袁安偉

摘 要:近年來農(nóng)村信用社不斷改革與創(chuàng)新,呈現(xiàn)出前所未有的大發(fā)展,存貸款逐年增加,歷史數(shù)據(jù)積累豐富。利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)實現(xiàn)數(shù)據(jù)到信息的轉(zhuǎn)變,將歷史數(shù)據(jù)以匯總信息圖表方式呈現(xiàn)出來,服務(wù)于廣大領(lǐng)、導(dǎo)員工,助推農(nóng)村信用社更好發(fā)展。

關(guān)鍵詞:數(shù)據(jù)倉庫OLAP涉農(nóng)貸款農(nóng)村信用社

中圖分類號:TP392 文獻(xiàn)標(biāo)識碼:A 文章編號:1674-098x(2012)05(b)-0250-01

隨著農(nóng)村信用社的改革與發(fā)展,山東省農(nóng)村信用社聯(lián)合社日照辦事處科技中心從建立到現(xiàn)在經(jīng)過多次系統(tǒng)性改造與升級,如今已形成規(guī)模。隨著業(yè)務(wù)品種及業(yè)務(wù)量的增長,中心存儲的數(shù)據(jù)量也在日益增長。如何充分有效地利用這些數(shù)據(jù)資源成為當(dāng)前面臨的一個課題。

在縣域經(jīng)濟(jì)中,涉農(nóng)貸款占比高,是農(nóng)村信用社貸款投放的主要陣地。其特點就是散戶貸款,金額小筆數(shù)多,單筆或單一借款人貸款規(guī)律性差,難以定性、推測。但農(nóng)村信用社長期以來扎根基層服務(wù)三農(nóng),多年來積累了大量的歷史數(shù)據(jù),如今已成為一種寶貴的財富。利用數(shù)據(jù)挖掘技術(shù)可以從這些歷史數(shù)據(jù)中找出潛在的規(guī)律和有價值的信息,充分利用這一資源,將給農(nóng)村信用社的發(fā)展帶來一定程度上的幫助。

目前中心存儲全市農(nóng)村信用社多年歷史數(shù)據(jù),可以整合信貸及相關(guān)數(shù)據(jù)庫構(gòu)建一個數(shù)據(jù)倉庫(如圖1信貸信息三層數(shù)據(jù)倉庫結(jié)構(gòu)所示)用于信貸方面的挖掘分析,以加強(qiáng)對存量涉農(nóng)貸款的管理,及為新增貸款投放提供參考。

針對農(nóng)村信用社投放的涉農(nóng)貸款,可以從以下幾個維度:貸款五級分類形態(tài)、投放區(qū)域、借款用途、客戶經(jīng)理等進(jìn)行有效分析,幫助農(nóng)村信用社有效的管理存量貸款以及確定新增貸款投放標(biāo)準(zhǔn)做參考。從不同角度或分類出發(fā)創(chuàng)建多維數(shù)據(jù)模型、構(gòu)建數(shù)據(jù)立方體,通過概念分層逐層匯總,利用OLAP技術(shù)進(jìn)行上卷與下鉆提取不同層面的匯總數(shù)據(jù)。

1 按貸款五級分類形態(tài)分析

根據(jù)現(xiàn)行農(nóng)村信用社個人貸款五級分類標(biāo)準(zhǔn),個人貸款被劃分來正常和不良兩個大類,其中正常大類中又分為正常、關(guān)注兩級,不良大類分為次級、可疑、損失三級。這一維概念分層的OLAP操作粒度,可定為:正常、關(guān)注、次級、可疑、損失。通過分析不同形態(tài)貸款占比,可以更直觀的反應(yīng)貸款整體形態(tài)。

