包含。關(guān)聯(lián)規(guī)則可以幫助許多商務(wù)決策的制定。 2分類與預(yù)測 分類需要構(gòu)造分類函數(shù)或分類模型，通過分類函數(shù)，把

5、數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到某個(gè)類上。分類模型可以用多種形式表示，如分類（）規(guī)則、分類樹、數(shù)學(xué)公式或神經(jīng)網(wǎng)絡(luò)等。分類和預(yù)測可以用于提取描述重要數(shù)據(jù)類的模型或預(yù)測數(shù)據(jù)未來的趨勢，例如可以通過建立分類模型，對銀行的貸款客戶進(jìn)行分類，以降低貸款的風(fēng)險(xiǎn)等。 2聚類分析 聚類技術(shù)用于發(fā)現(xiàn)數(shù)據(jù)庫中未知的類，與分類不同之處在于，在聚類前對類的數(shù)量與類型均是未知的，是按照“物以類聚”的原則，將滿足相似性條件的對象劃分在一組內(nèi)，不滿足相似性條件的對象劃分在不同的組。每個(gè)組都叫做類（），每一類中的對象盡量相似，而不同類間的對象盡量不同。 2孤立點(diǎn)分析 數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對象，它們與數(shù)據(jù)的一般行為或模型不一致。這些

6、數(shù)據(jù)對象是孤立點(diǎn) （）。統(tǒng)計(jì)方法常將孤立點(diǎn)視為噪聲或異常而丟棄，或試圖使孤立點(diǎn)的影響最小化。但在一些應(yīng)用中孤立點(diǎn)本身可能是非常重要的信息，例如在欺詐探測中，孤立點(diǎn)可能代表了欺詐行為。 2演變分析 數(shù)據(jù)演變分析（ ）描述行為隨時(shí)間而變化的對象的發(fā)展規(guī)律或趨勢，并對其建模。例如可以從股票交易數(shù)據(jù)中挖掘出整個(gè)股票市場和特定公司的股票演變規(guī)律，幫助預(yù)測股票市場的未來走向，幫助做出股票投資的決策。 數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行中的應(yīng)用 數(shù)據(jù)挖掘在商業(yè)銀行的應(yīng)用可以分為客戶關(guān)系管理、風(fēng)險(xiǎn)控制和金融欺詐識(shí)別3個(gè)方面。人們經(jīng)常提到的市場營銷，可以歸在客戶關(guān)系管理的范圍內(nèi)，客戶關(guān)系管理的其中一個(gè)作用就是通過分析客戶特

7、征，從而提供更合適的產(chǎn)品與服務(wù)，而這就是營銷的本質(zhì)。下面對數(shù)據(jù)挖掘在以上3個(gè)方面的應(yīng)用進(jìn)行介紹。 客戶關(guān)系管理        數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用相對成熟，早在10年前，國外的相關(guān)學(xué)者就提出，數(shù)據(jù)挖掘技術(shù)能夠使系統(tǒng)向顧客提供更有針對性，更高質(zhì)量的服務(wù)。數(shù)據(jù)挖掘能夠發(fā)現(xiàn)數(shù)據(jù)庫當(dāng)中數(shù)據(jù)之間深層次的關(guān)聯(lián)；能夠?qū)⒈举|(zhì)相似的數(shù)據(jù)歸為同樣的類；能夠發(fā)掘數(shù)據(jù)庫中的異常數(shù)據(jù)，這都是傳統(tǒng)的計(jì)量方法所不具備的能力。因此當(dāng)銀行建立了系統(tǒng)之后，需要做的就是采用數(shù)據(jù)挖掘這樣強(qiáng)大的工具來將數(shù)據(jù)庫中的客戶信息變成財(cái)富。 總體來說，利用

8、數(shù)據(jù)挖掘來進(jìn)行客戶關(guān)系管理要實(shí)現(xiàn)3個(gè)目標(biāo)：首先是留住現(xiàn)有客戶。維持一個(gè)老客戶所需的成本是尋求一個(gè)新客戶成本的0.5倍。通過分析現(xiàn)有客戶的特征，挖掘客戶的愛好和興趣，從而以最快的速度響應(yīng)客戶的需求，有針對性地提供金融產(chǎn)品及服務(wù)，可以提高客戶的忠誠度，從而留住現(xiàn)有客戶。其次是實(shí)現(xiàn)現(xiàn)有客戶價(jià)值最大化，客戶的生命周期決定了在各個(gè)不同的階段，客戶對金融產(chǎn)品及服務(wù)的需求是不同的，因此要合理地滿足同一個(gè)客戶在不同生命階段的需求，在令客戶滿意的同時(shí)，最大限度地實(shí)現(xiàn)客戶價(jià)值。最后是通過提供更有競爭力的產(chǎn)品與服務(wù)，通過更有效的營銷手段來吸引其他銀行的客戶。 要滿足上述三個(gè)目標(biāo)，就需要深入了解客戶特征，而市場細(xì)分的

