１０４ 福 建 电脑 ２００９年第５期 数据挖掘技术在商业银行中的应用 马宜青·．屈松川 （１．宁夏医科大学计算机教研室宁夏ｔ￣－Ｊ，Ｉ ７５０００４ ２．宁夏银行信息技术部宁夏银川７５０００１） 【摘要】：本文介绍了数据挖掘技术的相关知识，论述了数据挖掘工具与方法在银行客户关系管理、风险管理、反洗钱 三方面的应用。 【关键词】：数据挖掘商业银行应用 １．引言 伴随我国银行业的对外全面开放．国内银行业直接面对具 有丰富经营管理经验、强大资金实力的外资银行的冲击。同业竞 争使得过去那种以金融产品为中心的市场战略．正逐渐被以客 户为中心、以服务为目标的市场战略所取代 经过多年的发展，商业银行信息系统己逐步完善．同时拥有 海量的数据资源．但一直以来这些数据资源没有被有效地开发 利用。而银行的业务数据质量高、准确度高，通常比较完整、可 靠，这对于系统化的数据分析和数据挖掘相当有利。合理运用数 据挖掘工具和方法．可以提升商业银行核心竞争力．最终实现商 业银行的跨越式发展 ２．数据挖掘技术的介绍 ２．１数据挖掘的定义 数据挖掘是按照企业既定业务目标．对大量的企业数据进 行探索和分析，揭示隐藏的、未知的或验证己知的规律性．并进 步将其模型化的有效方法 ”曾经有段时间．沃尔玛公司在美国的店面经理发现一种有 趣而又奇怪的现象：每周啤酒和一次性尿布的销量都会有一次 同比攀升。店面经理对此百思不得其解。后来．沃尔玛运用数据 挖掘工具发现。购买这两种产品的顾客几乎都是２５—３５岁之间、 家有婴儿的男性，每次购买时间均在周末。沃尔玛在对相关数据 分析后得出：这一类消费者习惯周末晚上边看球赛、边喝啤酒． 而同时又要兼顾孩子，为了图省事就用一次性尿布。得出结果 后，沃尔玛决定把这两种商品集中摆在一起销售．结果啤酒和一 次性尿布销量都有了显著增加 ”『ｌ１ ２．２数据挖掘的功能 数据挖掘通过预测未来的趋势及行为。做出前摄的、基于知 识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的 知识，主要有自动预测趋势和行为、关联分析、聚类、概念描述、 偏差检测等五类功能。 ２．３数据挖掘常用方法 数据挖掘工具采用的主要方法包括决策树、神经元网络技 术、遗传算法、关联规则等。 ２．３．１决策树算法 决策树的典型应用是分类规则挖掘 国际上出现最早也是 最有影响的决策树方法是由Ｑｕｉｕｌａｎ研制的ＩＤ３方法．在系统中 采用这种方法的有美国的ＩＤＩＳ、法国的ＳＩＰＩＮＡ、英国的 Ｃｌｅｍｅｍｉｎｃ和澳大利亚的Ｃ５．０ １－２＇１ ２－３．２神经元网络技术 神经元网络技术模拟人脑的神经元结构．完成类似统计学 中的判别、回归、聚类等功能，是一种非线性的模型。俄罗斯的 Ｐｏｌｙ Ａｎａｌｙｓｔ、美国的Ｂｒａｉｎ Ｍａｋｅｒ、Ｎｅｕｒｏｓｅｌｌ和ＯＷＬ等以神经元 为主导技术 嘲 ２－３－３遗传算法 遗传算法是一种基于自然群体遗传演化机制的高效探索算 法。在系统中包含遗传算法的有美国的Ｇｅｎｅ Ｈｕｎｔｅｒ。闭 ２．３．４关联规则挖掘 关联规则挖掘是描述数据之间存在关系的规则 一般分为 两个步骤：一是求出大数据项集：二是用大数据项集产生关联规 则。 ３．数据挖掘技术在商业银行中的应用 商业银行拥有许多成熟的数据库应用系统．如综合业务系 统、中间业务系统、财务管理系统、信贷管理系统等，拥有大量的 业务数据．这为数据挖掘提供了良好的数据源。合理运用数据挖 掘技术，必将为银行带来丰硕的回报。 根据商业银行业务的需求．涉及的最主要的三个主题是：客 户关系管理、风险管理、反洗钱。 ３．１客户关系管理 客户关系管理（ＣａＭ）是商业银行以数据仓库技术为手段， 通过对相关业务流程的重新设计及相关工作流程的重新组合． 运用数据挖掘技术和方法．对各种数据信息以及相互之间关联 进行分析．进而从多方面准确衡量各类客户的忠诚度、满意度、 盈利能力、潜在价值、信用度、风险度等关键性指标和需求差异 性．以完善的客户服务和深入的客户分析来满足客户的个性化 需求。 （１）运用数据挖掘工具和方法，依据客户行为（例如储蓄、贷 款）是否相同．将客户群体分类．