2 按貸款發(fā)放區(qū)域分析

由于區(qū)域性經(jīng)濟(jì)及社會人文環(huán)境存在差異,經(jīng)濟(jì)發(fā)達(dá)、人文環(huán)境好的地區(qū),客戶經(jīng)濟(jì)條件好、經(jīng)濟(jì)來源多,所借貸款還款及時,不良貸款率低;然而有些經(jīng)濟(jì)欠發(fā)達(dá)、人文環(huán)境差的地區(qū),客戶經(jīng)濟(jì)來源單一,不良貸款先例多,以至新增貸款到期逾期多,不良貸款率居高不高,地域性表現(xiàn)突出,按區(qū)域分析是非常有意義。這一維概念分層的OLAP操作粒度,可定為:村(居委會),信用社(鄉(xiāng)鎮(zhèn)、街道),聯(lián)社(縣、區(qū)),辦事處(市)。

3 按借款用途分類分析

隨著經(jīng)濟(jì)周期性運行,不同行業(yè)在市場經(jīng)濟(jì)中受到的影響不同,抵御不利因素能力不同,利好時,同種用途(行業(yè))的貸款同一時期會出現(xiàn)客戶還款及時、無欠本金及利息現(xiàn)象;但蕭條時就存在同種用途(行業(yè))的貸款同一時期大批到期既逾期,拖欠本金及利息不能按期償付的相反現(xiàn)象,行業(yè)特點顯著。這一維根據(jù)用途進(jìn)行概念分層的OLAP操作粒度,可定為:(養(yǎng)雞(鴨、豬、牛等),養(yǎng)殖業(yè);種姜(蒜、芹菜等),種植業(yè)),農(nóng)業(yè)。

4 按客戶經(jīng)理分析

基于客戶經(jīng)理的個人素質(zhì)、對社會的認(rèn)知以及抵御外界環(huán)境的能力不同，其所發(fā)放的貸款質(zhì)量也存在差異。多數(shù)優(yōu)秀客戶經(jīng)理責(zé)任貸款極少、不良貸款率很低，但也存在責(zé)任貸款數(shù)額大、不良貸款率高的客戶經(jīng)理。通過考察客戶經(jīng)理所發(fā)放貸款的質(zhì)量，可以將客戶經(jīng)理分類為：優(yōu)秀、稱職、不稱職三大類。

結(jié)合多個維度進(jìn)行分析，構(gòu)建專業(yè)的數(shù)據(jù)倉庫，實現(xiàn)對涉農(nóng)小額散戶貸款多年歷史數(shù)據(jù)綜合分析，從數(shù)據(jù)中找規(guī)律，發(fā)現(xiàn)導(dǎo)致不良貸款形成的因素（區(qū)域性、行業(yè)性以及人為因素等）及預(yù)測貸款歸還趨勢。通過觀察同期同行業(yè)客戶形成不良貸款變化趨勢，及時查明原因，加強(qiáng)貸后檢查力度，提前做好催收工作，從而降低逾期及不良貸款產(chǎn)生；在調(diào)查、審批貸款時參考挖掘出的貸款還款趨勢信息，可以幫助決定新增貸款的發(fā)放與否及授信金額、時間的核定；通過挖掘可以由數(shù)據(jù)說話，發(fā)現(xiàn)不良客戶經(jīng)理人員，應(yīng)加強(qiáng)審計，逐一排查，維護(hù)良好的信貸內(nèi)部風(fēng)氣。通過對信貸歷史數(shù)據(jù)及相關(guān)數(shù)據(jù)的挖掘分析，可以得出對農(nóng)村信用社發(fā)展有益的信息，為管理存量貸款提供早期不良預(yù)報，為新增信貸投放提供歷史參考信息，增強(qiáng)農(nóng)村信用社在農(nóng)村陣地戰(zhàn)斗力，為農(nóng)村信用社信貸健康發(fā)展做出貢獻(xiàn)。

參考文獻(xiàn)

[1] 徐永紅.多維數(shù)據(jù)模型與OLAP實現(xiàn)[J].中國金融電腦,2004年第11期.

[2] 范明，孟小峰譯.數(shù)據(jù)挖掘概念與技術(shù)（Jiawei Han,Micheline Kamber,Data Mining Concepts and Techniques）[M].北京:機(jī)械工業(yè)出版,2008年6月第1版.

[3] 李曄明,州商業(yè)銀行科技部.用數(shù)據(jù)挖掘?qū)崿F(xiàn)決策支持科[J].技信息,2006年第11期.