9、過程就是發(fā)現(xiàn)客戶特征的過程。銀行業(yè)正在實(shí)現(xiàn)從大眾營銷到一對一營銷的轉(zhuǎn)變，勞埃德集團(tuán)（ ）的和蒙特利爾銀行的 產(chǎn)品已經(jīng)分別通過允許客戶創(chuàng)立自己的賬戶、選擇年收益率（）、費(fèi)用、卡型及獎(jiǎng)勵(lì)回饋來探索一對一的營銷理念。數(shù)據(jù)挖掘的分類、聚類等技術(shù)能夠?qū)?shù)據(jù)庫進(jìn)行細(xì)分，這兩項(xiàng)技術(shù)的差別在于一個(gè)是有監(jiān)督的學(xué)習(xí)，一個(gè)是無監(jiān)督的學(xué)習(xí)。均能在客戶細(xì)分的研究方面起到很好的作用，從而發(fā)現(xiàn)不同的客戶對產(chǎn)品的不同需求。 除了分類、聚類，關(guān)聯(lián)規(guī)則也是重要的系統(tǒng)分析技術(shù)，通過關(guān)聯(lián)規(guī)則，銀行可以發(fā)現(xiàn)產(chǎn)品之間的銷售關(guān)聯(lián)，這有助于實(shí)現(xiàn)產(chǎn)品的交叉銷售。交叉銷售作為一種重要的營銷手段，不但能更好地進(jìn)行產(chǎn)品營銷，更重要的作用是保留能夠帶

10、來利潤的客戶。 目前在國內(nèi)，一些先進(jìn)的商業(yè)銀行開始使用一些通用的數(shù)據(jù)挖掘軟件。學(xué)術(shù)界的研究也處于探索階段，從已有的研究文獻(xiàn)來看，大部分屬于描述性和介紹性文章，雖然近年來有了數(shù)據(jù)挖掘在商業(yè)銀行應(yīng)用的一些具體實(shí)施方面的介紹，卻幾乎都集中在軟件的使用上。這類軟件所采用的算法往往是一些基礎(chǔ)的數(shù)據(jù)挖掘算法，挖掘的準(zhǔn)確率和速度均有待提高，例如，著名的數(shù)據(jù)挖掘軟件 所采用的聚類算法僅有二步聚類及K算法，了解數(shù)據(jù)挖掘聚類算法的學(xué)者都知道，很多聚類算法的聚類效果要遠(yuǎn)遠(yuǎn)地優(yōu)于這兩種算法，例如基于密度的算法等。除了算法的不足，學(xué)術(shù)研究的內(nèi)容也大部分局限于分類及聚類，沒有更廣泛的研究；另外對于數(shù)據(jù)挖掘結(jié)果也沒有深入說

11、明與闡述。 風(fēng)險(xiǎn)管理 商業(yè)銀行所面臨的風(fēng)險(xiǎn)主要有市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)，風(fēng)險(xiǎn)控制對于商業(yè)銀行的可持續(xù)發(fā)展來說是至關(guān)重要的。隨著信息時(shí)代的發(fā)展，風(fēng)險(xiǎn)管理的手段也在逐步發(fā)展，總體趨勢是由定性分析向定量分析轉(zhuǎn)變，由主觀分析向客觀分析轉(zhuǎn)變。數(shù)據(jù)挖掘由于具有不需要依靠假設(shè)條件、能夠處理大規(guī)模數(shù)據(jù)等優(yōu)點(diǎn)，目前已經(jīng)在市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)的防范中開始嶄露頭角，用于建立全面的風(fēng)險(xiǎn)管理預(yù)警體系，發(fā)現(xiàn)經(jīng)營中存在的問題，增強(qiáng)風(fēng)險(xiǎn)識(shí)別和防范能力。 市場風(fēng)險(xiǎn)指因股市價(jià)格、利率、匯率、商品價(jià)格等風(fēng)險(xiǎn)因子的變動(dòng)而導(dǎo)致銀行表內(nèi)和表外業(yè)務(wù)發(fā)生損失的風(fēng)險(xiǎn)。其中無論哪一個(gè)風(fēng)險(xiǎn)因子的變化都會(huì)產(chǎn)生海量的金融時(shí)間序列數(shù)據(jù)。傳統(tǒng)的統(tǒng)計(jì)分

12、析方法需要嚴(yán)苛的假設(shè)條件，并且只能著眼于全局，不能準(zhǔn)確地描述金融市場的動(dòng)蕩。數(shù)據(jù)挖掘彌補(bǔ)了統(tǒng)計(jì)方法的不足，目前已廣泛地應(yīng)用于金融時(shí)間序列分析。時(shí)間序列模式挖掘研究目前主要集中在時(shí)間序列中相似序列搜索、頻繁模式發(fā)現(xiàn)、關(guān)聯(lián)模式發(fā)現(xiàn)、周期模式發(fā)現(xiàn)以及異常數(shù)據(jù)挖掘等方面，采用的方法主要有神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊理論、粗糙集、支持向量機(jī)等。 信用風(fēng)險(xiǎn)評(píng)估實(shí)質(zhì)上是一個(gè)分類和預(yù)測的問題，按照不同情況把客戶分成若干組，并且預(yù)測客戶分到相應(yīng)類別組的概率。而分類和預(yù)測正是數(shù)據(jù)挖掘的主要任務(wù)之一。目前得到較廣泛應(yīng)用的分類技術(shù)有神經(jīng)網(wǎng)絡(luò)與決策樹。在數(shù)據(jù)挖掘技術(shù)中，神經(jīng)網(wǎng)絡(luò)模型最早被應(yīng)用在個(gè)人信用評(píng)估上。和 （）采用人