针对不同分类的成员提供不同 的金融服务、贷款等。 （２）运用数据挖掘工具和方法，按照不同的维度将客户群体 细分为不同级别．实施不同的营销策略，从而提高客户满意度。 （３）运用数据挖掘工具．建立客户流失预测模型。有统计显 示．发展一位新客户的成本是挽留一位老客户的５倍。因此在客 户流失之前．应适当采取措施挽留客户，减少损失。 ３．２风险管理 自商业银行诞生之初，风险就与之相伴。从某种意义上讲， 商业银行就是”经营风险”的金融机构．以 §营风险”为其盈利 的根本手段。商业银行是否愿意承担风险．是否能够妥善控制和 管理风险．将决定商业银行的经营成败。［３１ （１）运用数据挖掘工具与方法。对信贷资产的信用风险、汇 率敏感度、流动资金风险、不良贷款等，进行组合风险分析和安 全性分析。从样本数据集中找出规律和趋势，区分数据类别，找 出多因素之间的相关性．构建风险计量模型对状态进行描述。进 而管理层能够及时、准确的掌握资产数量及其分布、资金调度情 况、信贷资产分布情况、客户信用情况等，有效地控制风险。 （２）运用数据挖掘工具与方法，对客户使用信用卡全生命周 期进行风险分析和安全性分析。通过收集和分析客户的大量行 为、信用和背景资料．归纳总结出优质客户和劣质客户的背景特 征．并准确计算出不同属性值的客户群所具有的消费能力、还款 概率。 ３．３反洗钱 中国内地洗钱活动日益增多，数额不断上涨。权威分析最近 三年中国资本外逃达５３０亿美元。金融机构客观上最容易成为 洗钱活动的主要渠道．洗钱严重损害了金融体系的安全和信誉。 澳大利亚反洗钱机构ＡＵＳＴＲＡＣ．把诸如银行交易数据库、联邦 或州的犯罪历史数据库等多个数据库的信息集成起来。运用多 种数据挖掘技术。ＡＵＳＴＲＡＣ对洗钱犯罪进行监（下转第１０６页） １０６ 福建 电脑 ２００９年第５期 各种文件之问访问的相互联系。例如．用关联规则发现技术．我 部分页面的内容感兴趣 不同的用户之间具有不同的浏览兴 们可以找到以下的相关性：４０％的客户访问页面／ｍａｒｋｅｔ／ｐｒｏｄｕｃｔｌ 趣，所以他们会访问不同的Ｗｅｂ页面。通过对客户访问信息的 时，也访问Ｔ／ｍａｒｋｅｔ／ｐｒｏｄｕｃｔ２。利用这些相关性．可以更好的组 挖掘，就能知道客户的浏览行为。从而识别用户的忠实度、喜好、 织站点。实施有效的市场策略。 满意度．了解客户的兴趣及需求．动态地调整Ｗｅｂ页面以满足 （３）序列模式的发现 序列模式的发现就是在时间戳有序的事务集中．找到那些” 些项跟随另一个项”的内部事务模式。例如：在／ｍａｒｋｅｔ／ｐｒｏｄ． ｕｃｔｌ上进行过在线定购的顾客．有６０％的人在过去１５天内也 在／ｍａｒｋｅｔ／ｉｔＩｒｏｄｕｃｔ４处下过订单 发现序列模式能够便于进行电子商务的组织预测客户的访 问模式．对客户开展有针对性的广告服务 通过系列模式的发 现．能够在服务器方选取有针对性的页面．以满足访问者的特定 要求。 （４）分类规则的发现 分类发现就是给出识别一个特殊群体的公共属性的描述． 这个描述可以用来分类新的项，例如：机关的顾客一般感兴 趣的页面是／ｍａｒｋｅｔ／ｐｒｏｄｕｃｔ１．在／ｍａｒｋｅｔ／ｐｒｏｄｕｃｔ２进行过在线定 购的顾客中有５０％是２０—３０岁的年轻人，得到分类后，就可以进 行适合某一类客户的商务活动 （５）聚类分析 聚类分析可以从Ｗｅｂ访问信息数据中聚集出具有相似特 性的那些客户。在Ｗｅｂ事务日志中．聚类顾客信息或数据项能 够便于开发和执行未来的市场战略。这种市场战略包括：自动给 个特定的顾客聚类发送销售邮件．为一个顾客聚类动态地改 变一个特殊的站点等 客户的需要。在Ｉｎｔｅｍｅｔ上的电子商务中一个典型的序列，恰好 就代表了一个购物者以页面形式在站点上导航的行为．所以可 运用数据挖掘中的序列模式发现技术进行挖掘 （３）改进站点设计 Ｗｅｂ设计者不再完全依靠专家的定性指导来设计网站．而 是根据ｌ方问者的信息来设计和修改网站结构和外观。站点上页 面内容的安排和链接就如超级市场中物品的摆放一样．把相关 联的物品摆放在一起有助于销售 网站管理员也可以按照大多 数访问者的浏览模式对网站进行组织．按其所访问内容来裁剪 用户与Ｗｅｂ信息空间的交互．