13、工神經(jīng)網(wǎng)絡(luò)技術(shù)，對（）研究中的個(gè)財(cái)務(wù)比率，選取-年間的家正常公司和家財(cái)務(wù)危機(jī)公司作為樣本，選取企業(yè)財(cái)務(wù)危機(jī)前一年的財(cái)務(wù)資料，建立了神經(jīng)網(wǎng)絡(luò)預(yù)警模型，再與基于統(tǒng)計(jì)的分類方法做比較，結(jié)果證明其預(yù)測的準(zhǔn)確率要高于基于統(tǒng)計(jì)的方法，從而實(shí)現(xiàn)貸款風(fēng)險(xiǎn)監(jiān)測中的建模和預(yù)報(bào)功能。通過數(shù)據(jù)挖掘當(dāng)中的分類技術(shù)，商業(yè)銀行可以將貸款對象根據(jù)風(fēng)險(xiǎn)的高低進(jìn)行分類，對于新的貸款申請者，可以將其歸類進(jìn)而預(yù)測其風(fēng)險(xiǎn)的大小。 金融欺詐監(jiān)測 目前在這方面的研究主要集中在信用卡欺詐研究和反洗錢研究這兩個(gè)問題上。        在信用卡欺詐研究方面，目前主要

14、采用的數(shù)據(jù)挖掘技術(shù)是分類，如我們一再提到的神經(jīng)網(wǎng)絡(luò)、決策樹及各種分類組合方法，同時(shí)關(guān)聯(lián)規(guī)則在信用卡欺詐研究方面也有一定的應(yīng)用， （）就采用改進(jìn)的算法研究了欺詐數(shù)據(jù)的典型形式。國際上，花旗銀行、美國第一銀行等歐美銀行早已將數(shù)據(jù)挖掘作為信用卡欺詐研究的重要工具。然而，我國的信用卡業(yè)務(wù)起步較晚，對其特殊性和潛在風(fēng)險(xiǎn)缺乏足夠的認(rèn)識(shí)，無論是學(xué)術(shù)研究水平還是商業(yè)銀行的反欺詐水平，都與國際上先進(jìn)的銀行有著不小的差距，數(shù)據(jù)挖掘技術(shù)幾乎沒有得到有效的應(yīng)用。 在反洗錢方面，數(shù)據(jù)挖掘技術(shù)也有著不俗的表現(xiàn)，主要應(yīng)用的技術(shù)有孤立點(diǎn)分析、序列模式挖掘、分類研究、聚類分析等。這方面的杰出代表有美國金融犯罪執(zhí)法網(wǎng)絡(luò)（）的系統(tǒng)

15、，其采用數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)對可疑交易報(bào)告進(jìn)行分析和評(píng)估；另外還有澳大利亞交易分析與報(bào)告中心（ T R A C），該中心采用數(shù)據(jù)挖掘技術(shù)開發(fā)了S系統(tǒng)，用來實(shí)現(xiàn)可疑交易報(bào)告自動(dòng)篩選；另外歐盟、加拿大也早已將數(shù)據(jù)挖掘技術(shù)應(yīng)用到可疑金融交易識(shí)別中。與上述發(fā)達(dá)國家和地區(qū)相比，雖然我國央行于年成立了反洗錢監(jiān)測中心，國家外匯管理局于年開發(fā)并推廣了反洗錢信息輔助核查平臺(tái)，然而我國的反洗錢系統(tǒng)建設(shè)不夠完善。由于金融欺詐犯罪手段日新月異，識(shí)別可疑金融交易信息的技術(shù)也必須不斷改進(jìn)以適應(yīng)其變化，數(shù)據(jù)挖掘等先進(jìn)技術(shù)的應(yīng)用更需要進(jìn)一步深入。 結(jié)論 本文針對國內(nèi)商業(yè)銀行對數(shù)據(jù)挖掘技術(shù)不夠了解這一情況，首先介紹了數(shù)據(jù)挖掘技術(shù)及其主要任務(wù)，并在此基礎(chǔ)上介紹了數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行中應(yīng)用的主要業(yè)務(wù)領(lǐng)域，指出了我國大部分商業(yè)銀行對數(shù)據(jù)挖掘技術(shù)的認(rèn)識(shí)仍停留在粗淺的概念上，無論是商業(yè)銀行或?qū)W術(shù)界都需要加強(qiáng)