尽量为大多数访问者的浏览提供 方便。 （４）聚类客户 许多企业都对企业的客户、市场、销售、服务与支持信息进 行深层次发掘和分析．对客户．价值进行分类．发现新的市场机 会，增加收入和利润。在电子商务中客户聚类是一个重要的方 面 通过分组具有相似浏览行为的客户并分析组中客户的共同 特征．可以帮助电子商务的组织者更好地了解自己的客户．及时 调整页面及页面内容使商务活动能够在一定程度上满足客户的 要求，向客户提供更适合、更面向客户的服务，使商务活动对客 户和销售商来说更具意义 ４、结束语 ２．４模式分析 随着电子商务发展的势头越来越强劲．面向电子商务的 模式分析是对挖掘出来的模式、规则进行分析，找出感兴趣 Ｗｅｂ数据挖掘将是一个非常有前景的领域。它能自动预测客户 的模式．通常采取三种方法：查询．ＯＬＡＰ技术和可视化技术。在 的消费趋势、市场走向．指导企业建设个性化网站．为企业创建 该过程需要根据最终用户的决策目的对提取的信息进行分析． 新的商业增长点 但是在面向电子商务的Ｗｅｂ数据挖掘中还存 把最有价值的信息区分开来．并且通过决策支持工具提交给决 在很多问题需解决．比如怎样将服务器的１３志数据转化成适合 策者。这一步骤的任务不仅是把结果表达出来．还要对信息进行 某种数据挖掘技术的数据格式。怎样解决分布性、异构性数据源 过滤处理，如果不能令决策者满意，需要重复上述过程。 的挖掘．如何控制整个Ｗｅｂ上知识发现过程等等．这些都是需 ３ ｗｅｂ数据挖掘在电子商务中的作用 要进一步研究的重点 参考文献： １．石岩．Ｗｅｂ挖掘技术在电子商务中的应用［丌科技情报开发与经济， ２００６，１６（２３）：２３５—２３６． ２．王玉珍．基于电子商务的Ｗｅｂ挖掘技术研究丌１北京电子科技学院学 报，２００５．１３（ｏ４）：２２－２５． （１）发现潜在客户 用户在网站上的浏览行为反映了用户的兴趣和购买意向。 对一个电子商务网站来说，了解、关注在册客户群体非常重要， 但从众多的访问者中发现潜在客户群体也同样非常关键。如果 发现某些客户为潜在客户群体．就可以对这类客户实施一定的 策略使他们尽快成为在册客户群体。对一个电子商务网站来说 也许就意味着订单数的增多、效益的增加。 （２）提供优质个性化服务，提高客户忠诚度 用户是有目的访问一个电子商务站点的．他们只对站点内 ３．蒋良孝蔡之华．电子商务中的数据挖掘及其应用卟计算机工程与设 计，２００３，２４（０６）：７４—７７． ４．李超锋杨殿生许云．ｗｃｂ使用挖掘中数据预处理过程研究Ⅱ】．电子测 量技术．２００７．３０（０３）：３—５． （上接第１０４页） 控、取证、防范。数据处理的结果对反洗钱工作指导性非常强，故 建新的商业增长点。”在国内银行加快国际化进程的今天，推动 而澳大利亚反洗钱工作十分出色。 数据挖掘技术在商业银行的应用．已经成为各家银行在行业结 （１）运用数据挖掘工具，可以找出银行数据库中的金融数据 构的转变中能否抢占先机、赢得一席之地的重要因素。间的关联规则．从描述交易记录的数据中找出资金转移过程中 的非常态资金，掌握大额和可疑资金交易的发生和分布情况。协 参考文献： １．黄勇．数据挖掘技术：增强银行核心竞争力的重要工具Ⅱ】中国金融电 助相关部门追踪洗钱犯罪。［５１ （４） （２）运用数据挖掘工具，可以通过对洗钱案例进行机器学 脑，２００８，李丹丹．教据挖掘技术及其发展趋势Ⅱ】电脑应用技术．２００７，（６９】 习．总结有关洗钱渠道、环节等的特征和规律．与待处理数据进 ２．Ａ＂：ｉｇ－办公室编风险管理［Ｍ１．北京：中国金融 行对照比较。判断是否属于”洗钱”交易；同时根据新知识对模型 ３．中国银行业从业人员资格＂出版社．２００７：３ 进行动态更新。以提高可疑交易的命中率。 ４．结论 ４．李芳．基于数据仓库技术的银行风险管理ｏ１．现代商业 根据最近Ｇａｒｔｎｅｒ的ＨＰＣ研究表明。”随着数据捕获、传输 ２００７，（６） 和存储技术的快速发展．大型系统用户将更多地需要采用新技 术来挖掘市场以外的价值．采用更为广阔的并行处理系统来创 ５．白铁刚。高建军．金融机构反洗钱的数据挖掘技术Ⅱ】中国刑事，
